武汉纺织大学概率论与数理统计总复习
概率论与数理统计总复习
pi
1 1 1 5 5
5 1 5 1 5
1
1 65 EXY xi y j Pij COV ( X , Y ) EXY EX EY 8 8 i j
COV ( X , Y ) 3 20 320 DX DY
6. 设随机变量X ~N (1,3 ), Y ~ N (0, 4 ),已知
X z M z Y z
由于 X 和 Y 相互独立,于是得到 M = max(X,Y) 的分布 函数为: FM(z) =P(X≤z)P(Y≤z)
即有 FM(z)= FX(z)FY(z)
2. N = min(X,Y) 的分布函数 FN(z)=P(N≤z) =1-P(N>z)
=1-P(X>z,Y>z)
例1 设 X 具有概率密度f X ( x ), 求 Y=X2 的概率密度.
解 设Y 和 X 的分布函数分别为 FY ( y)和 FX ( x)，
2
注意到Y X 0, 故当y 0时有，FY ( y) P(Y y) 0
当 y>0 时,
2 P ( X y) FY ( y ) P(Y y )
P ( y X y ) FX ( y ) FX ( y )
FY y P Y y
求导可得
1 f X ( y ) f X ( y ) , dFY ( y ) fY ( y ) 2 y dy 0,
y0 y0
若
1 fX ( x) 2
2、解：设 X 表示电子管寿命，
Y 表示5个电子管使用1000小时后损坏的个数。则
Y ~ b(5, p),其中p P( X 1000 ) x 1 e 1000 , x 0 f ( x) 1000 0, 其他
概率论与数理统计期末复习
概率统计期末知识点复习一、概率计算⒈事件的关系和运算⑴ 子事件(事件的包含)B A ⊂：若A 发生，则B 必然发生； ⑵ 相等事件A B =：B A ⊂且A B ⊃； ⑶ 并事件B A ：“,A B 中至少发生一个”； ⑷ 交（积）事件AB ：“,A B 都发生”； ⑸ 互不相容（互斥）事件:AB =∅； ⑹ 对立事件：若AB =Ω，且AB =∅，称B 为A 的对立事件，记为A B =．⑺ 差事件B A -：“A 发生，而B 不发生”． ⑻ 事件的运算律 ①交换律：A B B A =，AB BA =；②结合律：()()A B C A B C =，()()AB C A BC =； ③分配律：()A B C ACBC =，()()()AB C A C B C =；④摩根律：AB A B =，AB A B =．⒉概率计算的基本公式⑴非负性：设A 为任一随机事件，则0()1P A ≤≤． ⑵规范性：()1P Ω=，()0P ∅=． ⑶并事件概率计算公式：()()()()P AB P A P B P AB =+-；()()()()()()()()P A B C P A P B P C P AB P AC P BC P ABC =++---+．如果事件12,n A A A ,,两两互不相容，则1212()()()()n n P A A A P A P A P A =+++．⑷差事件概率计算公式：()()()()()P A B P AB P A AB P A P AB -==-=-； 若B A ⊂，则①()()()P A B P A P B -=-； ②()()P B P A ≤． ⑸对立事件概率计算公式：()1()P A P A =-．1A 2A 3A nA 21(|)P A A 1()P A 312(|)P A A A11(|)nnP A AA -B2A ∙1A nA 1()P A 2()P A ()n P A 1()P B A 2()P B A ()n P B A ⒊条件概率公式、乘法公式 ⑴条件概率：()P B A ．①公式法：()(),()0()P AB P B A P A P A =>；②代入法：改变样本空间直接计算．⑵乘法公式：()0P A >，有()()()P AB P A P B A =． 设12()0n P A A A >，2n ≥，则12()n P A A A 12131211()(|)(|)(|)-=n n P A P A A P A A A P A A A ．适用范围：链式结构⒋全概公式、逆概公式 ⑴全概率公式：1,,n A A 为一完备事件组，则1()()()ni i i P B P A P B A ==∑．适用范围：并列结构⑵贝叶斯公式(逆概公式):1()()()()()i i i nkkk P A P B A P A B P A P B A ==∑．⒌古典概型、几何概型、贝努里概型 ⑴古典概型：()A P A =事件所含样本点的个数所有样本点的个数．掌握简单的排列组合．⑵几何概型：()A P A =Ω的几何测度的几何测度，其中几何测度分别为长度或面积．对比均匀分布．⑶贝努里概型：在n 重贝努里试验中事件A 恰好发生k 次的概率为(1)kkn kn C p p --，其中0,1,2,,k n =，()p P A =，01p <<．对比二项分布．⒍事件的独立性⑴事件A 和B 相互独立的直观理解为事件A 和B 各自发生与否没有任何关系．并会根据实际问题判断事件A 和B 的独立性．⑵事件,A B 相互独立()()()P AB P A P B ⇔=(|)()(()0)P B A P B P A ⇔=>.⑶,,A B C 两两独立⇔()()(),()()(),()()().P AB P A P B P AC P A P C P BC P B P C =⎧⎪=⎨⎪=⎩⑷,,A B C 相互独立⇔,,()()()().A B C P ABC P A P B P C ⎧⎨=⎩两两独立,⑸独立性的有关结论：①设()0P B >，则事件A 和B 相互独立的充要条件为()()P A B P A =．②设,A B 为两个随机事件，如果A 和B 相互独立，则A 和B 相互独立；A 和B 相互独立； A 和B 也相互独立．③设,A B 为两个随机事件，且0()1P B <<，则A 和B 相互独立的充要条件为()()P A B P A B =．④如果随机事件12,,,n A A A 相互独立，则12,,,n A A A 的任一部分事件（至少两个事件）也相互独立．⑤如果随机事件12,,,n A A A 相互独立，则分别将i A 不变或换成i A 后所得事件仍相互独立．例如12,,,n A A A ，12,,,n A A A 等也分别相互独立．