概率统计复习资料
概率统计试卷复习资料
总复习一、填空题（每题3分）1、已知事件A 与B 独立，且5.0)(=A P ，7.0)(=B P ，则=)(AUB P2、设X 服从正态分布)3.2(2N ，且21C) X (=≤P ，则=C 3、设每次试验中成功的概率为P )1(<<P o ，则在二次重复独立试验中，至少失败一次的概率为 。
4、评价估计量优劣的三条标准是无偏性，一致性和 性。
5、已知随机变量X 服从),(2σμN ，则X 的概率密度函数为6、设X 1，…，X n 是总体X 的一个样本,且X 的期望μ=EX 和方差2σ=DX 均未知，则2σ的无偏估计是=∧2σ7、设X 服从二项分布),(p n B ，则)(X E =8、若X 与Y 独立，且6)(=X D ，3)(=Y D ，则)2(Y X D -=9、设X 服从),(2σμN ，则≤≥-)3(σμX P10、一口袋中装有8只球，在这6只球上分别标有-1,1,1，1,1,3,,3，3这样的数字，现从这只口袋中任取一球，用随机变量X 表示取得的球上标明的数字，求:（1）X 的概率分布律；（2）X 的概率分布函数；（3）)34(-X E .11.袋中有4个乒乓球, 其中3个是黄球, 1个是白球. 今有两人依次随机地从袋中各取一球, 取后不放回, 则第2个人取得黄球的概率是 . 12、对事件,A B 和C ,已知1()()()5P A P B P C ,()()0P AB P BC ,1()8P AC ,则,A B ,C 中至少有一个发生的概率是_________.13、已知随机变量X 在区间[ 5，15 ]上服从均匀分布，则EX= .14、中心极限定理告诉我们，若随机变量X 服从参数为1000，0.06的二项分布，则X 也近似服从参数为___ __和______的正态分布.15、设(X 1,X 2,...,X n )是取自正态总体N (μ,σ2)的简单随机样本,统计量∑==n i i X n T 121，则T 的数学期望ET=16、设X 表示独立射击目标10次所击中目标的次数，每次击中的概率为0.3，则X 2的数学期望E(X 2)= ．17、设随机变量X 服从正态分布N(2,0.22),已知标准正态分布函数值 Φ(2.5)=0.9938,则P{2<X<2.5}=___ .18、设随机变量X 和Y 满足DX =25, DY =9, ρXY =0.4, 则D (X-Y) =19 、设总体X 的概率密度为,,020)(⎩⎨⎧<<=其它x Ax x f 则A=20、若随机变量X 服从参数为1=λ的分布，则大数定律告诉我们：∑=ni i X n 11依概率收敛于21 ，设总体X 服从),(2σμN 分布，X 1，…，X n 是X 的一个样本，则统计量n / X σμ- 服从分布;)(1_1222X XS nni i-=∑=οο 服从 分布；212)(1μο-∑=ni iX服从 分布二，单选1 .若随机变量X 具有性质)()(X D X E =，则X 服从 分布 a 、正态 b 、二项 c 、泊松 d 、均匀2、若)()(1)(B P A P B A P -=+，则A 与B a 、互不相容 b 、独立c 、为对立事件d 、为任意事件3、设随机变量X 服从)2,1(2N ，12-=X Y ，则Y 服从 分布 a 、)4,2(2N b 、)4,1(2N c 、)4,1(N d 、)4,2(N4、设A 与B 为两个随机事件，若0)(=AB P ，则下列命题正确的是 a 、A 、B 互不相容 b 、AB 未必是不可能事件 c 、A ，B 独立 d 、0)(=A P 或0)(=B P5、从总体X 中抽取样本X ，X 2，若X 服从)1,(θN 分布，则θ的估计量中，最有效的是a 、217671X X + b 、212121X X + c 、215451X X + d 、216561X X +6、“A 、B 、C 三事件恰有一个发生”可表为 a 、C U B U A b 、C B Ac 、ABCd 、C B A C B A C B U U A7、5.0)(=A P ，8.0)(=B P ，9.0)(=AUB P ，则B A 与的关系是 a 、互不相容 b 、独立 c 、B A ⊃ d 、A B ⊃8、设随机变量X 服从分布， 则2)] X [E() X (=D a 、均匀 b 、标准正态 c 、二项 d 、泊松9、设),(y x F 是随机变量Y), X (的分布函数，则下列式子 成立。
概率论与数理统计考研复习资料
概率论与数理统计复习第一章 概率论的基本概念一.基本概念随机试验E:(1)可以在相同的条件下重复地进行;(2)每次试验的可能结果不止一个,并且能事先明确试验的所有可能结果;(3)进行一次试验之前不能确定哪一个结果会出现.样本空间S: E 的所有可能结果组成的集合. 样本点(基本事件):E 的每个结果. 随机事件(事件):样本空间S 的子集.必然事件(S):每次试验中一定发生的事件. 不可能事件(Φ):每次试验中一定不会发生的事件. 二. 事件间的关系和运算1.A ⊂B(事件B 包含事件A )事件A 发生必然导致事件B 发生.2.A ∪B(和事件)事件A 与B 至少有一个发生.3. A ∩B=AB(积事件)事件A 与B 同时发生.4. A -B(差事件)事件A 发生而B 不发生.5. AB=Φ (A 与B 互不相容或互斥)事件A 与B 不能同时发生.6. AB=Φ且A ∪B=S (A 与B 互为逆事件或对立事件)表示一次试验中A 与B 必有一个且仅有一个发生. B=A, A=B . 运算规则 交换律 结合律 分配律 德•摩根律B A B A = B A B A =三. 概率的定义与性质1.定义 对于E 的每一事件A 赋予一个实数,记为P(A),称为事件A 的概率.(1)非负性 P(A)≥0 ; (2)归一性或规范性 P(S)=1 ;(3)可列可加性 对于两两互不相容的事件A 1,A 2,…(A i A j =φ, i ≠j, i,j=1,2,…),P(A 1∪A 2∪…)=P( A 1)+P(A 2)+…2.性质(1) P(Φ) = 0 , 注意: A 为不可能事件 P(A)=0 .(2)有限可加性 对于n 个两两互不相容的事件A 1,A 2,…,A n ,P(A 1∪A 2∪…∪A n )=P(A 1)+P(A 2)+…+P(A n ) (有限可加性与可列可加性合称加法定理) (3)若A ⊂B, 则P(A)≤P(B), P(B -A)=P(B)-P(A) .(4)对于任一事件A, P(A)≤1, P(A)=1-P(A) .(5)广义加法定理 对于任意二事件A,B ,P(A ∪B)=P(A)+P(B)-P(AB) . 对于任意n 个事件A 1,A 2,…,A n()()()()+∑+∑-∑=≤<<≤≤<≤=nk j i k j i nj i j i ni i n A A A P A A P A P A A A P 11121…+(-1)n-1P(A 1A 2…A n )四.等可能(古典)概型1.定义 如果试验E 满足:(1)样本空间的元素只有有限个,即S={e 1,e 2,…,e n };(2)每一个基本事件的概率相等,即P(e 1)=P(e 2)=…= P(e n ).则称试验E 所对应的概率模型为等可能(古典)概型.2.