概率论与数理统计复习提纲.docx
《概率论与数理统计复习提纲.docx》由会员分享,可在线阅读,更多相关《概率论与数理统计复习提纲.docx(48页珍藏版)》请在冰豆网上搜索。
概率论与数理统计复习提纲
第一章随机事件及其概率
一、随机事件及其运算
1.样本空间、随机事件
①样本点:
随机试验的每一个可能结果,用表示;
②样本空间:
样本点的全集,用表示;
注:
样本空间不唯一.
③随机事件:
样本点的某个集合或样本空间的某个子集,用A,B,C,⋯表示;
④必然事件就等于样本空间;不可能事件()是不包含任何样本点的空集;
⑤基本事件就是仅包含单个样本点的子集。
2.事件的四种关系
①包含关系:
A
B,事件A发生必有事件
B发生;
②等价关系:
A
B,事件A发生必有事件
B发生,且事件B发生必有事件
A发生;
③互不相容(互斥):
AB
,事件A与事件B一定不会同时发生。
④对立关系(互逆):
A,事件A发生事件
A必不发生,反之也成立;
AA
互逆满足
AA
注:
互不相容和对立的关系(对立事件一定是互不相容事件,但互不相容事件不一定是对立事件。
)
3.事件的三大运算
①事件的并:
AB,事件A与事件B至少有一个发生。
若AB,则ABAB;
②事件的交:
AB或AB,事件A与事件B都发生;
③事件的差:
A-B,事件A发生且事件B不发生。
4.事件的运算规律
①交换律:
ABBA,ABBA
②结合律:
(AB)CA(BC),(AB)CA(BC)
③分配律:
A(BC)(AB)(AC),A(BC)(AB)(AC)
nn
④德摩根(DeMorgan)定律:
二、随机事件的概率定义和性质
ABAB,
ABAB
Ai
Ai,
对于n个事件,有i1
i1
n
n
Ai
Ai
i1
i1
1.公理化定义:
设试验的样本空间为
,对于任一随机事件A(A),
都有确定的实值P(A),满足下列性质:
(1)非负性:
P(A)0;
(2)规范性:
P(
)1;
(3)有限可加性(概率加法公式):
对于k个互不相容事件A1,A2
k
k
Ak,有P(
Ai)
P(Ai).
i
1
i1
则称P(A)为随机事件A的概率.
2.概率的性质
①P(
)1,P()0
②P(A)
1P(A)
③若A
B,则P(A)
P(B),且P(B
A)
P(B)P(A)
1
④P(AB)P(A)P(B)P(AB)
P(A
B
C)
P(A)
P(B)P(C)
P(AB)
P(BC)
P(AC)P(ABC)
注:
性质的逆命题不一定成立的.
如若P(A)
P(B),则A
B。
(×)
若P(A)
0,则A。
(×)
三、
古典概型的概率计算
古典概型:
若随机试验满足两个条件:
①
只有有限个样本点,
②每个样本点发生的概率相同,则称该概率模型为古典概型
P(A)
k
。
n
N件,其中有M件次品,从这批产品中随机抽取
n件样品,则
典型例题:
设一批产品共
(1)在放回抽样的方式下
取出的n件样品中恰好有
m件次品(不妨设事件
A)的概率为
1
P(A1)
CnmMm(NM)nm
Nn
.
取出的n件样品中恰好有
m件次品(不妨设事件
A)的概率为
(2)在不放回抽样的方式下
2
m
m
nm
m
nm
P(A2)
Cn
AM
ANM
CM
CNM
.
ANn
CNn
四、条件概率及其三大公式
1.
条件概率:
P(B|A)
P(AB)
P(AB)
P(A|B)
P(A)
P(B)
2.
P(AB)
P(A)P(B|A)
P(B)P(A|B)
乘法公式:
P(A1A2
An)P(A1)P(A2|A1)P(A3|A1A2)
n
3.
全概率公式:
若B1,B2,
Bn满足
Bi,BiBj,i
i
4.贝叶斯公式:
若事件B1,B2,,Bn和A如全概率公式所述,且
P(An|A1An1)
n
j,则P(A)P(Bi)P(A|Bi)。
i1
P(A)0,则P(Bi|A)
P(Bi)P(A|Bi)
.
n
P(Bi)P(A|Bi)
i1
五、事件的独立1.定义:
若P(AB)P(A)P(B),则称A,B独立.
推广:
若A1,A2,,An相互独立,P(A1An)P(A1)P(An)
2.在A,B,A,B,A,B,A,B四对事件中,只要有一对独立,则其余三对也独立。
P(AB)P(A)P(B)
3.三个事件A,B,C
两两独立:
P(BC)
P(B)P(C)
P(AC)P(A)P(C)
注:
n个事件的两两独立与相互独立的区别。
(相互独立
两两独立,反之不成立。
)
4.伯努利概型:
(
)
k
knk
0,1,2,,,
1.
PnkCn
pqk
nq
p
2
1.
事件的对立与互不相容是等价的。
(X)
2.若P(A)0,则A。
(X)
3.若P(A)0.1,P(B)0.5,则P(AB)0.05。
(X)
4.A,B,C
三个事件恰有一个发生可表示为
ABC
ABC
ABC。
(∨)
5.n
个事件若满足
i
j
PAiAj
)
PAi
PAj
),则n个事件相互独立。
(X)
(
(
)(
6.