⑥如果随机事件1212,,,,,,,m n A A A B B B 相互独立，则由12,,,m A A A 组成的随机事件与由12,,,n B B B 组成的随机事件相互独立．⒎切比雪夫不等式（估计概率） 设μ=EX，2σ=DX ，则对任意的0ε>，有22{}1P X σμεε-<≥- 或22{}P X σμεε-≥≤．⒏利用分布计算概率⑴利用分布函数计算概率：①{}()()P a X b F b F a <≤=-，000{}()(0)P X x F x F x ==--等等． ②1212{,}<≤<≤P x X x y Y y 22211211(,)(,)(,)(,)F x y F x y F x y F x y =--+． ⑵利用分布律计算概率：①{}P X L ∈=i ix Lp ∈∑． ②(,){(,)}i j ij x y DP X Y D p ∈∈=∑．⑶利用密度函数计算概率：①{}{}P a X b P a X b <≤=≤≤{}P a X b =≤<{}P a X b =<<()b af x dx =⎰．②{(,)}(,)DP X Y D f x y dxdy ∈=⎰⎰．③00{}()X Y LP X L Y y f x y dx ∈==⎰；00{}()Y X LP Y L X x f y x dy ∈==⎰．二、随机变量的分布⒈分布函数及性质⑴一维随机变量的分布函数：(){},F x P X x x =≤-∞<<+∞． ⑵一维随机变量分布函数的性质：①0()1F x ≤≤； ②()0F -∞=，()1F +∞=； ③()F x 处处单调不减； ④()F x 处处右连续． ⑶二维随机变量的分布函数：(,){,}=≤≤F x y P X x Y y ，2(,)x y R ∈． ⑷二维随机变量分布函数的性质： ①0(,)1F x y ≤≤，其中2(,)x y R ∈；②(,)1,(,)(,)(,)0F F x F y F +∞+∞=-∞=-∞=-∞-∞=； ③(,)F x y 分别为关于变量x 和y 单调不减的函数； ④(,)F x y 分别关于变量x 和y 处处右连续． ⒉分布律及性质⑴一维离散型随机变量的分布律：{}i i P X x p ==，1,2,i =；或1212~i ix x x X p p p ⎛⎫⎪⎝⎭． ⑵一维离散型随机变量分布律的性质：①0i p ≥，1,2,i =； ②1iip=∑．⑶二维离散型随机变量的分布律：{,}i j ij P X x Y y p ===，1,2,,1,2,i j ==；或2j y121j p⑷二维离散型随机变量分布律的性质： ①0ij p ≥，1,2,,1,2,i j ==； ②1ijijp=∑∑．⒊密度函数及性质⑴一维连续型随机变量的密度()f x ：()f x 满足()()x F x f t dt -∞=⎰，x -∞<<+∞．⑵一维连续型随机变量密度函数的性质： ①()0,(,)f x x ≥∈-∞+∞； ②()1f x dx +∞-∞=⎰．⑶二维连续型随机变量的密度(,)f x y ：(,)f x y 满足(,)(,)x yF x y f u v dudv -∞-∞=⎰⎰，2(,)x y R ∈．⑷二维连续型随机变量密度函数的性质： ①(,)0≥f x y ，2(,)x y R ∈； ②(,)1f x y dxdy +∞+∞-∞-∞=⎰⎰．⒋常见分布及其数字特征⑴01-分布~(1,)X B p ：1{}(1)k k P X k p p -==-，0,1;,k EX p DX pq ===． ⑵二项分布(,)B n p ：{}(1),0,1,2,,,01kkn kn P X k C p p k n p -==-=<<；,EX np DX npq ==．应用背景．．：记X 为n 重贝努利试验中A 发生的次数．．,则(,)X B n p .⑶泊松分布()P λ：{},0,0,1,2,!kP X k e k k λλλ-==>=，EX DX λ==.⑷均匀分布~[,]X U a b ：1,,()0,a x b f x b a ⎧<<⎪=-⎨⎪⎩其它.()2,212b a a b EX DX -+==. ⑸指数分布()E λ：,0,()00,0.x e x f x x λλλ-⎧>=>⎨≤⎩,211,EX DX λλ==.⑹正态分布X ~),(2σμN：22()2()x f x μσ--=，x -∞<<+∞；2,EX DX μσ==.5．常见分布的性质⑴（了解）设随机变量12,,,n X X X 相互独立，且~(,),1,2,,i i X B n p i n =，则11~(,)nnii i i XB n p ==∑∑．特别地，设随机变量12,,,n X X X 相互独立，且~(1,),1,2,,i X B p i n =，则1~(,)nii XB n p =∑．反之，服从二项分布(,)B n p 的随机变量X 可以分解为n 个相互独立，且均服从(1,)B p 的随机变量12,,n X X X 之和．⑵（了解）设随机变量12,,,n X X X 相互独立，且~(),1,2,,i i X P i n λ=，则11~()nnii i i XP λ==∑∑．⑶（了解）设随机变量12,,,n X X X 相互独立，且~(),1,2,,i i X E i n λ=，则121min{,,,}~()nn i i X X X E λ=∑．⑷（了解）设随机变量12~[,]X U θθ，则12~[,](0)aX b U a b a b a θθ+++>；21~[,](0)aX b U a b a b a θθ+++<．⑸（了解）设二维随机变量(,)X Y 服从均匀分布，,,U aX bY V cX dY =+⎧⎨=+⎩且0ad bc -≠，则(,)U V 也服从均匀分布．⑹设随机变量2~(,)X N μσ，则22~(,)Y aX b N a b a μσ=++，其中0a ≠．特别地，~(0,1)X N μσ-．⑺设随机变量12,,,n X X X 相互独立，且2~(,),1,2,,i i i X N i n μσ=，12,,,n a a a 是不全为零的常数，则22111~(,)n n ni i i i i i i i i a X N a a μσ===∑∑∑．