计算公式 P(A)=k / n 其中k 是A 中包含的基本事件数, n 是S 中包含的基本事件总数. 五.条件概率1.定义 事件A 发生的条件下事件B 发生的条件概率P(B|A)=P(AB) / P(A) ( P(A)>0).2.乘法定理 P(AB)=P(A) P (B|A) (P(A)>0); P(AB)=P(B) P (A|B) (P(B)>0).P(A 1A 2…A n )=P(A 1)P(A 2|A 1)P(A 3|A 1A 2)…P(A n |A 1A 2…A n-1) (n ≥2, P(A 1A 2…A n-1) > 0) 3. B 1,B 2,…,B n 是样本空间S 的一个划分(B i B j =φ,i ≠j,i,j=1,2,…,n, B 1∪B 2∪…∪B n =S) ,则 当P(B i )>0时,有全概率公式 P(A)=()()i ni i B A P B P∑=1当P(A)>0, P(B i )>0时,有贝叶斯公式P (B i |A)=()()()()()()∑==ni i i i i i B A P B P B A P B P A P AB P 1. 六.事件的独立性1.两个事件A,B,满足P(AB) = P(A) P(B)时,称A,B 为相互独立的事件.(1)两个事件A,B 相互独立⇔ P(B)= P (B|A) .(2)若A 与B ,A 与B ,A 与B, ,A 与B 中有一对相互独立,则另外三对也相互独立.2.三个事件A,B,C 满足P(AB) =P(A) P(B), P(AC)= P(A) P(C), P(BC)= P(B) P(C),称A,B,C 三事件两两相互独立. 若再满足P(ABC) =P(A) P(B) P(C),则称A,B,C 三事件相互独立.3.n 个事件A 1,A 2,…,A n ,如果对任意k (1<k ≤n),任意1≤i 1<i 2<…<i k ≤n.有()()()()kkii i i i i A P A P A P A A A P 2121=,则称这n 个事件A 1,A 2,…,A n相互独立.第二章 随机变量及其概率分布一.随机变量及其分布函数1.在随机试验E 的样本空间S={e}上定义的单值实值函数X=X (e)称为随机变量.2.随机变量X 的分布函数F(x)=P{X ≤x} , x 是任意实数. 其性质为:(1)0≤F(x)≤1 ,F(-∞)=0,F(∞)=1. (2)F(x)单调不减,即若x 1<x 2 ,则 F(x 1)≤F(x 2). (3)F(x)右连续,即F(x+0)=F(x). (4)P{x 1<X≤x 2}=F(x 2)-F(x 1). 二.离散型随机变量 (只能取有限个或可列无限多个值的随机变量)1.离散型随机变量的分布律 P{X= x k }= p k (k=1,2,…) 也可以列表表示. 其性质为: (1)非负性 0≤P k ≤1 ; (2)归一性 11=∑∞=k k p .2.离散型随机变量的分布函数 F(x)=∑≤xX kk P 为阶梯函数,它在x=x k (k=1,2,…)处具有跳跃点,其跳跃值为p k =P{X=x k } .3.三种重要的离散型随机变量的分布(1)X~(0-1)分布 P{X=1}= p ,P{X=0}=1–p (0<p<1) .(2)X~b(n,p)参数为n,p 的二项分布P{X=k}=()kn k p p k n --⎪⎪⎭⎫ ⎝⎛1(k=0,1,2,…,n) (0<p<1) (3))X~π(λ)参数为λ的泊松分布 P{X=k}=λλ-e k k !(k=0,1,2,…) (λ>0) 三.连续型随机变量1.定义 如果随机变量X 的分布函数F(x)可以表示成某一非负函数f(x)的积分F(x)=()dt t f x⎰∞-,-∞< x <∞,则称X 为连续型随机变量,其中f (x)称为X 的概率密度(函数). 2.概率密度的性质(1)非负性 f(x)≥0 ; (2)归一性 ⎰∞∞-dx x f )(=1 ;(3) P{x 1<X ≤x 2}=⎰21)(xx dx x f ; (4)若f (x)在点x 处连续,则f (x)=F / (x) .注意：连续型随机变量X 取任一指定实数值a 的概率为零,即P{X= a}=0 .3.三种重要的连续型随机变量的分布 (1)X ～U (a,b) 区间(a,b)上的均匀分布⎩⎨⎧=-0)(1a b x f其它b x a << . (2)X 服从参数为θ的指数分布.()⎩⎨⎧=-0/1θθx ex f 00≤>x x 若若 (θ>0). (3)X~N (μ,σ2)参数为μ,σ的正态分布222)(21)(σμσπ--=x ex f -∞<x<∞, σ>0. 特别, μ=0, σ2 =1时,称X 服从标准正态分布,记为X~N (0,1),其概率密度2221)(x e x -=πϕ , 标准正态分布函数⎰=Φ∞--xt dt e x 2221)(π, Φ(-x)=1-Φ(x) .若X ～N ((μ,σ2), 则Z=σμ-X ~N (0,1), P{x 1<X ≤x 2}=Φ(σμ-2x )-Φ(σμ-1x ).若P{Z>z α}= P{Z<-z α}= P{|Z|>z α/2}= α,则点z α,-z α, ±z α/ 2分别称为标准正态分布的上,下,双侧α分位点. 注意：Φ(zα)=1-α , z 1- α= -z α.四.随机变量X 的函数Y= g (X)的分布 1.若g(x k ) (k=1,2,…)的值全不相等,则由上表立得Y=g(X)的分布律.若g(x k ) (k=1,2,…)的值有相等的,则应将相等的值的概率相加,才能得到Y=g(X)的分布律. 2.连续型随机变量的函数若X 的概率密度为f X (x),则求其函数Y=g(X)的概率密度f Y (y)常用两种方法： (1)分布函数法 先求Y 的分布函数F Y (y)=P{Y ≤y}=P{g(X)≤y}=()()dx x f ky X k∑⎰∆其中Δk (y)是与g(X)≤y 对应的X 的可能值x 所在的区间(可能不只一个),然后对y 求导即得f Y (y)=F Y /(y) .(2)公式法 若g(x)处处可导,且恒有g /(x)>0 (或g / (x)<0 ),则Y=g (X)是连续型随机变量,其概率密度为()()()()⎩⎨⎧'=0y h y h f y f X Y其它βα<<y其中h(y)是g(x)的反函数 , α= min (g (-∞),g (∞)) β= max (g (-∞),g (∞)) .如果f (x)在有限区间[a,b]以外等于零,则 α= min (g (a),g (b)) β= max (g (a),g (b)) .第三章 二维随机变量及其概率分布 一.二维随机变量与联合分布函数1.定义 若X 和Y 是定义在样本空间S 上的两个随机变量,则由它们所组成的向量(X,Y)称为二维随机向量或二维随机变量.对任意实数x,y,二元函数F(x,y)=P{X ≤x,Y ≤y}称为(X,Y)的(X 和Y 的联合)分布函数. 2.分布函数的性质(1)F(x,y)分别关于x 和y 单调不减.(2)0≤F(x,y)≤1 , F(x,- ∞)=0, F(-∞,y)=0, F(-∞,-∞)=0, F(∞,∞)=1 .