概率论与数理统计知识点总结免费超详细版docWord格式.docx
《概率论与数理统计知识点总结免费超详细版docWord格式.docx》由会员分享,可在线阅读,更多相关《概率论与数理统计知识点总结免费超详细版docWord格式.docx(16页珍藏版)》请在冰豆网上搜索。
![概率论与数理统计知识点总结免费超详细版docWord格式.docx](https://file1.bdocx.com/fileroot1/2023-2/4/ab184b06-7f16-4c95-ba27-9430a2b42ce3/ab184b06-7f16-4c95-ba27-9430a2b42ce31.gif)
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A0P(A)1
(2)规范性:
对于必然事件SP(S)1
(3)可列可加性:
设Ai,A2,,An是两两互不相容的事件,有P(Ak)P(Ak)(n可
k1k1
以取)
2.概率的一些重要性质:
(i)P()0
(iii)设A,B是两个事件若AB,则P(BA)
(iv)对于任意事件A,P(A)1
(v)P(A)1P(A)(逆事件的概率)
(vi)对于任意事件A,B有P(AB)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a{兔}{^2}{ek},里
,ik是12n中某k个不同的数,则有
5.条件概率
(1)定义:
设A,B是两个事件,且P(A)0,称P(B|A)P(AB)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)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
P(BiA)P(BiA)
i1i1
(3)乘法定理设P(A)0,则有P(AB)P(B)P(A|B)称为乘法公式
(4)全概率公式:
P(A)
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
第一章
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{e}.XX(e)是定义在样本空间S上的实值单值函数,称XX(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
P(XXk)Pk满足如下两个条件
(1)Pk0,
(2)Pk=1
k1
2.三种重要的离散型随机变量
(1)(0-1)分布
设随机变量X只能取0与1两个值,它的分布律是P(Xk)pk(1-p)1-k,k0,1(0p1),则称X服从以P为参数的(0-1)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)p(0p1),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。
P(Xk)npkqn-k,k0,1,2,n满足条件
(1)Pk0,
(2)Pk=1注意
kk1
到npkqn-k是二项式(pq)n的展开式中出现pk的那一项,我们称随机变量X服从参数
k
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
ke-
P(Xk)——,k0,1,2,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{Xx},-x
称为X的分布函数
分布函数F(x)P(Xx),具有以下性质
(1)F(x)是一个不减函数
(2)
0F(x)1,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)f(t)dt,则称x为连续性随机变量,其中函数f(x)称为X
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)
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
服从参数为的指数分布。
(3)正态分布
(X)2
型随机变量X的概率密度为f(x)1一,
()厅
(0)为常数,则称X服从参数为,的正态分布或高斯分布,记为
,2)
5随机变量的函数的分布
1二维随机变量
的随机变量,称XX(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{(Xx)
(Y
y)}记成P{Xx,丫y}称为二维随机变量(
X,Y)的
分布函数
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(Xxi
,Y
yj)Pij,i,j1,2,为二维离散型随机变量(
分布律。
对于二维随机变量
(X,Y)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f(x,y)f(u,v)dudv,则称(X,Y)是连续性的随机变量,
函数f(x,y)称为随机变量(X,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(X,Y)作为一个整体,具有分布函数F(x,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(X,Y)
关于X和关于Y的边缘分布函数。
Pi?
PijP{XXi},i1,2,
j1
分别称pi?
P?
j为(X,Y)关于X和关于Y的边缘分布律。
fY(y)为X,Y关于X和关于Y的边缘概率密度。
3条件分布
为在XXi条件下随机变量X的条件分布律。
fY(y)〉°
,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{Xx,Yy}P{Xx}P{Yy},即
F{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fX丫⑵f(zy,y)dy或fXY(z)f(x,zx)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
fxY(z)fx(zy)fY(y)dy和fx丫⑵fx(x)fy(zx)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、ZXY的分布
X
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,ZXY
仍为连续性随机变量其概率密度分别为fYx(z)xf(x,xz)dx
fxY(z)]1f(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
XX
为fx(x),fY(y)则可化为fYx(z)fx(x)fY(xz)dx
3Mmax{X,Y}及Nmin{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
Mmax{X,Y}不大于z等价于X和Y都不大于z故有P{Mz}P{X乙丫z}又
由于X和Y相互独立,得到Mmax{X,Y}的分布函数为Fmax(z)Fx(z)Fy(z)
Nmin{X,Y}的分布函数为Fmin(z)11Fx(z)1Fy(z)
第四章随机变量的数字特征
1•数学期望
Pk,k=1,2,…若级数XkPk绝对k1
收敛,则称级数XkPk的和为随机变量X的数学期望,记为E(X),即E(X)xkPk
k1i
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)xf(x)dx
定理设Y是随机变量X的函数Y=g(X)(g是连续函数)
(i)如果X是离散型随机变量,它的分布律为P{Xxk}pk,k=1,2,…若g(xk)pk
绝对收敛则有E(Y)E(g(X))g(xk)pk
(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
有E(Y)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)C
2设X是随机变量,C是常数,则有E(CX)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)E(X)E(Y)
2方差
22
定义设X是一个随机变量,若E{XE(X)}存在,则称E{XE(X)}为X的方
2匚
差,记为D(x)即D(x)=E{XE(X)},在应用上还引入量,D(x),记为(X),称为标准差或均方差。
222
D(X)E(XE(X))2E(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)CD(X),D(XC)D(X)
3设X,Y是两个随机变量,则有D(XY)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{XE(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
P{X-}—成立
3协方差及相关系数
定义量E{[XE(X)][YE(Y)]}称为随机变量X与Y的协方差为Cov(X,Y),即
Cov(X,Y)E[(XE(X))(YE(Y))]E(XY)E(X)E(Y)
工Cov(X,Y)
而xy称为随机变量X和Y的相关系数
*」D(x)佢YT
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)Cov(Y,X),Cov(aX,bY)abCov(X,Y)
2Cov(X!
X2,Y)Cov(X!
Y)Cov(X2,Y)
定理1XY1
2XY1的充要条件是,存在常数a,b使P{Yabx}1
当xy0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
0p1
P{Xk)pk(1p)i,k0,1,
p
p(1p)
二项式分布
n1
P(Xk)Cnpk(1p)nk,k0,1,n,
np
np(1p)
泊松分布
ke
P(Xk),k0,1,2,
几何分布
P(Xk)(1p)p,k1,2,
丄
1p
2p
均匀分布
ab
1.一、,axb
f(x)ba,
0,其他
(ba)2
12
指数分布
1X.c
f(x)_e,x0
0,其他
正态分布
1
f(x)—e2J2
第五章大数定律与中心极限定理
1.大数疋律
弱大数定理(辛欣大数定理)
设X1,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)(k
1n
1,2,)•作前n个变量的算术平均一Xk,则对于任意
nk1
2中心极限定理
定理一(独立同分布的中心极限定理)
设随机变量
Xi,X2,,Xn相互独立,服从同一
分布,且具有数学期望和方差
E(XJ
D(Xk)
(k=1,2,…),则随机变量之和
n
E(Xk)k1
D(Xk)
Xkn
i1
n,
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
和方差E(Xk)
k,D(Xk)
k0,k1,2记Bn
定理三(棣莫弗-拉普拉斯定理)设随机变量n(n1,2,)服从参数为n,p(Op1)的
nnp
二项分布,则对任意x,有limP{
nv'
np(i__p)
X}
1et22dt
(x)