特别地，设随机变量12,,,n X X X 相互独立，且2~(,),1,2,,i X N i n μσ=，则211~(,)n i i X N n nσμ=∑． ⑻设二维随机变量(,)X Y 服从二维正态分布，,,U aX bY V cX dY =+⎧⎨=+⎩且0ad bc -≠，则(,)U V 也服从二维正态分布．⑼设二维随机变量221212(,)~(,,,,)X Y N μμσσρ，则X 和Y 相互独立⇔0ρ=．⒌边缘分布 ⑴离散型{}i ij jP X x p ==∑，1,2,i =；{}j ijiP Y y p==∑，1,2,j =．关于X 的边缘分布律可对表中的i j p 进行纵向求和即得；关于Y 的边缘分布律可对表中的i j p 进行横向求和即得．⑵连续型()(,)X f x f x y dy +∞-∞=⎰,x -∞<<+∞；()(,)Y f y f x y dx +∞-∞=⎰,y -∞<<+∞．()X f x 可通过在给定点x 处，),(y x f 的纵向积分（对y 从-∞到+∞积分）求得，()Y f y 可通过在给定点y 处，),(y x f 的横向积分（对x 从-∞到+∞积分）求得．⒍条件分布 ⑴离散型1212()~i jj ij j jjjx x x p p p X Y y p pp⎛⎫⎪= ⎪ ⎪⎝⎭；1212()~j ij i i i iiiy y y p Y X x p p p p p ⎛⎫⎪= ⎪ ⎪⎝⎭． ⑵连续型(,)()()X Y Y f x y f x y f y =，x -∞<<+∞；(,)()()Y X X f x y f y x f x =，y -∞<<+∞．⒎随机变量的独立性⑴随机变量X 和Y 相互独立的直观意义是指X 和Y 的各自取值情况没有任何关系． ⑵利用分布函数：(,)()()X Y F x y F x F y =． ⑶利用分布律：ij i j p p p =，1,2,,1,2,i j ==．⑷利用密度函数：(,)()()X Y f x y f x f y =． ⑸随机变量独立性的有关结论①设随机变量X 与Y 相互独立，则对任意实数集合12,L L ，有1212{,}{}{}P X L Y L P X L P Y L ∈∈=∈∈．②如果随机变量12(,,,)m X X X 和12(,,,)n Y Y Y 相互独立，,g h 分别为m 元连续函数和n 元连续函数，则随机变量12(,,,)m g X X X 与12(,,,)n h Y Y Y 也相互独立．特别地，设随机变量X 与Y 相互独立，(),()g x h y 是连续函数，则随机变量()g X 与()h Y 也相互独立．⒏随机变量函数的分布⑴离散型随机变量函数的分布可直接列表求得． ⑵连续型随机变量函数分布采用分布函数法①()Y g X =：先求()(){}{()}()Y X g x yF y P Y y P g X y f x dx ≤=≤=≤=⎰,②(,)Z g X Y =：先求(,)(){}{(,)}(,)Z g x y zF z P Z z P g X Y z f x y dxdy ≤=≤=≤=⎰⎰，然后对y 或z 进行讨论然后求导数.⑶熟记1max i i nM X ≤≤=和1min i i nN X ≤≤=的分布函数和密度函数公式.①若随机变量12,,,n X X X 相互独立，i X 的密度函数为()i f x ，分布函数为()i F x ，1,2,,i n =，则M 和N 的分布函数(),()M N F x F x 和密度函数(),()M N f x f x 分别为12(){}()()()M n F x P M x F x F x F x =≤=，()()M Mf x F x '=； ()()()12(){}1[1][1][1]N n F x P N x F x F x F x =≤=----，()()N Nf x F x '=． ②当12,,,n X X X 独立同分布时，()()i f x f x =，()()i F x F x =，1,2,,i n =，则 ()[()]n M F x F x =，1()[()]()n M f x n F x f x -=；()1[1()]n N F x F x =--，1()[1()]()n N f x n F x f x -=-．⒐数字特征计算⑴数学期望(均值)：①一维随机变量函数的数学期望：1(),(())()().i i i g x p E g X g x f x dx ∞=+∞-∞⎧⎪=⎨⎪⎩∑⎰注: 2,()EX E X 为其特例．②二维随机变量函数的数学期望：11(,),((,))(,)(,).i j i j i j g x y p E g X Y g x y f x y dxdy ∞∞==+∞+∞-∞-∞⎧⎪⎪=⎨⎪⎪⎩∑∑⎰⎰注: 22,(),,(),()EX E X EY E Y E XY 为其特例．⑵方差：222()()()DX E X EX E X EX =-=-．⑶协方差：ov(,)[()()]()C X Y E X EX Y EY E XY EXEY =--=-．⑷相关系数：XY ρ=．⑸数字特征的性质（见教材）． ⑹不相关：①若0XY ρ=，称X 与Y 不相关；X 与Y 不相关的直观意义指X 与Y 没有线性关系． ②X 与Y 不相关ov(,)0C X Y ⇔=()D X Y DX DY ⇔±=+()E XY EXEY ⇔=．③设221212(,)~(,,,,)X Y N μμσσρ，则X 与Y 的相关系数XY ρρ=．④设221212(,)~(,,,,)X Y N μμσσρ，则X 和Y 相互独立⇔0ρ=⇔X 与Y 不相关．⑤如果X 与Y 相互独立，且X 与Y 的相关系数XY ρ存在，则X 与Y 不相关．反之未必．⒑中心极限定理的应用 ⑴设12,,n X X X 独立同分布，且2,0i i EX DX μσ==≠(1,2,)i =，则当n 充分大（30n ≥）时，有21~(,)nii XN n n μσ=∑近似．⑵设~(,)X B n p ，则当n 充分大（30n ≥）时，~(,(1))X N np np p -近似．三、计算过程中需要分段讨论的几种类型与方法⒈已知X 的分布律，求X 的分布函数()F x ．三个特征： ⑴分1n +段；⑵每段上，将概率逐次累加（初始值为0，终值为1）； ⑶每个区间为左闭右开． ⒉已知X 的密度函数()f x （分段函数），求X 的分布函数()F x ． ⑴分1n +段；⑵每段上，将()f x 在(,]x -∞上积分；⑶由于()F x 为连续函数，故每个区间为开闭均可．