最新概率论与数理统计知识点总结超详细版.docx
《最新概率论与数理统计知识点总结超详细版.docx》由会员分享,可在线阅读,更多相关《最新概率论与数理统计知识点总结超详细版.docx(16页珍藏版)》请在冰豆网上搜索。
![最新概率论与数理统计知识点总结超详细版.docx](https://file1.bdocx.com/fileroot1/2023-2/13/259771d0-aa5c-4df7-81a6-b43be6d94583/259771d0-aa5c-4df7-81a6-b43be6d945831.gif)
最新概率论与数理统计知识点总结超详细版
《概率论与数理统计》
第一章概率论的基本概念
§2•样本空间、随机事件
1•事件间的关系AB则称事件B包含事件A,指事件A发生必然导致事件B发生
A」B={xx^A或xeB}称为事件A与事件B的和事件,指当且仅当A,B中至少有一个发生时,事件AB发生
AcB={xXWA且XEB}称为事件A与事件B的积事件,指当A,B同时发生时,事件AB发生
A—B={xx乏A且x世B}称为事件A与事件B的差事件,指当且仅当A发生、B不发生时,事件A—B发生
A'B=:
,则称事件A与B是互不相容的,或互斥的,指事件A与事件B不能同时发生,基本事件是两两互不相容的
AB=S且A・B二•,则称事件A与事件B互为逆事件,又称事件
A与事件B互为对立事件
2•运算规则交换律AB=BAA-B=B*A
结合律(AB)一C=A一(B一C)(A-B)C=A(B-C)
分配律A_(B'C)二(A一B厂(A一C)
A一(BC)=(A一B)(A一C)
徳摩根律A=A-BA-B=AB
§3.频率与概率
定义在相同的条件下,进行了n次试验,在这n次试验中,事件A发生的次数nA称为事
件A发生的频数,比值nA:
n称为事件A发生的频率
概率:
设E是随机试验,S是它的样本空间,对于E的每一事件A赋予一个实数,记为P(A),称为事件的概率
1•概率P(A)满足下列条件:
(1)非负性:
对于每一个事件A0乞P(A)乞1
(2)规范性:
对于必然事件SP(S)=1
nn
(3)可列可加性:
设Ai,A2,…,An是两两互不相容的事件,有P(Ak)八•P(Ak)(n可
k」k二
以取:
:
)
2.概率的一些重要性质:
(i)P()=0
(ii)若A,A?
…,An是两两互不相容的事件,则有
nn
P(Ak)二二P(Ak)(n可以取:
:
)
k4k4
(iii)设A,B是两个事件若AB,贝UP(B_A)=P(B)_P(A),P(B)_P(A)
(iv)对于任意事件A,P(A)<1
(v)P(Aj=1—P(A)(逆事件的概率)
(vi)对于任意事件A,B有P(A一B)二P(A)P(B)-P(AB)
§4等可能概型(古典概型)
等可能概型:
试验的样本空间只包含有限个元素,试验中每个事件发生的可能性相同
若事件a包含k个基本事件,即AhgjUgziU-Ugk},里
ii,i2,…,ik是1,2,…n中某k个不同的数,则有
/f\kA包含的基本事件数
P(A)=卫「二$中基本事件的总数
§5.条件概率
(1)定义:
设A,B是两个事件,且P(A)0,称P(B|A)二为事件A发生的条
P(A)
件下事件B发生的条件概率
(2)条件概率符合概率定义中的三个条件
1。
非负性:
对于某一事件B,有P(B|A)一0
2。
规范性:
对于必然事件S,P(S|A)=1
3可列可加性:
设B1,B2,…是两两互不相容的事件,则有
□0O0
P(UB』A)=迟P(BiA)
i=1iT
(3)乘法定理设P(A)0,则有P(AB)=P(B)P(A|B)称为乘法公式
n
(4)全概率公式:
P(A)=vP(Bj)P(A|Bj)
1
贝叶斯公式:
P(Bk)P(A|Bk)
P(Bk|A)k—
EP(Bi)P(A|Bi)
i4
§6.独立性
定义设A,B是两事件,如果满足等式P(AB)=P(A)P(B),则称事件A,B相互独立
定理一设A,B是两事件,且P(A).0,若A,B相互独立,则P(B|A)=PB
定理二若事件A和B相互独立,则下列各对事件也相互独立:
A与B,A与B,A与B
第二章随机变量及其分布
§1随机变量
定义设随机试验的样本空间为S二{e}.X=X(e)是定义在样本空间S上的实值单值函数,称X=X(e)为随机变量
§2离散性随机变量及其分布律
1.离散随机变量:
有些随机变量,它全部可能取到的值是有限个或可列无限多个,这种随机变量称为离散型随机变量
□0
P(X=Xk)二Pk满足如下两个条件
(1)Pk-0,
(2)VPk=1
kT
2.三种重要的离散型随机变量
(1)分布
设随机变量X只能取0与1两个值,它的分布律是P(X二k)=pk(1-p)1-k,k=0,1(0:
:
:
p<1),则称X服从以P为参数的分布或
两点分布。
(2)伯努利实验、二项分布
设实验E只有两个可能结果:
A与A,则称E为伯努利实验•设P(A)二p(0:
:
:
p■1),此时P(A)=1-p.将e独立重复的进行n次,则称这一串重复的独立实验为n重伯努利实验。
n■kn.k..
