新版概率论与数理统计知识点总结.docx
《新版概率论与数理统计知识点总结.docx》由会员分享,可在线阅读,更多相关《新版概率论与数理统计知识点总结.docx(20页珍藏版)》请在冰豆网上搜索。
新版概率论与数理统计知识点总结
第1章随机事件及其概率
(1)排列组合公式
P:
、-加从m个人中挑出n个人进行排列也许数。
(m-n)!
-从m个人中挑出n个人进行组合也许数。
//!
(/«-77)!
(2)加法和乘法原理
加法原理(两种办法均能完毕此事):
m+n
某件事由两种办法来完毕,第一种办法可由m种办法完毕,第二种办法可由n种办法来完毕,则这件事可由m+n种办法来完毕。
乘法原理(两个环节分别不能完毕这件事)mXn
某件事由两个环节来完毕,第一种环节可由m种办法完毕,第二个环节可由n种办法来完毕,则这件事可由mXn种办法来完毕。
(3)某些常用排列
重复排列和非重复排列(有序)对立事件(至少有一种)
顺序问题
(4)随机实验和随机事件
如果一种实验在相似条件下可以重复进行,而每次实验也许成果不止一种,但在进行一次实验之前却不能断言它浮现哪个成果,则称这种实验为随机实验。
实验也许成果称为随机事件。
本样和基'间
5)件空件{领本事
在一种实验下,不论事件有多少个,总可以从其中找出这样一组事件,它具备如下性质:
1每进行一次实验,必要发生且只能发生这一组中一种事件:
2任何事件,都是由这一组中某些事件构成。
这样一组事件中每一种事件称为基本领件,用©来表达。
基本领件全体,称为实验样本空间,用Q表达。
一种事件就是由。
中某些点(基本领件构成集合。
通惯用大写字母A,B,C,…表达事件,它们是£1子集。
C为必然事件,0为不也许事件。
不也许事件(0)概率为零,而槪率为零事件不一定是不也许事件;同理,必然事件(Q)概率为1,而概率为1事件也不一宦是必然事件。
(6)事件关系与运
1关系:
如果事件A构成某些也是事件B构成某歧,G发生必有事件B发生):
AaB
如果同步有AuB,BnA,则称事件虫与事件3等价,或称川等于月:
A=Bc
A.3中至少有一种发生事件:
SU3或者卅民
属于兔而不属于万某些所构成事件,称为A与B差,记为也可表达为人如或者ABf它表达兔发生而方不发生事件。
A.方同步发生:
或者肋。
AnB=0,则表达A与B不也许同步发生,称事件A与事件B互不相容或者互斥。
基本领件是互不相容。
O-A称为事件A逆事件,或称A对立事件,记为刁。
它表达A不发生事件。
互斥未必对立。
2运算:
结合率:
A(BC)=(AB)CAU(BUC)=(AUB)UC
分派率:
(AB)UC=(AUC)A(BUC)(AUB)nC=(AC)U(BC)
德摩根率:
7IA\JB=AQB9aC\b=a\jb
(7)概率公理化定义
设。
为样本空间,A为事件,对每一种事件A均有一种实数P(A),若满足下列三个条件:
1Q0WP(A)£l,
2°P(Q)=1
3°对于两两互不相容事件A,人2,…有
X\x
PCk卜乞叫)
/=|/1=1
常称为可列(完全)可加性。
则称P(A)为事件A概率。
(8)古典概型
rg={®®・・®},
2°/>(©)*(◎)=・・・P(®)=_L
n
设任一事件A,它是由©,血2…©“构成,则有
尸⑷二{(©)11(®)U…U(%)}二P(®)+P@2)++P(%)
_m_A所包含的基本事件数
n基本事件总数
(9)几何概型
若随机实验成果为无限不可数并且每个成果浮现也许性均匀,同步样本空间中每一种基本领件可以使用一种有界区域来描述,则称此随机实验为几何概型。
对任一事件A,
P(A)—L(A)o其中L为几何度量(长度、而积、体积)o
L(G)
(10)加法公式
P(A+B)=P(A)+P(B)-P(AB)
当AB不相容P(AB)=0时,P(A+B)=P(A)+P⑻
当AB独立,P(AB)=P(A)P(B),P(A+B)=P(A)+P(B)-P(A)P(B)
(11)减法公式
P(A-B)=P(A)-P(AB)
当BuA时,P(A-B)=P(A)-P(B)当A二Q时,P(B)=1-P(B)
(12)条件概率
定义设A、B是两个事件,且P(A)>0,则称牛也为事件A发生条件下,事件B发生条件概率,记为P(B/A)=^io
P(A)
条件概率是概率一种,所有概率性质都适合于条件概率。
例如P(Q/B)=1=>P(B/A)=1-P(B/A)
(13)乘法公式
乘法公式:
P(AB)=P(A)P(B/A)
更普通地,对事件A“也…若P(AA・・・・)>0,则有
P(A\Ai…An)=P(Ai)P(A21Ai)P(A31A\Ai)P(An1A1A2…
-J。
(14)独立性
①两个事件独立性
设事件A、B满足P(AB)=P(A)P(B),则称事件A、B是互相独立。
若事件A、3互相独立,且P(A)>0,则有p(b\aJab)」(a)p(b)=p(b)
P(A)P(A)
若事件q.3互相独立,则可得到入与3.A与入与万也都互相
独立。
必然事件。
和不也许事件0与任何事件都互相独立。
0与任何事件都互斥。
②各种事件独立性
设ABC是三个事件,如果满足两两独立条件,