⒊已知(,)X Y 的密度函数(,)f x y （分段函数），求X 的分布函数(,)F x y ． ⑴结合(,)F x y 的原理图和(,)f x y 特征图，将全平面分若干块； ⑵每块上，将(,)f x y 在区域(,](,]x y D -∞⨯-∞上积分．⒋连续型随机变量函数的分布⑴一维连续型随机变量函数()Y g X =的分布函数()Y F y ：①先确定()Y g X =取值范围；例如m Y M ≤≤，其中,m M 为实数，则采用三段式讨论．②当y m <时，()0Y F y =．③当m y M <≤时，利用定积分()()()Y X g x yF y f x dx ≤=⎰计算．④当y M ≥时，()1Y F y =．⑤当m =-∞或M =+∞或其它情况时，还可能采用两段式或四段式讨论等． ⑥若Y 为连续型随机变量，则Y 的密度函数()()Y Y f y F y '=． ⑵二维连续型随机变量函数(,)Z g X Y =的分布函数()Z F z ：①确定(,)Z g X Y =的取值范围；例如m Z M ≤≤，其中,m M 为实数，则采用三段式讨论．②当z m <时，()0Z F z =．③当m z M <≤时，利用二重积分(,)()(,)Z g x y zF z f x y dxdy ≤=⎰⎰计算．④当z M ≥时，()1Z F z =．⑤当m =-∞或M =+∞或其它情况时，还可能采用两段式或四段式讨论等． ⑥若Z 为连续型随机变量，则Z 的密度函数()()Z Z f z F z '=． ⒌二维连续型随机变量(,)X Y 的边缘密度 ⑴()(,)X f x f x y dy +∞-∞=⎰，x -∞<<+∞．①作出),(y x f 的特征图．②用垂直直线x m =和x M =将D 夹住． ③当x m <或x M >时，()0X f x =． ④当m x M ≤≤时，()(,)X f x f x y dy +∞-∞=⎰．⑤当m =-∞或M =+∞或其它情况时，也可能采用其它方式讨论． ⑵()(,)Y f y f x y dx +∞-∞=⎰,y -∞<<+∞．①作出),(y x f 的特征图．②用水平直线y m =和y M =将D 夹住． ③当y m <或y M >时，()0Y f y =． ④当m y M ≤≤时，()(,)Y f y f x y dx +∞-∞=⎰．⑤当m =-∞或M =+∞或其它情况时，也可能采用其它方式讨论．四、数理统计的基础知识⒈总体X ，样本12(,,,)n X X X 和观察值的概念．关注简单随机样本的独立性和代表性．⒉常用统计量：样本均值∑==n i i X n X 11，样本方差2211()1n i i S X X n ==--∑， 顺序统计量*11min i i nX X ≤≤=，*1max n i i nX X ≤≤=．⒊常见分布⑴正态分布：见概率论中的内容． ⑵2χ分布：设12(,,,)n X X X 为来自总体~(0,1)X N 的一个样本，就称统计量22222121ni ni X X X X ===+++∑χ服从自由度为n 的2χ分布，记作)(~22n χχ． ①设)(~22n χχ，则2()E n =χ，2()2D n =χ． ②设~(0,1)X N ，则22~(1)X χ．③设22~()i i n χχ，1,2i =，且2212,χχ相互独立，则2221212~()n n ++χχχ．⑶ t 分布：设随机变量~(0,1)X N ，2~()Y n χ，且X 与Y 相互独立，就称T =服从自由度为n 的t 分布，记作)(~n t T ．⑷F 分布：设随机变量)(~12n X χ，)(~22n Y χ，且X 与Y 相互独立，就称21n Y n X F =服从第一自由度为1n ，第二自由度为2n 的F 分布，记作),(~21n n F F ． ①如果~()T t n ，则2~(1,)T F n ． ②如果12~(,)F F n n ，则211~(,)F n n F． ⒋上侧分位点p x ：{},{}1p p P X x p P X x p ≥≥≤≥-． 如U α，2()t n α，21()n αχ-，2121(,)Fn n α-等等（下标为该点处右侧的面积）． 注意：1U U αα-=-，1()()t n t n αα-=-，112211(,)(,)F n n F n n αα-=．⒌单正态总体2~(,)X N μσ中X 和2S 的分布（其中12(,,,)n X X X 为样本）： ⑴2~(,)X N nσμ，或nX /σμ-~)1,0(N ；⑵nS X /μ-～)1(-n t ；⑶2212()()nii Xn μχσ=-∑；⑷222122()(1)(1)nii XX n Sn χσσ=--=-∑,且X 与2S 相互独立．五、参数估计⒈点估计 ⑴矩估计：①原理：用样本矩估计理论矩．②方法：建立方程（组）11()n rr i i X E X n ==∑，1,2,r =，解出θ，得θ的矩估计θ．⑵最大似然估计：①原理：概率最大的事件最有可能出现． ②方法：构造似然函数)(L θ=12)(,,,;n L x x x θ（似然函数体现了样本12(,,,)n X X X 出现的概率大小），求似然函数L 的最大值点，即为θ的极大使然估计θ． ③步骤：第一步：写出似然函数)(L θ．如果连续型总体X 的密度函数为(;)f x θ，则1()(;)n i i L f x θθ==∏．如果离散型总体X 的分布律为(;)p x θ，则1()(;)ni i L p x θθ==∏． 第二步：取对数ln )(L θ，并令ln 0)(d d L θθ=，或ln 0)(i L θθ∂=∂，1,2,,i k =，建立方程(组)．如果从中解得惟一驻点θˆ，则θˆ即为θ的最大似然估计； 第三步：如果上述方程无解，则通过单调性的讨论，在某边界点处，求出θ的最大似然估计量θˆ． ⒉估计量的评价标准⑴无偏性：如果E θθ=，就称θ为θ的无偏估计．主要结论有：①如果总体X 的数学期望EX 存在，则X 是μ的无偏估计，即E X μ=． ②如果总体X 的方差DX 存在，则2S 是2σ的无偏估计，即22()E S σ=．