P(X=k)=!
pq,k=0,1,2,…n满足条件
(1)p^0,
(2)送Pk=1注意
Ik.丿心
为n,p的二项分布。
(3)泊松分布
设随机变量X所有可能取的值为0,1,2…,而取各个值的概率为
P(X二k)——,k=0,1,2-,其中,.0是常数,则称X服从参数为■的泊松分布记为k!
X~:
:
(■)
§3随机变量的分布函数
定义设X是一个随机变量,x是任意实数,函数F(x)=P{X込x},:
:
x:
:
:
称为X的分布函数分布函数F(x)二P(X乞x),具有以下性质
(1)F(x)是一个不减函数
(2)
0EF(x)「,且F(-:
:
)=0,F(:
:
)-1(3)F(x0)=F(x),即F(x)是右连续的
§4连续性随机变量及其概率密度
连续随机变量:
如果对于随机变量X的分布函数F(x),存在非负可积函数f(x),使
x
对于任意函数x有F(x)二f(t)dt,则称x为连续性随机变量,其中函数f(x)称为X
4oO
的概率密度函数,简称概率密度
1概率密度f(x)具有以下性质,满足
(1)f(x)一0,
(2)…f(x)dx=1;
-OQ
(3)P(X1兰X兰X2)=Jf(x)dx;(4)若f(x)在点x处连续,则有F'(x)=f(x)x1
2,三种重要的连续型随机变量
(1)均匀分布
均匀分布•记为X~U(a,b)
(2)指数分布
服从参数为V的指数分布。
(3)正态分布
1(x_W
若连续型随机变量X的概率密度为f(x)=e―2坊,-比其中丄,二(二■0)为常数,则称X服从参数为丄,二的正态分布或高斯分布,记为
2
X~N—)
特别,当-0,;「-1时称随机变量X服从标准正态分布
§5随机变量的函数的分布
定理设随机变量X具有概率密度fx(x),-:
:
:
:
:
X:
:
:
:
:
又设函数g(x)处处可导且恒有
g(x)o,
r
fX
fY(y)=」
第三章
则Y=g(X)是连续型随机变量,其概率密度为
h(y)]h'(y)^a0,其他
多维随机变量
§1二维随机变量
定义设E是一个随机试验,它的样本空间是S二{e}.X=X(e)和Y=Y(e)是定义在S上
的随机变量,称X=X(e)为随机变量,由它们构成的一个向量(X,Y)叫做二维随机变量
设(X,Y)是二维随机变量,对于任意实数x,y,二元函数F(x,y)=P{(X^x)・(Y^y)}记成P{X乞x,Y如果二维随机变量(X,Y)全部可能取到的值是有限对或可列无限多对,则称(X,
Y)是离散型的随机变量。
我们称P(X二Xj,Y二yj)二pj,i,j=1,2,…为二维离散型随机变量(X,Y)的
分布律。
对于二维随机变量(X,丫)的分布函数F(x,y),如果存在非负可积函数f(x,y),
yx
使对于任意x,y有Ffx,y)=j^f^f(u,v)dudv,则称(X,Y)是连续性的随机变量,函数ffx,y)称为随机变量fX,Y)的概率密度,或称为随机变量X和Y的联合概率密
度。
§2边缘分布
二维随机变量fX,Y)作为一个整体,具有分布函数Ffx,y)•而X和Y都是随机变量,各自也有分布函数,将他们分别记为FX(x),FY(y),依次称为二维随机变量fX,Y)
关于X和关于Y的边缘分布函数。
Pi■八Pij二P{X二Xj},i=1,2,…p4=Pj二P{Y二yi},j=1,2,
分别称Pi■Pd为(X,Y)关于X和关于Y的边缘分布律。
fx(x)二f(x,y)dyfY(y)二.f(x,y)dx分别称fx(x),
l*"^0
fY(y)为X,Y关于X和关于Y的边缘概率密度。
§3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二yj}0,
P{X=Xj,Y=y:
}
则称P{X二人丫二比}-j=,i=1,2,…为在Y二yj条件下
P{Y=yj}p<
P{X=x・Y=y.}Pi.