(3) F(x,y)关于每个变量都是右连续的,即 F(x+0,y)= F(x,y), F(x,y+0)= F(x,y) . (4)对于任意实数x 1<x 2 , y 1<y 2P{x 1<X ≤x 2 , y 1<Y ≤y 2}= F(x 2,y 2)- F(x 2,y 1)- F(x 1,y 2)+ F(x 1,y 1)二.二维离散型随机变量及其联合分布律1.定义 若随机变量(X,Y)只能取有限对或可列无限多对值(x i ,y j ) (i ,j =1,2,… )称(X,Y)为二维离散型随机变量.并称P{X= x i ,Y= y j }= p i j 为(X,Y)的联合分布律.也可列表表示.2.性质(1)非负性 0≤p i j ≤1 .(2)归一性∑∑=i jij p 1 .3. (X,Y)的(X 和Y 的联合)分布函数F(x,y)=∑∑≤≤x x yy ij i j p三.二维连续型随机变量及其联合概率密度1.定义 如果存在非负的函数f (x,y),使对任意的x 和y ,有F(x,y)=⎰⎰∞-∞-yxdudv v u f ),(则称(X,Y)为二维连续型随机变量,称f(x,y)为(X,Y)的(X 和Y 的联合)概率密度. 2.性质 (1)非负性 f (x,y)≥0 . (2)归一性 1),(=⎰⎰∞∞-∞∞-d x d y y x f .(3)若f (x,y)在点(x,y)连续,则yx y x F y x f ∂∂∂=),(),(2(4)若G 为xoy 平面上一个区域,则⎰⎰=∈Gdxdy y x f G y x P ),(}),{(.四.边缘分布1. (X,Y)关于X 的边缘分布函数 F X (x) = P{X ≤x , Y<∞}= F (x , ∞) . (X,Y)关于Y 的边缘分布函数 F Y (y) = P{X<∞, Y ≤y}= F (∞,y)2.二维离散型随机变量(X,Y) 关于X 的边缘分布律 P{X= x i }=∑∞=1j ij p = p i·( i =1,2,…) 归一性11=∑∞=∙i i p .关于Y 的边缘分布律 P{Y= y j }= ∑∞=1i ij p = p·j( j =1,2,…) 归一性11=∑∞=∙j j p .3.二维连续型随机变量(X,Y)关于X 的边缘概率密度f X (x)=⎰∞∞-dy y x f ),( 归一性1)(=⎰∞∞-dx x f X关于Y 的边缘概率密度f Y (y)=x d y x f ⎰∞∞-),( 归一性1)(=⎰∞∞-dyy f Y五.相互独立的随机变量1.定义 若对一切实数x,y ,均有F(x,y)= F X (x) F Y (y) ,则称X 和Y 相互独立.2.离散型随机变量X 和Y 相互独立⇔p i j= p i ··p ·j( i ,j =1,2,…)对一切x i ,y j成立.3.连续型随机变量X 和Y 相互独立⇔f (x,y)=f X(x)f Y(y)对(X,Y)所有可能取值(x,y)都成立.六．条件分布1．二维离散型随机变量的条件分布定义 设(X,Y)是二维离散型随机变量,对于固定的j,若P{Y=y j }>0,则称 P{X=x i |Y=y j }为在Y= y j 条件下随机变量X 的条件分布律. 同样,对于固定的i,若P{X=x i }>0,则称,}{},{jj i j j i p p y Y P y Y x X P ∙=====P{Y=y j |X=x i }为在X=x i 条件下随机变量Y 的条件分布律.第四章 随机变量的数字特征一.数学期望和方差的定义随机变量X 离散型随机变量 连续型随机变量分布律P{X=x i }= p i ( i =1,2,…) 概率密度f (x)数学期望(均值)E(X)∑∞=1i i i p x (级数绝对收敛)⎰∞∞-dx x xf )((积分绝对收敛)方差D(X)=E{[X-E(X)]2}[]∑-∞=12)(i i i p X E x ⎰-∞∞-dx x f X E x )()]([2=E(X 2)-[E(X)]2 (级数绝对收敛) (积分绝对收敛) 函数数学期望E(Y)=E[g(X)] i i i p x g ∑∞=1)((级数绝对收敛) ⎰∞∞-dx x f x g )()((积分绝对收敛)标准差σ(X)=√D(X) .二.数学期望与方差的性质1. c 为为任意常数时, E(c) = c , E(cX) = cE(X) , D(c) = 0 , D (cX) = c 2D(X) . 2.X,Y 为任意随机变量时, E (X ±Y)=E(X)±E(Y) .3. X 与Y 相互独立时, E(XY)=E(X)E(Y) , D(X ±Y)=D(X)+D(Y) .4. D(X) = 0 ⇔P{X = C}=1 ,C 为常数.三.六种重要分布的数学期望和方差 E(X) D(X)1.X~ (0-1)分布P{X=1}= p (0<p<1) p p (1- p)2.X~ b (n,p) (0<p<1) n p n p (1- p)3.X~ π(λ) λ λ4.X~ U(a,b) (a+b)/2 (b-a) 2/12 5.X 服从参数为θ的指数分布 θ θ2 6.X~ N (μ,σ2) μ σ2 四.矩的概念随机变量X 的k 阶(原点)矩E(X k ) k=1,2,… 随机变量X 的k 阶中心矩E {[X-E(X)] k }随机变量X 和Y 的k+l 阶混合矩E(X k Y l ) l=1,2,…随机变量X 和Y 的k+l 阶混合中心矩E{[X-E(X)] k [Y-E(Y)] l}第六章 样本和抽样分布一.基本概念总体X 即随机变量X ; 样本X 1 ,X 2 ,…,X n 是与总体同分布且相互独立的随机变量;样本值x 1 ,x 2 ,…,x n 为实数;n 是样本容量.统计量是指样本的不含任何未知参数的连续函数.如：样本均值∑==n i i X n X 11 样本方差()∑--==n i i XX n S 12211 样本标准差S样本k 阶矩∑==n i k i k X n A 11( k=1,2,…) 样本k 阶中心矩∑-==n i ki k X X n B 1)(1( k=1,2,…),}{},{∙=====i j i i j i p p x X P y Y x X P二.抽样分布 即统计量的分布 1.X 的分布 不论总体X 服从什么分布, E (X ) = E(X) , D (X ) = D(X) / n .特别,若X~ N (μ,σ2 ) ,则X ~ N (μ, σ2/n) .2.χ2分布 (1)定义 若X ～N (0,1) ,则Y =∑=ni i X 12~ χ2(n)自由度为n 的χ2分布.(2)性质 ①若Y~ χ2(n),则E(Y) = n , D(Y) = 2n .②若Y 1~ χ2(n 1) Y 2~ χ2(n 2) ,则Y 1+Y 2~ χ2(n 1 + n 2).③若X~ N (μ,σ2 ), 则22)1(σS n -~ χ2(n-1),且X 与S 2相互独立.(3)分位点 若Y~ χ2(n),0< α <1 ,则满足αχχχχαααα=<>=<=>--))}(())({()}({)}({22/122/212n Y n Y P n Y P n Y P的点)()(),(),(22/122/212n n n n ααααχχχχ--和分别称为χ2分布的上、下、双侧α分位点. 3. t 分布(1)定义 若X~N (0,1),Y~ χ2(n),且X,Y 相互独立,则t=nY X~t(n)自由度为n 的t 分布. (2)性质①n →∞时,t 分布的极限为标准正态分布.