③设估计量12ˆˆˆ,,m θθθ均为θ的无偏估计，12,,,m c c c 为常数，且11mi i c ==∑，则1ˆmi i i c θ=∑仍为θ的无偏估计．注意：即使ˆθ为θ的无偏估计，而ˆ()g θ未必为．．．()g θ的无偏估计． ⑵（较）有效性：设21ˆ,ˆθθ均为θ的无偏估计，如果12ˆˆD D θθ<，就称1ˆθ比2ˆθ有效．⑶一致性（相合性）：设ˆθ为θ的估计量，如果对任意的0ε>，均有ˆl i m {}1n P θθε→∞-<=，就称θˆ为θ的一致估计量或相合估计量． ⒊单正态总体2(,)N μσ中2,σμ的区间估计⑴2σ已知，μ的置信度1α-的置信区间为22X u X u αα⎛⎫-+ ⎝． ⑵2σ未知，求μ的置信度为1α-的置信区间为2(X t n α⎛⎫±- ⎝． ⑶2σ的置信度为1α-的置信区间为2222122(1)(1),(1)(1)n Sn S n n ααχχ-⎛⎫-- ⎪ ⎪-- ⎪⎝⎭． 六、假设检验⒈假设检验的有关概念了解假设检验的背景，假设的提法，假设检验中的反证法思想，假设检验的基本原理，显著性检验，双侧检验和单侧检验等相关内容．⒉假设检验的两类错误⒊假设检验的四个步骤⑴根据给定的问题，建立假设检验问题01(,)H H ． ⑵根据检验问题01(,)H H 及条件，选择检验统计量12(,,,)n g X X X ．当0H 为成立时，确定该统计量12(,,,)n g X X X 的分布．⑶根据显著性水平α，确定临界值和原假设0H 的拒绝域W ． ⑷通过样本值12(,,,)n x x x ，计算统计量12(,,,)n g X X X 的值12(,,,)n g x x x ．若12(,,,)n g x x x W ∈，则拒绝0H ，否则接受0H ．⒋单正态总体中均值和方差的假设检验。
概率论与数理统计总复习
概率论与数理统计总复习1、研究和揭示随机现象 统计规律性的科学。
随机现象：是在个别试验中结果呈现不确定性，但在大量重复试验中结果又具有统计规律性的现象。
2、互斥的或互不相容的事件：A B φ⋂=3、逆事件或对立事件：φ=⋂=⋃B A S B A 且4、德∙摩根律：B A B A ⋂=⋃，B A B A ⋃=⋂5、在相同的条件下，进行了n 次试验，在这n 次试验中，事件A 发生的次数A n 称为事件A 发生的频数，比值/A n n 称为事件A 发生的频率，并记为()n f A 。
6、概率的性质（1）非负性：(A)0P ≥； （2）规范性：(S)1P =；（3）有限可加性：设A 1，A 2，…，A n ，是n 个两两互不相容的事件，即A i A j ＝φ，(i ≠j), i , j ＝1, 2, …, n , 则有∑==ni i n A P A A P 11)()...(（4）()0P φ=；（5）单调不减性：若事件A ⊂B ，则P(B)≥P(A) （6）对于任一事件A ，P(A)≤1 （7）差事件概率：对于任意两事件A 和B ，()()()P B A P B P AB -=-（8）互补性（逆事件的概率）：对于任一事件A ，有 P(A )=1-P(A) （9）加法公式：P(A ⋃B)＝P(A)＋P(B)－P(AB))()()()()()()()(321323121321321A A A P A A P A A P A A P A P A P A P A A A P +---++=⋃⋃7、古典概型中的概率: ()()()N A P A N S =①乘法原理：设完成一件事需分两步， 第一步有n 1种方法，第二步有n 2种方法， 则完成这件事共有n 1n 2种方法。
例：从甲、乙两班各选一个代表。
②加法原理：设完成一件事可有两类方法，第一类有n 1种方法，第二类有n 2种方法，则完成这件事共有n 1+n 2种方法。
大学概率论与数理统计复习资料(word文档良心出品)
第一章 随机事件及其概率知识点：概率的性质 事件运算 古典概率事件的独立性 条件概率 全概率与贝叶斯公式常用公式)()()()()()2(加法定理AB P B P A P B A P -+= ),,()()(2111有限可加性两两互斥设n ni i ni i A A A A P A P ∑===),(0)()()()()(互不相容时独立时与B A AB P B A B P A P AB P ==)()()()()5(AB P A P B A P B A P -==-)()()()()(时当A B B P A P B A P B A P ⊂-==-))0(,,()()/()()()6(211>Ω=∑=i n ni i i A P A A A A B P A P B P 且的一个划分为其中全概率公式 ),,()](1[1)(2111相互独立时n ni i n i i A A A A P A P ∏==--=)/()()/()()()4(B A P B P A B P A P AB P ==)(/)()/()3(A P AB P A B P =)()/()()/()()/()7(1逆概率公式∑==ni iii i i A B P A P A B P A P B A P )(/)()(/)()1(S L A L AP nr A P ==应用举例1、已知事件,A B 满足)()(B A P AB P =，且6.0)(=A P ，则=)(B P （ ）。
2、已知事件,A B 相互独立，,)(k A P =6.0)(,2.0)(==B A P B P ，则=k （ ）。
3、已知事件,A B 互不相容，,3.0)(=A P ==)(,5.0)(B A P B P 则（ ）。
4、若,3.0)(=A P===)(,5.0)(,4.0)(B A B P B A P B P （）。
5、,,A B C 是三个随机事件，C B ⊂，事件()A C B -与A 的关系是（ ）。
概率论与数理统计复习要点
第一章 随机事件及其概率一、随机事件及其运算 1. 样本空间、随机事件①样本点：随机试验的每一个可能结果，用ω表示； ②样本空间：样本点的全集，用Ω表示； 注：样本空间不唯一.③随机事件：样本点的某个集合或样本空间的某个子集，用A,B,C,…表示； ④必然事件就等于样本空间；不可能事件()∅是不包含任何样本点的空集； ⑤基本事件就是仅包含单个样本点的子集。
