概率论与数理统计二.docx
《概率论与数理统计二.docx》由会员分享,可在线阅读,更多相关《概率论与数理统计二.docx(29页珍藏版)》请在冰豆网上搜索。
![概率论与数理统计二.docx](https://file1.bdocx.com/fileroot1/2022-10/26/947f563a-8c1f-45b2-a1c9-730db8fb8100/947f563a-8c1f-45b2-a1c9-730db8fb81001.gif)
概率论与数理统计二
内容串讲
第一章随机事件及其概率
1.事件的关系与运算
必然事件:
—随机试验全部结果构成的集合。
不可能事件:
一般事件A:
若A、B为两事件若,则其蕴含:
“A发生导致B发生”。
若,这表示A发生时,B必不发生,反之亦然。
若A-B=A,则AB=φ;
若AB=A,则;
若A∪B=A,则BA。
若为n个事件,由它们的运算可产生诸多新事件,如
等等。
例1事件发生等于“至少有1个发生”。
2.常用概率公式
(1),,
(2)若,则
(3);当,则
(4)
(5)
(6)若两两互不相容,则
(7)若相互独立,则
例2设
则
3.古典概型
古典概型:
当随机试验的结果为有限个且诸结果等可能发生时,任一事件A的概率为
例3从五个球(其中两个白球、三个红球)中任取两球,设A:
取到两个白球;B:
一白一红球,求
(1)无放回抽样:
(2)有放回抽样:
每次有放回的取一球,连取两次
[注]:
若设X为两次有放回取球中取到白球数,则~,从而
4.条件概率
(1)若,则,其中A为任一事件。
(2)乘法公式:
(其中)
例4箱中有两白球、三红球,表第次取到白球,则
P(“前两次取到白球”)
P(“第一次取到白球,第二次取到红球”)
(3)全概率公式:
设是一完备事件组(或的一个划分),即:
,(即诸互不相容)且,则对任一事件A有
(4)Bayes公式
例5某工厂生产的产品以100个为一批,在进行抽样检查时,只从每批中抽取10个来检查,如果发现其中有次品,则认为这批产品是不合格的,设每批产品中的次品最多不超过4个,并且恰有个次品的概率如下
(1)求各批产品通过的概率;
(2)求通过检查的各批产品中恰有i个次品的概率。
解:
(1)设事件是恰有个次品的一批产品,则由题设
设事件A是这批产品通过检查,即抽样检查的10个产品都是合格品,则我们有
由全概率公式,即得
(2)由Bayes公式,所求概率分别为
5.事件的独立性
(1)定义:
A、B相互独立等价于
(2)若相互独立,则有
(3)有放回抽样中的诸事件是相互独立的。
例6袋中有3白球,2个红球,今有放回的抽取3次,求先后抽到(白、红、白)的概率
解:
设表第次抽到的白球,则所求为
(4)在n重贝努利(Bernoulli)试验中,若每次试验事件A发生的概率为,即,则事件A发生K次的概率为
例7一射手对同一目标独立射击4次,每次射击的命中率为0.8,求:
(1)恰好命中两次的概率;
(2)至少命中一次的概率。
解:
由于每次射击相互独立,故本题可视为的贝努利试验,其中
(1)设:
“4次射击恰命中两次”,则
(2)设B:
“4次射击中至少命中一次”,表“4次皆未命中”,则
第二章随机变量及其概率分布
1.离散型随机变量
例1设 ,则
2.常见离散型随机变量
(1)0—1分布:
设~,则
应用背景:
一次抽样中,某事件A发生的次数~,其中
例2设某射手的命中率为p,X为其一次射击中击中目标的次数,则X~
(2)二项分布:
设X~,则
应用背景:
n次独立重复抽样中某事件A发生的次数X~,其中为事件A在一次抽样中发生的概率。
例3 某射手的命中率为0.8,X为其5次射击中命中目标的次数,则X取的可能值为,,即X~
记住:
若X~,则,
(3)泊松(Poisson)分布
若则称X服从参数的泊松分布,且,记X~,
应用背景:
偶然性事件发生的次数X一般服从某个参数的泊松分布,如某地的降雨的次数,车祸发生的次数等等。
另外,当Y~,且n很大,P很小时,令,则
例4一个工厂生产的产品中的次品率0.005,任取1000件,计算
解:
设X表任取的1000件产品中的次品数,则X~,由于n很大,p很小,令
则
(1)
(2)
3.随机变量的分布函数:
X的分布函数为
,
的性质:
①
②若,则
③
④,
例5设X的分布函数,其中,则b=______.
