布函数。
其几何意义为随机变量X落在实数x左边的概率。
6
考点:
6
定义:
随机变量的概率密度。
7
考点:
7
三种重要的连续型随机变量:
7
引理:
正态分布X〜“(“&),则丫=兰二出〜N(O,1)8
(7
例7:
随机变量的函数分布18
例8:
随机变量的函数分布29
第三章多维随机变量及其分布10
定义:
二维随机变量的分布函数或称为随机变量X,Y的联合分布函数。
10
儿何意义10
定义:
二维离散型随机变量。
10
定义:
概率密度或称随机变量X和Y的联合概率密度。
10
例9:
二维随机变量10
边缘分布11
定义:
边缘分布函数11
例10:
边缘分布II
条件分布12
定义:
边缘概率密度12
例11:
条件分布12
定义:
随机变量X和Y是相互独立的。
12
例12:
两个随机变量的函数分布13
第四章数字特征(数学期望、方差和协方差及相关系数)14
定义:
数学期望反映随机变量X所取数值的集中位置。
14
数学期望的计算:
14
重要常用性质:
14
例13:
14
定义:
方差反映了随机变量X取值的分散程度15
方差的计算:
15
常用重要性质:
15
协方差与相关系数15
第五章大数定律及中心极限定理16
⑴伯努利大数定律:
(一般不考察)16
⑵德莫佛拉普拉斯中心极限定理:
16
例14:
德莫佛拉普拉斯中心极限定理16
第六、七、八章数理统计知识17
(包括统计量、正态分布统计量分布、参数估计、无偏估计、置信区间及假定检验)・・・・・17
定义:
统计量17
例15:
正态分布统计量分布17
参数估计17
定义:
17
例16:
矩估计18
例17:
矩估计18
例18:
极大似然估计18
定义:
(无偏估计)19
例19:
无偏估计20
定义:
(置信区间)20
例20:
假定检验21
(参数假设与区间估计的关系)22
第一章定义:
一般的,称试验E的样本空间Q的子集为E的随机事件。
事件间的关系与运算
(1)子事件、和事件、差事件、互不相容、对立事件
⑵交换律、结合律、分配律、对偶律
定义:
在相同的条件下,进行了n次试验,如果事件A在这n次试验屮出现了nl次,则
nl卩21
称比值出为事件A发生的概率,记为■厂(A)=——。
nn
概率的性质:
(1)P(0)=O
⑵Al,A2,・・・.An互不相容,则AluA2u...Ah)=P(Al)+P(A2)+...4-P(An)
(3)P(AuB)=HA)+P(B)—P(AB)
⑷P(可=1-兀4)
古典概率
例1:
袋中有4白2黑两种球,无放回一次摸出两个球,问:
⑴取到两只球为白球的的
概率:
(2)収到两只球为同颜色的概率;⑶取到两只球至少有一只是白球的概率。
解:
设A={収到两只白球};B=<収到两只黑球);C=(取到两只同颜色的球1:
7
P(C)=P(A)+P(B)=-
P(D)=1-P(B)
D={两只球至少有一个白球};
条件概率
定义:
一般的,对A,B两个事件,P(A)>0,在事件A发生的条件下发生事件B的概率为
两种计算条件概率的思路:
⑴在缩减后的样本空间小计算
⑵在原来的样本空间中,直接有定义计算
⑴条件概率的乘法公式:
P(AB)=P(B|A)P(A)
⑵全概率公式:
(知原因求结果)P(A)二£P(A|
Z=1
⑶贝叶斯公式:
(知结果求原因)
P(R.P(4ld)P(d)—P(4|3jP(Bj
戶1
例2:
有一个批次的产品分别由甲乙两个车间进行生产,甲车间次品率为0.15,乙车间次品率为0.12,该批次产品甲车间占40%,乙车间占60%,问:
⑴随机抽出一个产品为次品的概率;⑵抽出的一个产品为次品,该次品分别为甲乙车间生产的概率。
解:
设A={随机抽出一个产品为次品};Bl={甲车I'可生产的产品);
B2=(乙车间生产的产品);
则P(B1)=0.4;P(B2)=0.6;P(A|Bj=0」5;P(A|32)=0.12
所以;⑴
P(A)=P(A|BJP(BJ+XA|沪(场)=
(2)
随机事件的独立性
(1)两个事件的独立性:
P(A)>0,P(B|A)=P(B),A、B相互独立;
P(A)=0,事件A与任意事件B成立
充要条件为P(AB)二P(B)P(A)
⑵多个事件的独立性:
任意有限多个事件都相互独立,其至少有一个发生的概率为:
fl(i—p⑷)
\/=!