②X ～N (μ,σ2 )时, nS X μ-~ t (n-1) .③两个正态总体相互独立的样本 样本均值 样本方差X~ N (μ1,σ12 ) 且σ12=σ22=σ2 X 1 ,X 2 ,…,X n1 X S 12Y~ N (μ2,σ22 ) Y 1 ,Y 2 ,…,Y n2Y S22则212111)()(n n S Y X w +---μμ~ t (n 1+n 2-2) , 其中 2)1()1(212222112-+-+-=n n S n S n S w(3)分位点 若t ~ t (n) ,0 < α<1 , 则满足αααα=>=-<=>)}({)}({)}({2/n t t P n t t P n t t P的点)(),(),(2/n t n t n t ααα±-分别称t 分布的上、下、双侧α分位点.注意: t 1- α (n) = - t α (n).4.F 分布 (1)定义 若U~χ2(n 1), V~ χ2(n 2), 且U,V 相互独立,则F =21n V n U ~F(n 1,n 2)自由度为(n 1,n 2)的F 分布.(2)性质(条件同3.(2)③)22212221σσS S ~F(n 1-1,n 2-1)(3)分位点 若F~ F(n 1,n 2) ,0< α <1,则满足)},({)},({21121n n F F P n n F F P αα-<=>ααα=<>=-))},(()),({(212/1212/n n F F n n F F P的点),(),(),,(),,(212/1212/21121n n F n n F n n F n n F αααα--和分别称为F 分布的上、下、双侧α分位点. 注意:.).(1),(12211n n F n n F αα=-第七章 参数估计一.点估计 总体X 的分布中有k 个待估参数θ1, θ2,…, θk .X 1 ,X 2 ,…,X n 是X 的一个样本, x 1 ,x 2 ,…,x n 是样本值.1.矩估计法先求总体矩⎪⎩⎪⎨⎧===),,,(),,,(),,,(2121222111k k k k k θθθμμθθθμμθθθμμ 解此方程组,得到⎪⎩⎪⎨⎧===),,,(),,,(),,,(2121222111k k k k k μμμθθμμμθθμμμθθ ,以样本矩A l 取代总体矩μ l ( l=1,2,…,k)得到矩估计量⎪⎪⎩⎪⎪⎨⎧===∧∧∧),,,(),,,(),,,(2121222111k k k k k A A A A A A A A A θθθθθθ,若代入样本值则得到矩估计值. 2.最大似然估计法若总体分布形式(可以是分布律或概率密度)为p (x, θ1, θ2,…, θk ),称样本X 1 ,X 2 ,…,Xn的联合分布∏==ni k i k x p L 12121),,,,(),,,(θθθθθθ 为似然函数.取使似然函数达到最大值的∧∧∧kθθθ,,,21 ,称为参数θ1, θ2,…,θk 的最大似然估计值,代入样本得到最大似然估计量.若L(θ1, θ2,…, θk )关于θ1, θ2,…, θk 可微,则一般可由 似然方程组0=∂∂i L θ 或 对数似然方程组 0ln =∂∂iLθ (i =1,2,…,k) 求出最大似然估计. 3.估计量的标准(1) 无偏性 若E(∧θ)=θ,则估计量∧θ称为参数θ的无偏估计量.不论总体X 服从什么分布, E (X )= E(X) , E(S 2)=D(X), E(A k )=μk =E(X k ),即样本均值X , 样本方差S 2,样本k 阶矩A k 分别是总体均值E(X),方差D(X),总体k 阶矩μk 的无偏估计,(2)有效性 若E(∧θ1 )=E(∧θ2)= θ, 而D(∧θ1)< D(∧θ2), 则称估计量∧θ1比∧θ2有效. (3)一致性(相合性) 若n →∞时,θθP →∧,则称估计量∧θ是参数θ的相合估计量.文 - 汉语汉字 编辑词条文，wen ，从玄从爻。
概率论与数理统计总复习知识点归纳
概率论与数理统计总复习知识点归纳1.概率论的基础概念-随机事件、样本空间和事件的关系。
-频率和概率的关系，概率的基本性质。
-古典概型和几何概型的概念。
-条件概率和乘法定理。
-全概率公式和贝叶斯公式。
-随机变量和概率分布函数的概念。
-离散型随机变量和连续型随机变量的定义、概率质量函数和概率密度函数的性质。
2.随机变量的数字特征-随机变量的数学期望、方差、标准差和切比雪夫不等式。
-协方差、相关系数和线性变换的数学期望和方差公式。
-两个随机变量的和、差、积的数学期望和方差公式。
3.大数定律和中心极限定理-大数定律的概念和三级强大数定律。
-中心极限定理的概念和中心极限定理的两种形式。
4.数理统计的基本概念和方法-总体、样本和抽样方法的概念。
-样本统计量和抽样分布的概念。
-点估计和区间估计的概念。
-假设检验的基本思想和步骤。
-正态总体的参数的假设检验和区间估计。
5.参数估计和假设检验的方法和推广-极大似然估计的原理和方法。
-矩估计的原理和方法。
-最小二乘估计的原理和方法。
-一般参数的假设检验和区间估计。
6.相关分析和回归分析-相关系数和线性相关的概念和性质。
-回归分析的一般原理。
-简单线性回归的估计和检验。
7.非参数统计方法-秩和检验和符号检验的基本思想和应用。
-秩相关系数的计算和检验。
8.分布拟合检验和贝叶斯统计-卡方拟合检验的原理和方法。
-正态总体参数的拟合优度检验。
-贝叶斯估计的基本思想和方法。
9.时间序列分析和质量控制-时间序列的基本性质和分析方法。
-时间序列预测的方法和模型。
-质量控制的基本概念和控制图的应用。
以上是概率论与数理统计总复习知识点的归纳，希望对你的复习有所帮助。
《工程数学》(概率统计)期末复习提要共12页word资料
《工程数学》（概率统计）期末复习提要工科普专的《工程数学》（概率统计）课程的内容包括《概率论与数理统计》（王明慈、沈恒范主编，高等教育出版社）教材的全部内容 . 在这里介绍一下教学要求，供同学们复习时参考 .第一部分：随机事件与概率⒈了解随机事件的概念学习随机事件的概念时，要注意它的两个特点：⑴在一次试验中可能发生，也可能不发生，即随机事件的发生具有偶然性；⑵在大量重复试验中，随机事件的发生具有统计规律性 .⒉掌握随机事件的关系和运算，掌握概率的基本性质要了解必然事件、不可能事件的概念，事件间的关系是指事件之间的包含、相等、和、积、互斥（互不相容）、对立、差等关系和运算 .在事件的运算中，要特别注意下述性质：概率的主要性质是指：①对任一事件，有③对于任意有限个或可数个事件，若它们两两互不相容，则⒊了解古典概型的条件，会求解简单的古典概型问题在古典概型中，任一事件的概率为其中是所包含的基本事件个数，是基本事件的总数 .⒋熟练掌握概率的加法公式和乘法公式，理解条件概率，掌握全概公式⑴加法公式：对于任意事件，有特别地，当时有⑵条件概率：对于任意事件，若，有称为发生的条件下发生条件概率 .⑶乘法公式：对于任意事件，有（此时），或（此时） .⑷全概公式：事件两两互不相容，且，则⒌理解事件独立性概念，会进行有关计算若事件满足（当时），或（当时），则称事件与相互独立 . 与相互独立的充分必要条件是.