解:
由知(因为)
由,及题设时,故
综上有,即
例6设X的分布函数
求
解:
4.连续型随机变量
若,其中任意,则称X为连续型随机变量。
此时,;
其中为X的概率密度,满足(注意与分布律的性质:
相对照)
例7设X的概率密度为,则c=________
解:
由知,故
5.常见连续型随机变量
(1)均匀分布:
设X~,则,
,
例8设X~,且,则a=______
解:
易知且,即解得
(2)指数分布设~,则,
,
应用背景:
描述电子元件,某类动物的寿命,或服务时间等。
例9设X为某类电子元件的寿命,求这类元件已经使用t时,仍能正常工作的概率(设X~)
解:
由题意所求为
(3)正态分布,设~,则
,
,
特别,当~时,称服从标准正态分布,其密度函数记为分布函数记为
常用公式:
①若~,则,
,*
②若~,则
6.简单随机变量函娄的概率分布
例10设 ,求的概率分布。
解:
由题设,X的可能值为,故的可能值为
而
故
例11设X~,求的分布密度函数
解:
先求Y的分布函数:
,当;当时
再求Y的分布密度函数
故
第三章多维随机变量及其概率分布
1.二维随机变量
的分布函数
X的分布函数
Y的分布函数
2.离散型的分布律
(与比较)
例1 设的分布律为
求
(1)
(2)
(3)
(4)
(5)
解:
(1)由知
解得
(2)
(3)
(4)(5)
3.连续型的分布密度
设D为平面上的区域,为的分布密度,则其满足:
特别,
若X,Y相互独立,则有,,其中分别为X的边缘分布函数和分布密度,分别为Y的边缘分布函数和分布密度。
4.常见二维连续型分布
(1)平面区域D上的均匀分布:
设D的面积为,服从D的均匀分布,则的分布密度为
例2设,即D为xy平面上的单位园域,则,设服从D上的均匀分布,则其*
解:
设具有D上的均匀分布,A为平面上的某一区域,则,其中表示A与D公共部分的面积。
例3(续例2)求
解:
(2)二维正态分布*,设具有该分布,则其概率密度为
*
此时X的边缘密度,即~故
Y的边缘密度,即Y~,故,
P为X,Y的相关系数,可知当时,,即X,Y相互独立,这是一个重要结论:
在正态分布的场合:
不相关等价于相互独立。
另外,可知*
例4设X~,Y~,两者相互独立,求的分布密度
解:
由相互独立知~
第四章随机变量的数字特征
1.单个随机变量的期望
例1设 ,则
例2设X的分布密度为,则
2.单个随机变量函数的期望
设X为随机变量,是普通函数,则是随机变量,且
*
例3设X的分布如例1,求的期望
解:
例4设X的分布密度如例2,求的期望
解:
当(其中)时,,即为X的方差
例4设
则,
(方差大者,取值分散)
[注]:
是重要常用公式
例5设随机变量X具有概率密度,求DX
解:
因是分段函数,故求时也要随之分段积分
于是
3.函数的期望
设是普通函数,则是随机变量,其数学期望EZ等于
例6设分布律为 ,
则
例7设的分布密度,则
当时,其中,则
是X,Y的协方差,即
(重点)
当时,其中
*为X,Y的相关系数
期望的重要性质
(1)(常数)
(2)
(3)
推广:
(4)若X,Y相互独立,则
方差的重要性质
(1)
,其中c为常数
(2)
特别
(3)若X,Y相互独立,则
(4)
例8设X,Y相互独立,且,则
协方差的运算性质:
(1)
(2),其中a,b为常数
(3)