丿/=1
第二章一维随机变量及其分布
定义:
设X=x(w)是定义在样本空I'可Q上的实值单值函数,则称X二x(w)为一维随机变量。
三种常见的离散型随机变量:
(1)(01)分布:
P{X=/:
}=PkQ]~k(k=0,1,....)P+Q=l;
数学期望和方差:
E(x)=p\D^x)=-p)
⑵二项式分布(X〜b(n,p)):
P^X=k}=pkQ}k(q=l-p)乜丿
数学期望和方差:
E(x)=np,D(x)=np(l-p)
⑶泊松分布(X〜兀(刃):
p{x=
k\
数学期望和方差:
E(x)=2;D(x)=A
定义:
设X是一个随机变量,x是任意实数,函数F(x)=P{X其儿何意义为随机变量X落在实数x左边的概率。
考点:
⑴概率的有限可加性
(2)F{x2)-F(兀1)=P\x{-0
例3:
随机变虽X的分布律
X
-1
0
1
Pk
0.25
0.5
0.25
求:
⑴X的分布函数;
(2)p{o解:
⑴①当xv-1时,F(x)=0;②当・lWx<0时,F(x)=-;
113
③当OWx01-43-4
-
\^r/
F(
424'
XY—1
一ISyO
0SY1
x>\
3i3
(2)P{0定义:
对于随机变量X的分布函数F(X),如果存在非负函数f(x),使对于任意实值实
X
数有r(x)=j;则X称为连续随机变f(x)称为随机变量的概率密度。
-00
x2
考点:
例4:
X分布函数为F(x)JA(1-Dx-°,求常数a和P{1yxW3}[0XY0
000CO
解:
⑴令JF{x)dx=jjA(1-Cx)=1;
-oo-000
解得,A=1o
(2)P{1Y兀V3}=F(3)-F(l)=]_广3_(i_g-i)=『一「3
三种重要的连续型随机变量:
⑵指数分布X〜E(X)
概率密度/(X)=
2「川兀Ao
0x<0
;分布函数
数学期望和方差:
E^x)=a+b
l-r^xao
o其他
;数学期望和方差:
E(x)=];D(x)=
A,
⑶正态分布X〜N(“q2)
当U=0;0二1时,为标准正态分布/(%)=——£2V2tt
引理:
正态分布X〜则丫=荃二理〜N(0,l)
(7
例5:
X〜M&4?