第二部分：随机变量极其数字特征⒈理解随机变量的概率分布、概率密度的概念，了解分布函数的概念，掌握有关随机变量的概率计算常见的随机变量有离散型和连续型两种类型 . 离散型随机变量用概率分布来刻画，满足：连续型随机变量用概率密度函数来刻画，满足：随机变量的分布函数定义为对于离散型随机变量有对于连续型随机变量有⒉了解期望、方差与标准差的概念，掌握求随机变量期望、方差的方法⑴期望：随机变量的期望记为，定义为（离散型随机变量，是的概率分布），（连续型随机变量，是的概率密度） .⑵方差：随机变量的方差记为，定义为（离散型随机变量），（连续型随机变量） .⑶随机变量函数的期望：随机变量是随机变量的函数，即，若存在，则在两种形式下分别表示为（离散型随机变量，是的概率分布），（连续型随机变量，是的概率密度），由此可得方差的简单计算公式⑷期望与方差的性质①若为常数，则；②若为常数，则；③若为常数，则.⒊掌握几种常用离散型和连续型随机变量的分布以及它们的期望与方差，熟练掌握正态分布的概率计算，会查正态分布表（见附表）常用分布：⑴二项分布的概率分布为特别地，当时，，叫做两点分布；⑵均匀分布的密度函数为⑶正态分布的密度函数为其图形曲线有以下特点：① ，即曲线在x 轴上方；② ，即曲线以直线为对称轴，并在处达到极大值；③在处，曲线有两个拐点；④当时，，即以轴为水平渐近线；特别地，当时，，表示是服从标准正态分布的随机变量 .将一般正态分布转化为标准正态分布的线性变换：若，令，则，且Y 的密度函数为服从标准正态分布的随机变量的概率为那么一般正态分布的随机变量的概率可以通过下列公式再查表求出常见分布的期望与方差：二项分布：；均匀分布：；正态分布：；⒋了解随机变量独立性的概念，了解两个随机变量的期望与方差及其性质对于随机变量，若对任意有则称与相互独立 .对随机变量，有若相互独立，则有第三部分：统计推断⒈理解总体、样本，统计量等概念，知道分布，分布，会查表所研究对象的一个或多个指标的全体称为总体，组成整体的基本单位称为个体，从总体中抽取出来的个体称为样品，若干个样品组成的集合称为样本 . 样本中所含的样品个数称为样本容量 .统计量就是不含未知参数的样本函数 .⒉掌握参数的最大似然估计法最大似然估计法：设是来自总体（其中未知）的样本，而为样本值，使似然函数达到最大值的称为参数的最大似然估计值 . 一般地，的最大似然估计值满足以下方程⒊了解估计量的无偏性，有效性概念参数的估计量若满足则称为参数的无偏估计量 .若都是的无偏估计，而且，则称比更有效 .⒋了解区间估计的概念，熟练掌握方差已知条件下单正态总体期望的置信区间的求法，掌握方差未知条件下单正态总体期望的置信区间的求法当置信度确定后，方差已知条件下单正态总体期望的置信区间是其中是总体标准差，是样本均值，是样本容量，由确定 .方差未知条件下单正态总体期望的置信区间是其中称为样本标准差，满足.⒌知道假设检验的基本思想，掌握单正态总体均值的检验方法，会作单正态总体方差的检验方法单正态总体均值的检验方法包括检验法和检验法：⑴ 检验法：设是正态总体的一个样本，其中未知，已知 . 用检验假设（是已知数），。
概率论与数理统计复习资料要点总结
《概率论与数理统计》复习资料一、复习纲要注：以下是考试的参照内容，不作为实质考试范围，仅作为复习参照之用。
考试内容以教课纲领和实行计划为准；注明“认识”的内容一般不考。
1、能很好地掌握写样本空间与事件方法，会事件关系的运算，认识概率的古典定义2、能较娴熟地求解古典概率；认识概率的公义化定义3、掌握概率的基天性质和应用这些性质进行概率计算；理解条件概率的观点；掌握加法公式与乘法公式4、能正确地选择和运用全概率公式与贝叶斯公式解题；掌握事件独立性的观点及性质。
5、理解随机变量的观点，认识(0 —1) 散布、二项散布、泊松散布的散布律。
6、理解散布函数的观点及性质，理解连续型随机变量的概率密度及性质。
7、掌握指数散布 ( 参数) 、平均散布、正态散布，特别是正态散布概率计算8、会求一维随机变量函数散布的一般方法，求一维随机变量的散布律或概率密度。
9、会求散布中的待定参数。
10、会求边沿散布函数、边沿散布律、条件散布律、边沿密度函数、条件密度函数，会鉴别随机变量的独立性。
11、掌握连续型随机变量的条件概率密度的观点及计算。
12、理解二维随机变量的观点，理解二维随机变量的结合散布函数及其性质，理解二维失散型随机变量的结合散布律及其性质，理解二维连续型随机变量的结合概率密度及其性质，并会用它们计算有关事件的概率。
13、认识求二维随机变量函数的散布的一般方法。
14、会娴熟地求随机变量及其函数的数学希望和方差。
会娴熟地默写出几种重要随机变量的数学希望及方差。
15、较娴熟地求协方差与有关系数.16、认识矩与协方差矩阵观点。
会用独立正态随机变量线性组合性质解题。
17、认识大数定理结论，会用中心极限制理解题。
18、掌握整体、样本、简单随机样本、统计量及抽样散布观点，掌握样本均值与样本方差及样本矩观点，掌握2散布 ( 及性质 ) 、t 散布、F散布及其分位点观点。
19、理解正态整体样本均值与样本方差的抽样散布定理；会用矩预计方法来预计未知参数。
概率论与数理统计复习资料
概率论与数理统计复习资料### 概率论与数理统计复习资料#### 第一章：概率论基础1. 概率的定义与性质- 事件的概率定义- 概率的公理化体系- 概率的加法和乘法规则2. 条件概率与事件独立性- 条件概率的计算- 事件独立性的定义与性质- 贝叶斯定理3. 随机变量及其分布- 离散型随机变量及其分布律- 连续型随机变量及其概率密度函数- 随机变量的期望值与方差4. 多维随机变量及其分布- 联合分布函数- 边缘分布函数- 协方差与相关系数5. 大数定律与中心极限定理- 切比雪夫不等式- 伯努利大数定律- 中心极限定理的应用#### 第二章：数理统计基础1. 样本与统计量- 样本均值、方差与标准差- 样本矩- 顺序统计量2. 参数估计- 点估计与区间估计- 估计量的优良性准则- 极大似然估计3. 假设检验- 假设检验的基本原理- 单样本假设检验- 双样本假设检验4. 方差分析- 单因素方差分析- 双因素方差分析- 方差分析的计算步骤5. 回归分析- 一元线性回归- 多元线性回归- 回归模型的诊断#### 第三章：概率分布与随机过程1. 常见概率分布- 二项分布- 泊松分布- 正态分布2. 随机过程的基本概念- 随机过程的定义- 马尔可夫链- 泊松过程3. 随机过程的参数估计- 随机过程的均值与方差估计- 随机过程的回归分析4. 随机过程的模拟- 蒙特卡洛方法- 随机模拟的应用5. 随机过程的统计推断- 随机过程的假设检验- 随机过程的参数估计#### 第四章：统计决策与贝叶斯统计1. 统计决策理论- 损失函数- 风险函数- 决策规则2. 贝叶斯统计- 贝叶斯后验概率- 贝叶斯估计- 贝叶斯决策3. 贝叶斯网络- 贝叶斯网络的结构- 贝叶斯网络的推理- 贝叶斯网络的应用4. 统计推断的贝叶斯方法- 贝叶斯假设检验- 贝叶斯参数估计5. 贝叶斯模型选择- 贝叶斯信息准则- 交叉验证通过以上内容的复习，可以对概率论与数理统计的基本概念、理论及其应用有一个系统的理解。
(完整版)自考概率论与数理统计复习资料要点总结