(4)若X,Y相互独立,则,从而,即X与Y不相关
[注]:
一般地,若X,Y独立,则X,Y必不相关(即);反之不真,即X,Y不相关推不出X,Y独立。
重要特例是:
若为正态分布,则X,Y独立等价于X,Y不相关(即)
例9设的分布律为 ,求
解:
易知
故,,
,
*
例10设~,则*
例11设为连续型,则X与Y不相关的充分必要条件是_______(选择题)
(A)X,Y独立(B)(C)
(D)~
解法1(排除法):
排除(A),因X,Y独立不相关(故非充要条件);排除(B),这一等式成立不需任何条件;排除(D),由服从正态分布及知X,Y独立,从而不相关,但并非正态场合才有这一结论故选(C)
解法2(直接证明):
当时,,故X,Y不相关;反之亦然。
第五章大数定律与中心极限定理
1.贝努利大数定律
贝努利大数定律:
设,为A在n次观测中发生的频率,则对任给的正数有
2.中心极限定理
设相互独立,同分布,从而它们有相同的期望和相同的方差
,其中为标准正态分布函数
[注]:
中心极限定理的含义是:
大量随机变量的和近似正态分布,即当n很大时近似某正态分布,为了便于查表近似计算,将标准化(从而标准化后其近似分布)
故上述随机变量的分布函数,即
在应用中心极限定理,大多用上式的形式
更进一步的特别场合为:
若相互独立同分布时,上式化为
这一式子在应用也较为常用
例1计算机进行加法计算时,设所取整误差是相互独立的随机变量,且都服从,求300个数相加的误差总和的绝对值小于10的概率。
解:
易知第i个加数的误差满足:
~,,故
故所
第六章统计量及其抽样分布
1.设总体~
则其样本相互独立,同分布,n为样本容量
从而~
~
例1设总体X~,则从而其样本的联合密度函数为
~
2.常见统计量
常见统计量:
设总体为X,为其样本,
不含任何未知参数的样本的函数称为统计量
(1)样本均值,,,这结论对任何总体都成立。
进一步的,若总体X~,则~,从而~
(2)样本方差,
,
(3)若总体X~,则有与相互独立,且
~
~*
(4)若总体X与总体Y相互独立,与分别为其样本,X~,Y~
,其中,,则
~
进一步的,若,则有
~
其中
3.关于分布的密度曲线及分位数
(1)分布
若~,则,
从而
而F分布的密度曲线与上图相似。
(2)分布
若~,则
t分布的密度曲线关于y轴对称,故有
例2设总体~,是容量n的样本均值,求
解:
由总体~,知,,
故,
例3设总体X~,为其样本,则
证明:
∵~
∴
即
第七章参数估计
1.矩法估计:
矩估计的实质是用样本矩作为总体相应矩的估计量
设X为总体,,,为其样本
则的矩估计
的矩估计
例1设总体~,其中皆未知,为其样本,求的矩估计
解:
因为,故
,故
例2设总体~,未知,求的矩估计
解:
因为,故(矩法方程),由此解得,即为的矩估计
例3设总体~,其中,未知为其样本,求P的矩估计
解:
由,故P的矩估计
2.极大似然估计
设总体X,具有概率密度函数,其中为未知参数,其变化范围为,为其样本,则似然函数为
若存在使{},则称为的极大似然估计
一般求法:
①由题设,求出的表达式
②取对数:
*
③求导并令其等于0,建立似然方程*
④解之即得的极大似然估计
例4设是总体X的样本,总体概率密度为
求的矩估计和极大似然估计
解:
(1)由解得为之矩估计
(2)似然函数