)求<16};P{X<0};P{12^X<20}
解:
P{X<16}=』△二^<仝=0
(2)=0.9770由标准正态分布表查的)I44)
例6:
若随机变量X〜nQ,/\且P(2Y兀54)=0.3,求P&<0}
z了2、
P{xx-2<0-2
b(T
=0
0.2
而0(0)=0.5;所以0—=0.8匕丿
随机变量的函数分布:
一般地,我们先求Y的分布函数,再求Y的概率密度,在求Y的分布函数时,设法将其转化成X的分布函数。
例7:
随机变量的函数分布1
设随机变量X〜N0q2\试证明X的线性函数Y二aX+b也服从正态分布。
证:
分别记X,Y的分布函数为FxC4"(y)
设a>0时,下面先來求Fr(y);Fy(y)=P{Yi
而X的概率密度为=心(—OOYXYOO)
冷2兀(7
(y-⑷卄〃))2
I2如2(_00YyY
($-(0“+”))2
当a<0时,同理可得九(兀)=——
V2^-I6/ICT
(―00YyY00)
2(iq)2
故Y二aX+b~N(au+b,(a。
)2)服从正态分布。
当取心=丄,b=-出时,Y=±±〜/v(o,i)°
(7(7(J
例8:
随机变量的函数分布2
设随机变量X具有概率密度fxGX—OOYXYOO)求Y=X2的概率密度。
解:
分别记X,Y的分布函数为Fx(x);Fy(j);先来求FrG);
由于y=X2>0故当yWO时,Fy(y)=O:
当y>0时,FY{y)=P{y将Fy(y)关于y求导,得到K=X2的概率密度为:
y<0
第三章多维随机变量及其分布定义:
设X,Y是定义在样本空间Q上的两个随机变量,则(X,Y)称为二维随机变量,对于任意实数涵数y)=p{(x几何意义:
若将二维随机变量(X,Y)看成是平面上随机点(x,y)的坐标,则分布函数F(X,/)=P{(X<^)n(K定义:
如果二维随机变量(X,Y)可能取得的值(x,y)只有有限对或有限可列对,则称(X,Y)是二维离散型随机变量。
定义:
设二维随机变量(X,Y)的分布函数是F(X,y),如果存在非负的函数/(x,y),使得对于任意的x,y有F(X,Y)=J]7(兀,)归加歹则称(X,Y)是连续型随机变量,函数/(忑对称为二维随机变量(X,Y)的概率密度或称随机变量X和Y的联合概率密度。
例9:
二维随机变量
则F(x,y)=
xA0;yA0
其他
(i-r2x^-ry)
o其他
试求:
⑴分布函数F(x,y);⑵P{xy}
边缘分布
定义:
对于二维随机变量(X,Y),随机变量X和Y各自的分布函数称为二维随机变量(X,Y)关于X和Y的边缘分布函数,分别记为代("耳(对。
X00
设二维随机变量(X,Y)的概率密度/(兀,y);于是Fx(x)=F(x,oo)=jj/(x,y)dydx
-00-00
co
则X是一个连续型随机变量,其概率密度为fx(x)=j/(x,y)dyo
-00
y8
同理;FY(y)=F(y,oo)=jj/(x,y)dxdy
-00-00
00
则X是一个连续型随机变量,其概率密度fY(y)=]7(尢』冷。
-OO
例10:
边缘分布
设二维随机变量(X,Y)在区域G=^y)\00000
缘概率密度fx(X)=j/(x,y\ly;fy(y)=J/(x,y\lx
—00—00
解:
经画出G区域,不难得到二维随机变量(X,Y)的概率密度:
0其他
00
AW=]f(^y)dy=<^y=
0-80
00
fy(y)=J/(X,)归兀=”
一8
条件分布
定义:
设(X,Y)的概率密度为f(x,y);A(x),A(y)分别为关于X和Y的边缘概率
密度’若A(y)>0时,我们把FxlY(x\y)=p{x<
称为在Y=y条件下X的条件分布函数记为FxlY(x\y);
其在Y=y条件下X的条件概率密度为fX]Y(x|y)=+喘
同理,在X二x条件下Y的条件分布函数为%(y\x)=P{Y其在X=x条件下Y的条件概率密度为佩x(yI兀)=";”fx(兀)
例11:
条件分布
]
设随机变量X和Y具有概率密度/(x,y)=~+求/级(兀|〉,)=旦宁¥
0其他九(刃
00
解:
九(y)=
_8
2』ly?