i《概率论与数理统计》复习提要(1) 0 P(A) 1 ( 2)P( ) 1(1) 定义：若 P(B) 0,则 P(A| B)P(AB)P(B)(2)乘法公式：P(AB) P(B)P(A| B)若B 1, B 2, B n 为完备事件组，P(B i )0，则有n(3)全概率公式： P(A) P(B i )P(A| B i )i 1(4)Bayes 公式： P(B k | A)P(Bk)P(A|B k)P(B i )P(A|BJi 17.事件的独立性：A, B 独立 P( AB) P(A)P(B)(注意独立性的应用)第二章随机变量与概率分布1 •离散随机变量：取有限或可列个值，P(X x i ) p i 满足(1) p i 0 , (2) p i =11.事件的关系 AB A B AB A B AAB2.运算规则(1)A B BA ABBA(2) (AB) CA (BC)(AB)C A(BC)(3) (AB)C (AC) (BC) (AB) C (A C)(B(4) AB ABABAB第一章随机事件与概率3•概率P(A)满足的三条公理及性质: C)(4) P() 0 (5) P(A) 1 P(A)(6) P(A B) P(A) P(AB) ，若 A B , 则P(BA) P(B) P(A) ,P(A) P(B)(7) P(A B) P(A) P(B) P(AB)(8) P(ABC) P(A) P(B) P(C)P(AB)P(AC) P(BC)P(ABC)n(3)对互不相容的事件 A l , A 2, , A n ，有P( A k )k 1k 1(n 可以取)4. 古典概型：基本事件有限且等可能5. 几何概率6. 条件概率P(A k )(3)对任意D R, P(X D) p:X i D2.连续随机变量：具有概率密度函数f (x)，满足(1) f (x) 0, f(x)dx 1 ；b(2) P(a X b) f (x)dx ； ( 3)对任意a R，P(X a) 0a4.分布函数F(x) P(X x)，具有以下性质(1)F( ) 0, F( ) 1 ; (2)单调非降；(3)右连续；(4)P(a X b) F(b) F(a)，特别P(X a) 1 F(a)；(5)对离散随机变量，F(x) P i ；i:为x(6)对连续随机变量，F(x) x'f(t)dt为连续函数，且在f (x)连续点上，F (x) f (x)5.正态分布的概率计算以(x)记标准正态分布N (0,1)的分布函数，则有(1)(0) 0.5 ; (2)(2 x x) 1 (x) ； (3)若X ~ N(,)，则F(x) ((4)以u记标准正态分布N(0,1)的上侧分位数，则P(X u ) 1 (u )6.随机变量的函数Y g(X)(1)离散时，求Y的值，将相同的概率相加；(2)X连续，g(x)在X的取值范围内严格单调，且有一阶连续导数，则f Y(y) f x(g 1(y)) |(g 1(y))' |单调，先求分布函数，再求导。
概率统计公式大全复习重点
概率统计公式大全复习重点在学习概率统计这门学科时，掌握各种公式是至关重要的。
这些公式不仅是解决问题的工具，更是理解概率统计概念的关键。
本文将为您梳理概率统计中的重点公式，帮助您更好地复习和掌握这部分知识。
一、随机事件与概率1、古典概型概率公式如果一个随机试验所包含的基本事件总数为 n，事件 A 所包含的基本事件数为 m，则事件 A 发生的概率为：P(A) ＝ m ／ n2、几何概型概率公式设样本空间为几何区域Ω，事件 A 对应的区域为ω，则事件 A 发生的概率为：P(A) ＝ω 的测度／Ω 的测度3、条件概率公式设 A、B 是两个事件，且 P(B) ＞ 0，则在事件 B 发生的条件下，事件 A 发生的条件概率为：P(A|B) ＝ P(AB) ／ P(B)4、乘法公式P(AB) ＝ P(A|B)P(B) 或 P(AB) ＝ P(B|A)P(A)5、全概率公式设 B₁, B₂,， Bₙ 是样本空间Ω 的一个划分，且 P(Bᵢ) ＞ 0（i ＝ 1, 2,， n），A 是Ω 中的任意一个事件，则有：P(A) ＝∑ P(Bᵢ)P(A|Bᵢ)（i从 1 到 n）6、贝叶斯公式设 B₁, B₂,， Bₙ 是样本空间Ω 的一个划分，且 P(Bᵢ) ＞ 0（i ＝ 1, 2,， n），A 是Ω 中的任意一个事件，在事件 A 已经发生的条件下，事件 Bᵢ发生的概率为：P(Bᵢ|A) ＝ P(Bᵢ)P(A|Bᵢ) ／∑ P(Bₙ)P(A|Bₙ) （i从 1 到 n，k 从 1 到 n）二、随机变量及其分布1、离散型随机变量的概率分布设离散型随机变量 X 的可能取值为 x₁, x₂,， xₙ，对应的概率为p₁, p₂,， pₙ，则概率分布为：P(X ＝ xᵢ) ＝ pᵢ（i ＝ 1, 2,， n），且∑pᵢ＝ 12、二项分布如果随机变量 X 服从参数为 n 和 p 的二项分布，记为 X ～ B(n, p)，则概率质量函数为：P(X ＝ k) ＝ C(n, k) p^k （1 p)＾（n k) （k ＝ 0, 1, 2,， n）3、泊松分布如果随机变量 X 服从参数为λ 的泊松分布，记为 X ～P(λ)，则概率质量函数为：P(X ＝ k) ＝（e^（λ) λ^k) ／ k! （k ＝ 0, 1, 2,）4、连续型随机变量的概率密度函数设连续型随机变量 X 的概率密度函数为 f(x)，则分布函数为：F(x)＝∫∞， x f(t) dt5、正态分布如果随机变量 X 服从参数为μ 和σ² 的正态分布，记为 X ～N(μ, σ²)，则概率密度函数为：f(x) ＝（1 ／（σ√（2π)）） e^（（x μ)² ／（2σ²)）三、随机变量的数字特征1、数学期望离散型随机变量 X 的数学期望为：E(X) ＝∑ xᵢ pᵢ（i 从 1 到 n）连续型随机变量 X 的数学期望为：E(X) ＝∫∞，＋∞ x f(x) dx2、方差离散型随机变量 X 的方差为：D(X) ＝∑ （xᵢ E(X)）² pᵢ（i 从 1 到n）连续型随机变量 X 的方差为：D(X) ＝∫∞，＋∞ （x E(X)）² f(x) dx3、标准差随机变量 X 的标准差为：σ(X) ＝√D(X)4、协方差设随机变量 X 和 Y，其协方差为：Cov(X, Y) ＝ E(（X E(X)）（Y E(Y)））5、相关系数随机变量 X 和 Y 的相关系数为：ρ(X, Y) ＝ Cov(X, Y) ／（σ(X)σ(Y)）四、大数定律和中心极限定理1、大数定律当 n 足够大时，样本均值X依概率收敛于总体均值μ，即：P(｜Xμ| ＞ε) → 0 （n → ∞）2、中心极限定理设随机变量 X₁, X₂,， Xₙ 相互独立，且具有相同的分布和有限的数学期望μ 和方差σ²。
概率论与数理统计总复习知识点归纳
D( X ) E( X 2 ) E 2 ( X ), Cov( X ,Y ) E( XY ) EXEY
XY Cov( X ,Y ) / D( X )D(Y )
⑴ E(aX+b)=aE(X)+b，D(aX+b)=a2D(X)
⑵ E(∑iλi Xi)=∑i λi E(Xi)
(3) D(λ1X±λ2Y)=λ12D(X)+λ22D(Y) ±2λ1λ2Cov(X,Y)
0.587
法二 用Bayes公式：
P (C) = 0.1, P(C ) 0.9;
P (D/C) = 0.3*0.8+0.7*0.2,
P(D / C ) 0.3*0.2.