2. 事件的四种关系①包含关系：A B ⊂，事件A 发生必有事件B 发生； ②等价关系：A B =， 事件A 发生必有事件B 发生，且事件B 发生必有事件A 发生；③互不相容（互斥）： AB =∅ ，事件A 与事件B 一定不会同时发生。
④互逆关系（对立）：A ，事件A 发生事件A 必不发生，反之也成立；互逆满足A A AA ⎧⋃=Ω⎨=∅⎩注：互不相容和对立的关系（对立事件一定是互不相容事件，但互不相容事件不一定是对立事件。
） 3. 事件的三大运算①事件的并：A B ⋃，事件A 与事件B 至少有一个发生。
若AB =∅，则A B A B ⋃=+；②事件的交：A B AB ⋂或，事件A 与事件B 都发生； ③事件的差：-A B ，事件A 发生且事件B 不发生。
4. 事件的运算规律①交换律：,A B B A AB BA ⋃=⋃=②结合律：()(),()()A B C A B C A B C A B C ⋃⋃=⋃⋃⋂⋂=⋂⋂③分配律：()()(),()()()A B C A B A C A B C A B A C ⋃⋂=⋃⋂⋃⋂⋃=⋂⋃⋂ ④德摩根（De Morgan ）定律：,A B AB AB A B⋃==⋃对于n 个事件，有1111,n ni i i i nni ii i A A A A ======二、随机事件的概率定义和性质1．公理化定义：设试验的样本空间为Ω，对于任一随机事件),(Ω⊂A A 都有确定的实值P(A)，满足下列性质： (1) 非负性：;0)(≥A P (2) 规范性：;1)(=ΩP(3)有限可加性(概率加法公式)：对于k 个互不相容事件k A A A ,,21 ，有∑∑===ki i ki i A P A P 11)()(.则称P(A)为随机事件A 的概率. 2．概率的性质 ①()1,()0P P Ω=∅= ②()1()P A P A =-③若A B ⊂，则()(),()()()P A P B P B A P B P A ≤-=-且 ④()()()()P A B P A P B P AB ⋃=+-()()()()()()()()P A B C P A P B P C P AB P BC P AC P ABC ⋃⋃=++---+注：性质的逆命题不一定成立的. 如 若),()(B P A P ≤则B A ⊂。
《概率论与数理统计》综合复习资料全
《概率论与数理统计》综合复习资料一、填空题1、一个盒子中有10 个球，其中有 3 个红球， 2 个黑球， 5 个白球，从中取球两次，每次取一个（无放回），则：第二次取到黑球的概率为；取到的两只球至少有一个黑球的概率为。
2、 X 的概率密度为 f ( x)1 e x2 2 x 1(x) ，则DX。
3、已知随机变量X ~N(1，1)，Y~N(3，1) 且 X 与Y 相互独立，设随机变量Z 2X Y 5，则EX；DX。
4、已知随机变量X 的分布列为X-102P k0.40.2p则： EX=；DX =。
5、设X与Y独立同分布，且X~N(2,22) ，则D( 3X2Y) =。
6、设对于事件A、B、 C有 P(A)P(B)1，P(ABC)1P(C)，412P( AB) P( BC )P(AC)1。
，则 A 、 B、 C 都不发生的概率为87、批产品中一、二、三等品各占60% 、30%、 10%，从中任取一件，结果不是三等品，则取到的是二等品的概率为。
8、相互独立，且概率分布分别为1，1 y 3f (x)e ( x 1)x) ；( y)(，其它则：E(X Y)=；E(2X3 2 )=。
Y9 、已知工厂A、 B 生产产品的次品率分别为2%和1%，现从由A、 B 工厂分别占30%和70%的一批产品中随机抽取一件，发现是次品，则该产品是 B 工厂的概率为。
10、设X、Y的概率分布分别为， 1 x 54e4 y，y01/ 4( x)；( y)，，其它0y0则： E(X 2Y) =；(X 2 4 ) =。
E Y二、选择题1、设X 和 Y 相互独立，且分别服从N(1,22) 和N (1,1)，则。
A ．P{ X Y 1}1/ 2B．P{ X Y0}1/ 2C ．P{ X Y0}1/ 2D．P{ X Y 1}1/ 22、已知P( A)0.4，P(B)0.6，P(B | A)0.5 ，则P( A B)。
A ．1B．0.7C ．0.8D ．0.53、设某人进行射击，每次击中的概率为1/3，今独立重复射击10 次，则恰好击中 3 次的概率为。
大学概率论与数理统计复习资料(精编文档).doc
【最新整理，下载后即可编辑】第一章 随机事件及其概率知识点：概率的性质 事件运算 古典概率事件的独立性 条件概率 全概率与贝叶斯公式常用公式应用举例1、已知事件,A B 满足)()(B A P AB P =，且6.0)(=A P ，则=)(B P （ ）。
2、已知事件,A B 相互独立，,)(k A P =6.0)(,2.0)(==B A P B P ，则=k )()()()()()2(加法定理AB P B P A P B A P -+= ),,()()(2111有限可加性两两互斥设n ni i ni i A A A A P A P ∑===),(0)()()()()(互不相容时独立时与B A AB P B A B P A P AB P ==)()()()()5(AB P A P B A P B A P -==-)()()()()(时当A B B P A P B A P B A P ⊂-==-))0(,,()()/()()()6(211>Ω=∑=i n ni i i A P A A A A B P A P B P 且的一个划分为其中全概率公式 ),,()](1[1)(2111相互独立时n ni i n i i A A A A P A P ∏==--=)/()()/()()()4(B A P B P A B P A P AB P ==)(/)()/()3(A P AB P A B P =)()/()()/()()/()7(1逆概率公式∑==ni i i i i i A B P A P A B P A P B A P )(/)()(/)()1(S L A L A P nr A P ==（ ）。
3、已知事件,A B 互不相容，,3.0)(=A P ==)(,5.0)(B A P B P 则（ ）。
4、若,3.0)(=A P ===)(,5.0)(,4.0)(B A B P B A P B P （ ）。
概率论与数理统计总复习-
一. 二维离散型r.v.