71
0
lyl
其他
fx\Y(xI丁)=号IS'='2』1-b
兀$Ji-b
其他
定义:
设F(x,y);Fx(x),你(y)分别为二维随机变量(X,Y)的分布函数及边缘分布函数,若对所有x,y,有P{X称随机变量X和Y是相互独立的。
10<%<1
例12:
两个随机变量的函数分布设随机变量X,Y相互独立,其概率密度分别为/X(x)
ryvao
fy(y)=
o2他,求随机变量z=x+y的概率密度。
解:
(法一):
利用卷积公式
Q~X~1时,卷积公式的被积函数才不等于零。
由/z(z)=—兀加及办(兀),人(丁)的定义知
\r(z~x}dx
°0YZY1
Z
所以,/z(z)=
"七叫兀Z>1
其他
i-rzoyzyi
积分得fz(z)=U^-i)rzz>i
0其他
(法二):
常规解法
(
f-yn0o"矗
则随机变量Z的分布函数为F(z)=p[z1当刁<0时,F(z)=0
2当OWz<1时,F(z)=JjCydydx-C~+z—1
3当z21时,F(z)=JJC-dydx-1+(1-0)0
0ZY0
所以,F(z)=«
rz+z-iowzyi
1+(1-片Z>1
第四章数字特征(数学期望、方差和协方差及相关系数)
定义:
数学期望反映随机变量X所収数值的集中位置。
数学期望的计算:
1•一维随机变量:
⑴离散型:
;=1
00
⑵连续型:
£(%)=jxf(x)dx
-00
00
⑶函数型:
E(g(x))=jg{x)f{x\lx
-
80000
⑵连续型:
E(X)=jxfx(x)dx=JJ#(x,y^txdy
-00
--co
0088
E(Y)=Jyfy(y)dy=JJyf{x,y)dxdy
—oo—co—co
重要常用性质:
⑴E(C)=C(C为常数)
⑵E(CX)=CE(X)
(3)E(x+r)=E(x)+E(y)
⑷E(xy)=E(x)E(y)
例13:
设X〜M“,b2),求E(X)
解:
Y=〜w(o,i),E(Y)=0
X=o-Y+jli
所以;E(x)=E\oY+//]=oE(y)+//=//
定义:
方差反映了随机变量X取值的分散程度,若X的収值比较集屮,则D(x)小;若X取值分散,D(X)大。
D(X)=[x-E(X)]2
即方差为函数g&)=[x-E(X)『的数学期望。
方差的计算:
8
⑴D(X)二工g—E(X))k
/=1
00
(2)D(X)=f(x;.-E(X))2f(x)dx
-oo
⑶Z)(X)=E(X2)-[e(x)『
常用重要性质:
⑴D(c)=0(C为常数)
⑵d(cx)=c2d(x)
(3)D(X±y)=D(x)+D(y)±2E[(x-E(X)Xv-£(/))]
若X和Y相互独立,则D(X±Y)=D(X)-fD(Y)
协方差与相关系数⑴随机变量X和Y相互独立时,
协方差:
co\(X,Y)=E[(x-£(X)Xy-E(r))]=£(xr)-E(X)E(Y)=0
⑵随机变量X和Y不相互独立时,按下式计算:
相关系数:
pxy
cov(x,y)
JD(X)D0)
协方差:
cov(x,y)=e[(x-E(X)Xy-E(y))]=E(XY)—E(X)E(Y)
常用重要性质:
(l)co«X,X)=D(X)
⑵co\(dX"丫)=c仍co\(x,y)
⑶cov(C,X)=0(C为常数)
第五章大数定律及中心极限定理
⑴伯努利大数定律:
(一般不考察)
⑵徳英佛拉普拉斯中心极限定理:
例14:
德莫佛拉普拉斯中心极限定理
在一家保险公司有一万人参保,每人每年支付12元保险费,在一年内这些人死亡的概率都为0.006,死亡后家属可向保险公司领取1000元,试求:
⑴保险公司一年的利润不少于六万元的概率;
⑵保险公司亏本的概率。
解:
设参保的一万人中一年内死亡x人,则X〜方(1000Q0.006)
其分布律为P{X=k}=\OOO%.OO6aO.994ioooo~a(k=0,1,....J000()Ik)
由题设知一年的利润为120000-100(k=100((120-x)元
nx-60120-60
=P\>
I7.727.72
=l—0(7.77)uO
⑵
P{100((120-兀)y0}=P{xA120}
1
第六、七、八章数理统计知识