C
C
于是有
D
P(C / D)
P(C ) P(D / C )
P(C) P(D / C) P(C ) P(D / C )
i 1
i 1
i 1
例3 已知X~ f(x)，求Y= -X2的概率密度。 解 用分布函数法。
y<0 时，FY(y) = P(Y≤y) = P(-X2 ≤y) P(X y) P(X y)
FX ( y ) [1 FX ( y )] y≥0 时， FY(y) = P(Y≤y) =1
于是Y的概率密度为
fY ( y) fX (
y)
1 2
( y)1/ 2
fX
(
y ) 1 ( y)1/2 2
1 2
(
y)1/ 2[
fX
(
y) fX (
y )] , y 0
fY (y) 0 , y 0
例4 设二维随机变量(X,Y )的联合密度函数为：
f
( x,
y)
非常全面的概率论与数理统计复习材料
为 21 的倍数的概率 p2;
解：p1=错误!=错误!, p2= 错误!= 错误!
前提是如果在某一区域任取一 例 1 把长度为 a 的棒任意折成三段,求它们可以构成一个三角形的概率;
点,而所取的点落在中任意两 解：设折得的三段长度分别为 x,y 和 a-x-y,那么,样本空间,S={x,y|0xa,0ya,0a-x-ya};
A、A=
B、AB= C、A错误!=
D、B=错误!
运 A1,A2,…,An 构成的一个完备事件组或分斥指 A1,A2,…,An 两两互不相容,且错误!Ai=
算
交换律 A∪B=B∪A A∩B=B∩A 运
结合律 A∪B∪C=A∪B∪C A∩B∩C=A∩B∩C 算
分配律 A∪B∩C=AC∪BC A∩B∪C=A∪C∩B∪C 法
题 例 3 某物品成箱出售,每箱 20 件,假设各箱中含 0、1 件次品的概率分别为和,一顾客在购买时,他可以开箱,从箱中任取
三件检查,当这三件都是合格品时,顾客才买下该箱物品,否则退货;试求：1 顾客买下该箱的概率 ；
2 顾客买下该箱物品,问该箱确无次品的概率 ;
解:设事件 A0—箱中 0 件次品, A1—箱中 1 件次品,事件 B—买下该箱;由已知 PA0=, PA1=,
必然事件---每次试验中必定发生的事件; 不可能事件--每次试验中一定不发生的事件;
事 包含 AB 件 相等 A=B 之 对立事件,也称 A 的逆事件 间 互斥事件 AB=也称不相容事件 的 A,B 相互独立 PAB=PAPB 关
例 1 事件 A,B 互为对立事件等价于 D A、A,B 互不相容 B、A,B 相互独立 C、A∪B＝Ω D、A,B 构成对样本空间的一个剖分 例 2 设 PA=0,B 为任一事件,则 C A、A= B、AB C、A 与 B 相互独立 D、A 与 B 互不相容
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
《概率统计》、《概率论与数理统计》、《随机数学》课程期末复习资料注：以下是考试的参考内容，不作为实际考试范围，考试内容以教学大纲和实施计划为准；注明“了解”的内容一般不考。
1、能很好地掌握写样本空间与事件方法，会事件关系的运算，了解概率的古典定义2、能较熟练地求解古典概率；了解概率的公理化定义3、掌握概率的基本性质和应用这些性质进行概率计算；理解条件概率的概念；掌握加法公式与乘法公式4、能准确地选择和运用全概率公式与贝叶斯公式解题；掌握事件独立性的概念及性质。
5、理解随机变量的概念，能熟练写出(0—1)分布、二项分布、泊松分布的分布律。
6、理解分布函数的概念及性质，理解连续型随机变量的概率密度及性质。
7、掌握指数分布(参数λ)、均匀分布、正态分布，特别是正态分布概率计算8、会求一维随机变量函数分布的一般方法，求一维随机变量的分布律或概率密度。
9、会求分布中的待定参数。
10、会求边缘分布函数、边缘分布律、条件分布律、边缘密度函数、条件密度函数，会判别随机变量的独立性。
11、掌握连续型随机变量的条件概率密度的概念及计算。
12、理解二维随机变量的概念，理解二维随机变量的联合分布函数及其性质，理解二维离散型随机变量的联合分布律及其性质，理解二维连续型随机变量的联合概率密度及其性质，并会用它们计算有关事件的概率。
13、了解求二维随机变量函数的分布的一般方法。
14、会熟练地求随机变量及其函数的数学期望和方差。
会熟练地默写出几种重要随机变量的数学期望及方差。
15、较熟练地求协方差与相关系数.16、了解矩与协方差矩阵概念。
会用独立正态随机变量线性组合性质解题。
17、了解大数定理结论，会用中心极限定理解题。
18、掌握总体、样本、简单随机样本、统计量及抽样分布概念，掌握样本均值与样本方差及样本矩概念，掌握χ2分布(及性质)、t分布、F分布及其分位点概念。
19、理解正态总体样本均值与样本方差的抽样分布定理；会用矩估计方法来估计未知参数。
20、掌握极大似然估计法，无偏性与有效性的判断方法。
21、会求单正态总体均值与方差的置信区间。
会求双正态总体均值与方差的置信区间。
23、明确假设检验的基本步骤，会U检验法、t检验、2χ检验法、F检验法解题。
24、掌握正态总体均值与方差的检验法。
概率论部分必须要掌握的内容以及题型1．古典概型中计算概率用到的基本的计数方法。
2．概率的基本性质、条件概率、加法、乘法公式的应用；掌握事件独立性的概念及性质。
3．准确地选择和运用全概率公式与贝叶斯公式。
4．一维、二维离散型随机变量的分布律，连续型随机变量的密度函数性质的运用。
分布中待定参数的确定，分布律、密度函数与分布函数的关系，联合分布与边缘分布、条件分布的关系，求数学期望、方差、协方差、相关系数，求函数的分布律、密度函数及期望和方差。
5．会用中心极限定理解题。
6．熟记(0-1)分布、二项分布、泊松分布的分布律、期望和方差，指数分布(参数λ)、均匀分布、正态分布的密度函数、期望和方差。
数理统计部分必须要掌握的内容以及题型 1．统计量的判断。
2．计算样本均值与样本方差及样本矩。
3．熟记正态总体样本均值与样本方差的抽样分布定理。
4．会求未知参数的矩估计、极大似然估计。
5．掌握无偏性与有效性的判断方法。
6．会求正态总体均值与方差的置信区间。
7．理解假设检验的基本思想和原理，明确正态总体均值与方差的假设检验的基本步骤。
概率论部分必须要掌握的内容以及题型1．古典概型中计算概率用到的基本的计数方法。