概率统计-总复习-13
1. 联合分布律（2个性质）
P(Xxi,Yyj)pij,
2.联合分布函数（5个性质）
F ( x , y ) P X x , Y y
3.联合分布律与联合分布函数关系
F(x,y)pij, xixyjy
4. 边缘分布律与边缘分布函数
n
Xi
n
E( Xi )
i1 i1
D
n
Xi
n
D( Xi )
i1 i1
X1,,Xn 相互独立
常见离散r.v.的期望与方差
概率统计-总复习-27
分布 概率分布
期望 方差
参数p的 0-1分布
P (X 1 )p ,P (X 0) q
2. 联合分布函数（5个性质）
xy
F(x,y) p(u,v)dvdu
3.联合密度与联合分布函数关系 2F( x,y) p( x,y)
xy
4.边缘密度与边缘分布函数
p (x) p( x,y)dy p ( y) p( x,y)dx
X
Y
FX( x) F(x, ) FY ( y ) F(, y)
5.全概率公式：分解 P(B) P(Ai)P(B|Ai),B
i1
6.贝叶斯公式
P(Aj |B)
P(Aj )P(B| Aj )
,j
P(Ai )P(B|Ai )
i1
四. 概率模型
概率统计-总复习-6
1.古典概型： 摸球、放球、随机取数、配对
2. n重伯努利概型：
- 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)。
此时
将
10 x , 0 x 10, p( x) 50 其它. 0,
第三章 随机变量的数字特征
一. 主要内容 1. 随机变量的数学期望 2. 随机变量函数的数学期望 3. 数学期望的性质 4. 随机变量的方差 5. 随机变量函数的方差 6. 随机变量方差的性质 7. 随机变量的协方差及其性质 8. 两个随机变量的相关系数及其计算公式
4
(8)、二项概率计算公式 二. 应记忆的公式 1. 德莫根律
i 1
Ai Ai ,
i 1
n
n
i 1
Ai Ai
i 1
n
n
2. 3. 4. 5. 6. 7. 8.
加法公式 P( AUB) P( A) P( B) P( AB) 当A与B互斥时 P( AUB) P( A) P( B) 条件概率公式 乘法概率公式 全概率公式 贝叶斯公式 相互独立事件的概率计算公式
P ( B | A), P ( A B ), P( A UB)
解
P ( B | A) P ( AB) / P ( A) (1 / 4) /(1 / 2) 1 / 2 P ( A B ) P ( AUB) 1 P ( AUB) 1 P ( A) P ( B ) P ( AB) 1 1 / 2 1 / 3 1 / 4 5 / 12
1.0556
23
例2.设随机变量X的分布律为 求 解
X
P
-2
0.4
0
0.3
2
0.3
E ( X ) , E ( X 2 ) , E(3X 2 5) E ( X ) (2) 0.4 0 0.3 2 0.3 0.2 E( X 2 ) (2) 2 0.4 0 2 0.3 2 2 0.3 2.8
故 X 的分布律为
X P 1 10/13 2 5/26 3 5/143 4 1/286
13
2 N ( 10 , 2 ) 例2 已知随机变量X~
P{|X-10|<c}=0.95,P{X<d}=0.023,确定c和d的值。 解：已知 P{|x-10|<c}=P{|X-10|/2<c/2} = 2(c / 2) 1 0.95
)
P( X x) 1 (
x-
P( x1 X x2 ) (
x2 -
P(| X | b) 1 P(| X | b) 1 P(b X b) b- -b- 1 [ ( ) - ( )]
) - (
x1 -
)
12
20
二. 应记忆的公式或结果 1 2 3 4 随机变量的数学期望和方差的计算公式 随机变量函数的数学期望和方差的计算公式 随机变量的协方差、相关系数的计算公式 常见7种随机变量的数学期望及方差 (1) 两点分布 （2）二项分布 （3）泊松分布 （4）几何分布 （5）均匀分布 （6）正态分布 （7）指数分布 三 例题分析
E (3 X 2 5) [3 (2) 2 5] 0.4 [3 0 2 5] 0.3 [3 2 2 5] 0.3 13.4
或由期望的性质
E(3X 2 5) 3E( X 2 ) 5 3 2.8 5 13.4
24
例3．设随机变量的概率密度为 e x x 0 f ( x) 0 x0 求（1）Y=2X; （2）Y e 2 X 的数学期望。
红钢笔，2支蓝钢笔，丙盒中装有3支红钢笔，3支蓝钢笔，今从中任取 一支，设到3只盒中取物的机会相同，求该支钢笔是红钢笔的概率。
解 设A表示取到的一支钢笔为红色笔，Bi 分别表示在 甲、乙、丙盒中取钢笔， i=1，2，3, 则 P(Bi）=1/3， P ( A | B1 ) 2 / 6 1 / 3, P ( A | B2 ) 4 / 6 2 / 3
解
由题意知 R 的概率密度为
pR ( z ) p( x) p( z x) d x.