随机变量X的条件分布律,同样P{Y=yjX=Xj}==巴,j=1,2,…
P{X=x-}Pi.」
为在X=Xi条件下随机变量X的条件分布律。
设二维离散型随机变量(X,Y)的概率密度为f(x,y),(X,Y)关于Y的边缘概
率密度为fY(y),若对于固定的y,fY(y)>0,则称f(x,y)为在Y=y的条件下X的条件
fy(y)
概率密度,记为fX|y(xy)=f(x,y)
1J(y)
§4相互独立的随机变量
定义设F(x,y)及FX(x),FY(y)分别是二维离散型随机变量(X,Y)的分布函
数及边缘分布函数若对于所有x,y有P{X二x,丫二y}二P{X乞x}P{YF{x,y}=Fx(x)FY(y),则称随机变量X和Y是相互独立的。
对于二维正态随机变量(X,Y),X和Y相互独立的充要条件是参数卜=0
§5两个随机变量的函数的分布
1,Z=X+Y的分布
设(X,Y)是二维连续型随机变量,它具有概率密度f(X,y).则Z=X+Y仍为连续性
随机变量,其概率密度为fXY(z)二__f(z-y,y)dy或fX丫⑵二_._f(x,z-x)dx
又若X和Y相互独立,设(X,Y)关于X,Y的边缘密度分别为fX(x),fY(y)则
qQqQ
fxY(z)二fx(z-y)fY(y)dy和fx丫⑵二fx(x)fY(z-x)dx这两个公式称为
fx,fY的卷积公式
有限个相互独立的正态随机变量的线性组合仍然服从正态分布
Y
2,Z的分布、Z二XY的分布
X
OQ1z
fxY(z)=^;xf(x,x)dx又若X和Y相互独立,设(X,Y)关于X,Y的边缘密度分别
为fx(x),f—(y)则可化为fYX(z)Ux(x)fY(xz)dx
3M=max{X,Y}及N=min{X,Y}的分布
设X,Y是两个相互独立的随机变量,它们的分布函数分别为Fx(x),Fy(y)由于
M=max{X,Y}不大于z等价于X和Y都不大于z故有P{M—z}二P{X—乙Y—z}又由于X和Y相互独立,得到M=max{X,Y}的分布函数为Fmax(z)二Fx(z)F—(z)
N二min{X,Y}的分布函数为Fmin⑵=1-1-Fx⑵-F—⑵丨
第四章随机变量的数字特征
§1•数学期望
Q0
定义设离散型随机变量X的分布律为P{X二Xk}二Pk,k=1,2,…若级数7xkPk绝对
心
Q0
收敛,则称级数VXkPk的和为随机变量X的数学期望,记为E(X),即E(X)二為XkPk
k1i
qQ
设连续型随机变量X的概率密度为f(x),若积分..xf(x)dx绝对收敛,则称积分
xf(x)dx的值为随机变量X的数学期望,记为E(X),即E(X)二「xf(x)dx
J二甘二
定理设Y是随机变量X的函数Y=g(X)(g是连续函数)
Q0
(i)如果X是离散型随机变量,它的分布律为P{X=xk}工pk,k=1,2,…若ag(xk)pk
oO
绝对收敛则有E(Y)二E(g(X))=vg(xk)pk
kA
(ii)如果X是连续型随机变量,它的分概率密度为f(x),若"g(x)f(x)dx绝对收敛则
-=O
有E(Y)二E(g(X))=':
g(x)f(x)dx
数学期望的几个重要性质
1设C是常数,则有E(C)二C
2设X是随机变量,C是常数,则有E(CX)二CE(X)
3设X,Y是两个随机变量,则有E(XY^E(X)E(Y);
4设X,Y是相互独立的随机变量,则有E(XY)二E(X)E(Y)
§2方差