古典概型例子 摸球模型例1：袋中有a 个白球，ｂ个黑球，从中接连任意取出m (m ≤a +ｂ)个球，且每次取出的球不再放回去，求第m 次取出的球是白球的概率;例2：袋中有a 个白球，ｂ个黑球，c 个红球，从中任意取出ｍ(m ≤a +ｂ)个球，求取出的m 个球中有k 1(≤a ) 个白球、k 2(≤b ) 个黑球、k 3(≤c ) 个红球(k 1＋k 2＋k 3=m )的概率. 占位模型例：n 个质点在N 个格子中的分布问题.设有n 个不同质点，每个质点都以概率1/N 落入N 个格子(N ≥n)的任一个之中，求下列事件的概率：(1) A ={指定n 个格子中各有一个质点}；(2) B ={任意n 个格子中各有一个质点}； (3) C ={指定的一个格子中恰有m (m ≤n )个质点}. 抽数模型例：在0～9十个整数中任取四个，能排成一个四位偶数的概率是多少？2．概率的基本性质、条件概率、加法、乘法公式的应用；掌握事件独立性的概念及性质。
如对于事件A ，B ，A 或B ，已知P (A )，P (B )，P (AB )，P (A B )，P (A |B )，P (B |A )以及换为A 或B 之中的几个，求另外几个。
例1：事件A 与B 相互独立，且P (A )=0.5，P (B )=0.6，求：P (AB )，P (A －B )，P (A B ) 例2：若P (A )=0.4，P (B )=0.7，P (AB )=0.3，求： P (A －B )，P (A B )，)|(B A P ，)|(B A P ，)|(B A P 3．准确地选择和运用全概率公式与贝叶斯公式。
若已知导致事件A 发生(或者是能与事件A 同时发生)的几个互斥的事件B i ，i =1,2,…,n ,…的概率P (B i ) ，以及B i 发生的条件下事件A 发生的条件概率P (A |B i )，求事件A 发生的概率P (A )以及A 发生的条件下事件B i 发生的条件概率P (B i | A )。
例：玻璃杯成箱出售，每箱20只。
假设各箱含0、1、2只残次品的概率相应为0.8、0.1和0.1，某顾客欲购买一箱玻璃杯，在购买时，售货员随意取一箱，而顾客随机地察看4只，若无残次品，则买下该箱玻璃杯，否则退回。
试求：（1）顾客买下该箱的概率；（2）在顾客买下的该箱中，没有残次品的概率。
4．一维、二维离散型随机变量的分布律，连续型随机变量的密度函数性质的运用。
分布中待定参数的确定，分布律、密度函数与分布函数的关系，联合分布与边缘分布、条件分布的关系，求数学期望、方差、协方差、相关系数，求函数的分布律、密度函数及期望和方差。
(1)已知一维离散型随机变量X 的分布律P (X =x i )=p i ，i =1,2,…,n ,… 确定参数求概率P (a <X <b ) 求分布函数F (x )求期望E (X )，方差D (X )求函数Y =g (X )的分布律及期望E [g (X )]例：随机变量X 的分布律为.确定参数k求概率P (0<X <3)，}31{<<X P 求分布函数F (x )求期望E (X )，方差D (X )求函数2)3(-=X Y 的分布律及期望2)3(-X E(2)已知一维连续型随机变量X 的密度函数f (x ) 确定参数求概率P (a <X <b ) 求分布函数F (x )求期望E (X )，方差D (X )求函数Y =g (X )的密度函数及期望E [g (X )]例：已知随机变量X 的概率密度为()⎩⎨⎧<<=其他0202x kx x f ，确定参数k求概率}31{<<X P 求分布函数F (x )求期望E (X )，方差D (X )求函数X Y =的密度及期望)(X E (3)已知二维离散型随机变量(X ，Y )的联合分布律P (X =x i ，Y =y j )=p ij ，i =1,2,…,m ,…；j =1,2,…,n ,… 确定参数求概率P {(X ,Y )∈G }求边缘分布律P (X =x i )=p i.，i =1,2,…,m ,…；P (Y =y j )=p .j ， j =1,2,…,n ,… 求条件分布律P (X =x i |Y =y j )，i =1,2,…,m ,…和P (Y =y j |X =x i )， j =1,2,…,n ,… 求期望E (X )，E (Y )，方差D (X )，D (Y )求协方差 cov(X ,Y )，相关系数XY ρ，判断是否不相关 求函数Z =g (X , Y )的分布律及期望E [g (X , Y )] 例求概率P (X 求边缘分布律P (X =k ) k =0,1,2 和P (Y =k ) k =0,1,2,3求条件分布律P (X =k |Y =2) k =0,1,2和P (Y =k |X =1) k =0,1,2,3 求期望E (X )，E (Y )，方差D (X )，D (Y )求协方差 cov(X ,Y )，相关系数XY ρ，判断是否不相关 求Z =X +Y ，W =max{X ，Y }，V =min{X ，Y }的分布律(4)已知二维连续型随机变量X 的联合密度函数f (x , y ) 确定参数求概率P {(X ,Y )∈G }求边缘密度)(x f X ，)(y f Y ，判断Y X ,是否相互独立 求条件密度)|(|y x f Y X ，)|(|x y f X Y求期望E (X )，E (Y )，方差D (X )，D (Y )求协方差 cov(X ,Y )，相关系数XY ρ，判断是否不相关 求函数Z =g (X , Y )的密度函数及期望E [g (X , Y )]例：已知二维随机变量(X ，Y )的概率密度为⎩⎨⎧<<=其它,01,),(22y x y cx y x f ，确定常数c 的值； 求概率P (X <Y )求边缘密度)(x f X ，)(y f Y ，判断Y X ,是否相互独立 求条件密度)|(|y x f Y X ，)|(|x y f X Y求期望E (X )，E (Y )，方差D (X )，D (Y )求协方差 cov(X ,Y )，相关系数XY ρ，判断是否不相关 5．会用中心极限定理解题。
例1：每次射击中，命中目标的炮弹数的均值为2，方差为25.1，求在100次射击中有180到220发炮弹命中目标的概率．例2：设从大批发芽率为0.9的种子中随意抽取1000粒，试求这1000粒种子中至少有880粒发芽的概率。
6．熟记(0-1)分布、二项分布、泊松分布的分布律、期望和方差，指数分布(参数λ)、均匀分布、正态分布的密度函数、期望和方差。
数理统计部分必须要掌握的内容以及题型 1．统计量的判断。
对于来自总体X 的样本n X X X ,,,21 ，由样本构成的各种函数是否是统计量。
2．计算样本均值与样本方差及样本矩。
3．熟记正态总体样本均值与样本方差的抽样分布定理。
4．会求未知参数的矩估计、极大似然估计。
例：设总体X 的概率密度为()()⎩⎨⎧<<+=其它,010,1x x x f θθ，n X X ,,1 是来自总体X 的一个样本，求未知参数θ的矩估计量与极大似然估计量. 5．掌握无偏性与有效性的判断方法。