(包括统计量、正态分布统计量分布、参数估计、无偏估计、置信区间及假定检验)
总体:
被研究的对象的全称
个体:
组成总体的个元素
抽样:
从总体屮抽取若干个个体的过程
样本:
抽样结果得到X的一组试验数据
样本容量:
:
样本中所含个体的数量定义:
若样本函数g(X|,X2,・・.,X”)中不含有任何未知量,则称这类样本函数为统计量
样本均值:
nf=l
样本方差:
1“
元)2
川一1気
-阶矩:
心£
二阶矩:
=—
~ni=l
例15:
正态分布统计量分布
/2\y
设总体X服从正态分布X〜,则X-N/A—,即Y=—t~N(O,l)
证明:
因为随机变量X],X2,・・.X”相互独立,并且与总体X服从相同的正态分布
所以有正态分布的性质可知:
他们的线性组合x=-Yxi=Y-xi服从正ni=\<=in
参数估计
定义:
设8为总体X的待估计参数,用样本XI,X2,…,Xn的一个统计量j=&(X「X2,…Xj来估计0,则称0(X],X2,・・・,Xj为0的点估计,对应于样本观测值XI,X2,…,Xn,称久X|,X2,・..,Xn)为。
的点估计量。
例16:
矩估计
设总体x服从[q,&2加y&2)上的均匀分布,即密度函数为
]/(兀,&|6)二慨一&11-2,其中仇0未知,XI,X2,…,Xn是一个样本,
「0其他
求q,&2的矩估计。
解:
因为总体x服从[g’eXGye)上的均匀分布,所以其数学期望和方差分别为:
解得:
$2二
令E(X)=色尹二耳;瓦X彳)=D(X)+[E(X)]2=/+
例17:
矩估计
设XI,X2,…,Xn是來自总体的一个样本,并且总体X的均值和方差分别为“;cr?
都存
在,且/aO,试求总体的数学期望和方差的矩估计〃=E(X);&2=D(X)。
解:
E(X)”挣,E(XS
E(X2)=D(X)+[E(X)『=>E(x2)=cr2+
解上述方程组得:
/}=x;d2=^-s2n
例18:
极大似然估计
设XI,X2,・・・,Xn是来自总体N(“q2)的样本取值,其中,“;/是未知参数,试求“Q?
的极大似然估计(一00Y“Yoo;b2》0)
L(^^2)=fl
;=1
ex
=>厶(“,/)=
(一00Y兀Y00)
解:
似然函数为:
整理得:
1点(“,十)]=_£ln(2%)_£In/-占£(兀_mF
222(j/=1
有似然方程组:
a
n
2(j22a
(1n[血q2)])=A£(兀“=0mPCT/=1
(1点(“,/)])二—昙一占工(石一")2=01=1
解方程组得到“;/的极大似然估计值:
〃丿立『元3=丄立兀t—
总结:
⑴指数分布的似然函数:
幵(n
厶⑷二口矿心二/ex^—兄工兀
;=1I1=1
整理得:
In[厶伉)]=川口(/1)一2£乞
/=!
⑵泊松分布的似然函数:
”lXi
1=1兀厂
fl乞!
1=1
定义:
(无偏估计)设0=^X],X2,・・・,X”)为未知参数0的估计量,若对任意0eQ有粛)=0,则称4(X|,X2,・・.,Xj是0的无偏估计量。
定义:
设玄和是参数B的两个无偏估计量,若对任意。
丘6)有D@J5D02)I1至少存在某一个使得上式成为严格不等式,则称自较玄有效。
例19:
无偏估计
设XI,X2,…,Xn是来自总体的样本,作为总体均值的估计有
T、=X=丄£兀込=X訂3=£厲兀,其中®A0(,=1,2,3,...,斤),且=1
nZ=1/=]z=l
试求:
⑴试证7]込;右都是无偏估计;⑵如总体X的方差£>(兀)存在,试问哪一个更有效。
解:
(1)X1,X2,…,Xn相互独立且共同服从总体分布,故E(£)=E(x)(i=12・・・m)
£(^)=-£Xxz=£(x);
n
有数学期望的性质有:
E(T2)=E(x1)=E(x);
(n\n
/=!
e(t.)=eS
所以刁;3;右都是无偏估计。
d(Ti)=1d(4
且比
1=1
n
D(T2)=D(x);
D(Tj=h(d
i=l
所以,T}=X是最有效的估计量。
定义:
(置信区间)设总体X的分布中含有未知数B,^F(XpX2,...,Xj和&上(X|,X2,・..,X”)是由样本XI,X2,…,Xn确定的两个统计量,对很小的数