P(AB)=P(A)P(B);P(BC)=P(B)P(C):
P(CA)=P(0P(A)并且同步满足P(ABC)=P(A)P(B)P(C)那么A、B.C互相独立。
对于n个事件类似。
(15)全概公式
设事件BW,…,B“满足
1。
B,B2,,B“两两互不相容,P(B/)>0(i-1,2,■■•,«),
n
AuUB
2°i,
则有
P(A)=P(B"P(A1Bi)+P(B2)P(A182)+・••+P(B"P(A1Bn)
o
全概率公式解决是各种因素导致成果问题,全概率公式题型:
将实验可当作分为两步做,如果规定第二步某事件概率,就用全概率公式;
(16)贝叶斯公式
设事件Bi,・・・,B”及A满足
1°B\,別,…,两两互不相容,P(B「)〉o,i_\,2,…,",
2。
启,P(A)>0,
则
P(B")=®)P(W),i=1,2,
士P(BJP(A/BJ
>=i
此公式即为贝叶斯公式。
P(BJ,(i=l,2,…,"),普通叫先验概率。
P(BJA),(,=1,2,••・,"),普通称为后验概率。
贝叶斯公式反映了“因果”概率规律,并作出了“由果朔因”推断。
将实验可当作分为两步做,如果求在第二步某事件发生条件下第一步某事件概率,就用贝叶斯公式。
(17)伯努利槪型
咱们作了”次实验,且满足
♦每次实验只有两种也许成果,A发生或A不发生:
♦"次实验是重复进行,即人发生概率每次均同样:
♦每次实验是独立,即每次实验A发生与否与其她次实验人发生与否是互不影响。
这种实验称为伯努利概型,或称为〃重伯努利实验。
用"表达每次实验a发生概率,则刁发生概率为\_p=q,用几伙)表达n重伯努利实验中A浮现p伙)=C:
pkq"-*,k=0,1,2,•••,/?
c
第二章随机变量及其分布
(1、宜散型随机变戢分布律
设离散型随机变量X也许取值为Xjk=l,2,-)且取各个值槪率,即事件(X二XJ概率为
P(X=xJ=pk,k=l,2,•••,
则称上式为离散型随机变量X概率分布或分布律。
有时也用分布列形式给出:
P(X=Xk)p,"2,…,严,…
o
显然分布律应满足下列条件:
00
V严=1
(1)*=12…,⑵3o
持机布>随分
2型M度{续变密
设F(x)是随机变量X分布函数,若存在非负函数/(X),对任意实数x,有F(x)=^f(x)dx
9
则称x为持续型随机变量。
/(X)称为X概率密度函数或密度函数,简称概率密度。
密度函数具备下面4个性质:
1、/心0°
cCfWclx=1
2、J-20°
3、P(Xj4、P(x=a)=O,a为常数,持续型随机变量取个别值概率为0
(3)离散与持续型随机变量关系
P(X=x)aP(x积分元f(x)dx在持续型随机变量理论中所起作用与P(X=也)=0在离散型随机变量理论中所起作用相类似。
(4)分布函数
设X为随机变量,x是任意实数,则函数F(x)=P(X称为随机变量X分布函数,本质上是一种累积函数。
P(a分布函数F(x)表达随机变量落入区间(-8,£内概率。
分布函数具备如下性质:
r02°F(x)是单调不减函数,即“V上时,有F(xi)3°F(-oo)=limF(x)=0,F(+oo)=limF(x)=1;
X->-00
4。
F(a+0)=F(x),即F(x)是右持续;
5QP(X=x)=F(x)-F(x-0)o
对于离散型随机变量,F(x)=J;pk:
X
对于持续型随机变量,f(x)=j/uy/xo
—30
(5)八大分布
0-1分布
P(X=l)=p,P(X=O)=q
二项分布
在九重贝努里实验中,设事件A发生概率为°。
事件A发生次数是随机变量,设为X,则X也许取值为0,1,2,…丿。
P(X=k)=PM)=C:
pkq",其中
q=1—p,0
则称随机变量X服从参数为”,p二项分布。
记为X〜B(n,p)。
当八=1时,P(X=k)=]•qi,£=0.1,这就是(0-1)分布,因此(0-1)分布是二项分布特例。
泊松分布
设随机变呈X分布律为
才•
P(X=k)=—宀2>0,k=0丄2…,
k\
则称随机变量X服从参数为2泊松分布,记为X〜兀(刃或者
P
(2)o
泊松分布为二项分布极限分布(np",n-oo
几何分布
均匀分布
P(X=£)=“》/人《=1,2,3,…,其中pMO,q=l-po随机变量X服从参数为P几何分布,记为G(p)。
设随机变疑X值只落在[a,b]内,其密度函数/(X)在[a,b]上为常数丄,即
b-a
fM=
1
b_a
0,
其她,
则称随机变量X在[a,b]上服从均匀分布,记为X-U(a,b)o分布函数为
0,xva,
x-a
iJaWx£b
I1,x>b。
当aWxKxWb时,X落在区间(习,勺)内概率为P(x1指数分布
心x>0
9
0,XV0,
其中久>0,则称随机变量X服从参数为久指数分布。
X分布函数为
x>0
xvO“
记住积分公式:
+00
jxne^xdx=n\o
正态分布
设随机变量X密度函数为
1
=2卅,一QOVXV+OO,
兀b
•其中b〉°为常数,则称随机变量X服从参数为"、o-正态分布或高斯(Gauss)分布,记为X
/(X)具备如下性质:
1°/(X)