定义设X是一个随机变量,若E{k-E(X)I2}存在,则称E{〔X-E(X)f}为X的方差,记为D(x)即D(x)=E{〔X-E(X)F},在应用上还引入量,D(x),记为匚(x),称为标准差或均方差。
222
D(X)=E(X-E(X))2=E(X2)-(EX)2
方差的几个重要性质
1设C是常数,则有D(C)=0,
2
2设X是随机变量,C是常数,则有D(CX)二CD(X),D(XCHD(X)
3设X,Y是两个随机变量,则有D(XY)二D(X)D(Y)2E{(X-E(X))(Y-E(Y))}特
别,若X,Y相互独立,则有D(XY^D(X)D(Y)
4D(X)=0的充要条件是X以概率1取常数E(X),即P{X二E(X)}=1
切比雪夫不等式:
设随机变量X具有数学期望E(X)-;「2,则对于任意正数;,不等式
_2
P{X-4兰靳兰与成立
名
§3协方差及相关系数
定义量E{[X_E(X)][Y_E(Y)]}称为随机变量X与Y的协方差为Cov(X,Y),即
Cov(X,Y)=E[(X-E(X))(Y-E(Y))]=E(XY)-E(X)E(Y)
Cov(X,Y)
而rXY称为随机变量X和Y的相关系数
Jd(x)TW
++
对于任意两个随机变量X和Y,D(XY)=D(X)+D(Y)2Cov(X,Y)
协方差具有下述性质
lCov(X,Y)二Cov(Y,X),Cov(aX,bY)二abCov(X,Y)
2Cov(X「X2,Y^Cov(X1,Y)CovgY)
定理1*<1
2*=1的充要条件是,存在常数a,b使P{Y二a•bx}=1
当%=0时,称X和Y不相关
附:
几种常用的概率分布表
分布
参数
分布律或概率密度
数学期望
方差
两点分布
0£p£1
P{X=k)=pk(1-p)z,k=0,1,
p
P(1-p)
二项式
分布
n兰1
0£p£1
kknk
P(X=k)=Cnp(1-p),k=0,1,…n,
np
nP(1-p)
泊松分布
丸>0
XkeA
P(X=k)=,k=0,1,2,…
k!
几何分布
0CpV1
P(X=k)=(1—p)k-*p,k=1,2,…
丄
p
1-pp2
均匀分布
acb
f1.
一、,acxcb
f(x)=i0,其他
a+b
2
(b-a)2
12
指数分布
0>0
f(),—e^9,x>0
f(x)=<8
[0,其他
Q
62
正态分布
CT>0
1
f(x)=-^e切
CT2
第五章大数定律与中心极限定理
§1.大数定律
弱大数定理(辛欣大数定理)设Xi,X2…是相互独立,服从统一分布的随机变量序列,并
具有数学期望E(Xk):
1n
=」(k=1,2,…).作前n个变量的算术平均一'Xk,则对于任意
nk^
名>0,有limP{-:
ZXk—卩c号=1
yn心
定义设¥,丫2,…Yn…是一个随机变量序列,a是一个常数,若对于任意正数;,有
|坠卩{£-ac号=1,则称序列Y|,Y2「Y「‘依概率收敛于a,记为Yn—pta
§2中心极限定理
2
-(k=1,2,…),则随机变量之和
n
、‘Xk标准化变量,Yn
i±
分布,且具有数学期望和方差E(Xi)二J,D(Xk)
nn
、Xk-ECXk)
kk=i
.D(、Xk)
Ik』
定理二(李雅普诺夫定理)设随机变量Xi,X2,…,Xn…相互独立,它们具有数学期望
n
222
和方差E(XQD(XQ仝k0,k=1,2记Bn八k
k丄
定理三(棣莫弗-拉普拉斯定理)设随机变量n(n=1,2-)服从参数为n,p(0:
:
:
p:
:
:
1)的
项分布,则对任意x,有limP{——n=np—Mx}二X1e^2dt-G(x)
nYp(1—p)N、2兀