x
x 10
xz
x z 10
O
10
20
z
0 x 10, 当 0 z x 10,
0 x 10, 即 时, z 10 x z ,
x y 2 arctan x arctan y
2
(arctan x
2
)(arctan y
2
)
16
,两电阻 R1 和 R2 串联联接, 例5 在一简单电路中 设 R1 , R2 相互独立, 它们的概率密度均为 10 x , 0 x 10, p( x ) 50 0, 其它. 求电阻 R R1 R2 的概率密度.
(c / 2) 0.975 所以 查表得 c/2=1.96 故 c=3.92 d 10 ) 0.023 又已知 P{X<d}= ( 2 查表得 既 d=6
14
例3 设二维随机变量（X,Y）的分布密度函数为
8 xy, 0 x 1, 0 y 1 p ( x, y ) 其它 0,
5
P( A1U UAn ) 1 P( A1U UAn ) 1 P( A1 A2 An ) 1 P( A1 ) P( An )
9. 二项概率计算公式 三. 例题分析
6
例1 若 P ( A) 1 / 2, P ( B ) 1 / 3, P ( AB) 1 / 4, 求
21
例1．某产品的次品率为0.1,检验员每天检验4次,每次随机 地取10件产品检验 ,如发现其中的次品数多于 1,就去调整 设备.以X表示一天中调整设备的次数,试求 E(X) （设诸产品是否为次品是相互独立的）. 解 ： 记 随 机 的 取 10 件 产 品 , 其 中 的 次 品 数 为 Y , 则 Y~B(10, 0.1) .则不必调整设备的概率为 p PY 0 PY 1
P ( A | B3 ) 3 / 6 1 / 2,
则由全 概率公 式
P ( A) P ( Bi )P ( A | Bi )
i 1
3
1 / 3 1 / 3 1 / 3 2 / 3 1 / 3 1 / 2 1 / 2
8
第二章 随机变量及其分布
一 主要内容 (一). 一维随机变量及其分布 1. 随机变量的分布函数 2. 分布函数的性质 3. 离散型随机变量及其分布函数 4.常见离散型随机变量及其分布律 (1).两点分布, (2) 二项分布 (3) 泊松分布 (4) 几何分布 5. 连续型随机变量及其分布函数
问X与Y是否相互独立，并说明理由。 解：关于X的边缘密度为 关于Y的边缘分布密度为
1 8xydy 4 x, 0 x 1 p X ( x) 0 0, 其它
1 0 8 xydx 4 y， 0 y 1 pY ( y ) 其它 0,
在 0 x 1, 0 y 1 中，均有 故X与Y不独立。
p( x, y) pX ( 量（X，Y）的分布密度
1 p ( x, y ) 2 (1 x 2 )(1 y 2 )
解
求分布函数 F(x,y).
F ( x, y)
1 1 1
x
x
y
p( x, y)dxdy
y 1 1 2 dx dy 2 2 1 x 1 y
解（1）E(Y ) E(2 X )
0 2 xe x dx 2
（2）
2xf ( x)dx
2 X
E(Y ) E(e
P( A UB) P( A ) P( B) P( A B) 其中 P( A B) P( B AB) 1 / 3 1 / 4 1 / 12 故 P( A UB) （ 1 1 / 2） 1 / 3 1 / 12 3 / 4
7
例2 有3只盒子，甲 盒中装有2支红钢笔，4支蓝钢笔，乙盒中装有4支
3
第一章 随机事件及其概率
一、主要内容： 1、随机事件的定义、关系及其运算 2、随机事件概率的定义（统计定义、古典概型定义） 3、随机事件概率的计算 注意利用： (1)、概率的加法公式 (2)、概率的性质 (3)、条件概率公式 (4)、乘法概率公式 (5)、全概率公式 (6)、贝叶斯公式 (7)、相互独立事件的概率计算公式
9
6 常见连续型随机变量及其分布密度
(1) 均匀分布 (2) 正态分布 (3) 指数分布 (二) . 二维随机变量及其分布 1. 二维随机变量的定义 2. 二维随机变量的分布函数 3. 二维离散型随机变量及其分布律 4. 二维连续型随机变量的分布密度 5. 边缘分布, 6. 随机变量的独立性
10
7. 随机变量简单函数的分布 1). 一维随机变量函数的分布 2). 二维随机变量函数的分布(仅要求二维离散型) 二. 应记忆的公式 (1) F ( x) P( X x) (2) 计算公式: 离散型 F ( x) P( X xk )
xk x
x
连续型 F ( x) p( x)dx (3) 若X~N( , ) , 则 Y =
X
~ N(0,1)
11
(4)
常见7种随机变量的分布律或分布密度
(5) 正态分布概率的计算公式 若 X~N ( , ) , 则 1) 2) 3) 4)
P( X x) ( x- )
3 3 C ( 0 . 2639 ) (0.7361 ) P(X=3)= 4
) P(X=4)= (0.2639
4
从而
1 E ( X ) 0 (0.7361 ) 4 C4 (0.2639 )(0.7361 )3