当A
B时,有P(B-A)=P(B)-P(A)
。
(∨)
第二章
随机变量及其分布
一、随机变量的定义:
设样本空间为
,变量
XX(
)为定义在
上的单值实值函数,则称
X为随机变量,通
常用大写英文字母,用小写英文字母表示其取值。
二、分布函数及其性质
1.
定义:
设随机变量
X,对于任意实数
xR,函数F(x)
P{X
x}称为随机变量
X的概率分布函数,简称
分布函数。
注:
当x1
x2时,P(x1X
x2)
F(x2)F(x1)
(1)
X是离散随机变量,并有概率函数p(xi),i1,2,
则有F(x)
p(xi).
xi
x
(2)X连续随机变量,并有概率密度
f(x)
,则F(x)
P(Xx)
x
f(t)dt.
2.分布函数性质:
(1
(
)是单调非减函数,即对于任意
x
1<
x
2,有
(
x1
)
F
(
x
2
);
;
Fx
F
(2
0F(x)1;且F(
)limF(x)
0,F(
)
lim
F(x)
1;
x
x
(3
离散随机变量X,F(x)是右连续函数
即F(x)
F(x
0);连续随机变量
X,F(x)在(-∞,+∞)上处处连续。
注:
一个函数若满足上述
3个条件,则它必是某个随机变量的分布函数。
三、离散随机变量及其分布
1.定义.设随机变量X只能取得有限个数值
P(Xxi)pi(i1,2,),则称X为离散随机变量
x1,x2,
xn,或可列无穷多个数值x1,x2,,xn,,且
p
(i=1,2,⋯)为X的概率分布,或概率函数(分布律).
i
注:
概率函数
pi的性质:
(1)pi0,i1,2,;
(2)pi1
i
2.几种常见的离散随机变量的分布:
(1)超几何分布,
X~H(N,M,n),
{
}
CMk
CNnkM
0,1,2,,
k
k
n
PX
CNn
(
)
k
k
(1
)
nk
0,1,
Cn
p
p
k
n
(2)二项分布,X~B(n.,p),
PXk
当n=1时称X服从参数为p的两点分布(或
0-1分布)。
n
若X(i=1,2,⋯,n)
服从同一两点分布且独立,则
X
X
服从二项分布。
i
i
i1
3
(3)泊松(Poisson)
分布,X~P(),P{X
k}
ke
(
0),k
0,1,2,...
k!
四、连续随机变量及其分布
1.定义.若随机变量X的取值范围是某个实数区间
I,且存在非负函数f(x)
,使得对于任意区间(a,b]
I,有
P(aXb)
b
函数f(x)
称为连续随机变量X的概率密度函数,简称概率密度。
f(x)dx,则称X为连续随机变量;
a
注1:
连续随机变量
X任取某一确定值的
x0
概率等于0,
即P(X
x0)
0;
注2:
P(x1X
x2)
P(x1X
x2)
P(x1
X
x2)
P(x1X
x2)
x2
f(x)dx
x1
2.概率密度f(x)的性质:
性质
1:
f(x)
0;
性质2:
()
1.
fxdx
注1:
一个函数若满足上述2个条件,则它必是某个随机变量的概率密度函数。
注2:
当x1x2时,P(x1X
x2
f(x)dx
x2)F(x2)F(x1)
x1
且在f(x)的连续点x处,有F
(x)f(x).
3.几种常见的连续随机变量的分布:
1
0,
x
a;
(1)均匀分布X~U(a,b),
,a
xb
F(x)
x
a
ax
b;
f(x)b
a
b
a
0
,其它
1,
x
b.
(2)
指数分布X~e(
),
0
ex,x0
1ex,x0,
f(x)
0
F(x)
0.
0,x
0,x
1
(x
)2
1
x
(t
)2
(3)
正态分布X~N(
2
),
2
2
2
2
e
e
x
0f(x)
,
F(x)
dt,
2
2
1.概率函数与密度函数是同一个概念。
(X)
2.
当N充分大时,超几何分布
H(n,M,N)可近似成泊松分布。
(X)
3.
设X是随机变量,有
P(a
Xb)
P(a
Xb)。
(X)
4.
若X的密度函数为
f(x)=cosx,x
[0,
],则P(0X
)costdt.(X)
2
0
第三章随机变量的数字特征
一、期望(或均值)
xkpk,离散型
1.定义:
EX,EX
k1
xf(x)dx,连续型
(1)E(C)C,(C为常数)
(2)E(CX)=CE(X)
2.期望的性质:
(3)E(XY)=E(X)E(Y)
(4)若X与Y相互独立,则E(XY)=E(X)E(Y),反之结论不成立.
4
g(xk)pk,X离散型
3.随机变量函数的数学期望E[g(x)]
k1
+
g(x)f(x)dx,X连续型
-
4.计算数学期望的方法
(1)利用数学期望的定义;
(2)利用数学期望的性质;
常见的基本方法:
将一个比较复杂的随机变量X拆成有限多个比较简单的随机变量Xi之和,再利用期望性质求得X的期望.
(3)利用常见分布的期望;
1.方差D(X)E[XE(X)]2
[x
E(X)]2pi,离散型
i
[x
E(X)]2f(x)dx,连续型
注:
D(X)=E[X-E(X)]2≥0;它反映了随机变量X取值分散的程度,如果D(X)值越大(小),表示X取值越分散(集中)。
2.方差的性质
(1)D(C)0,(C为常数)
(2)D(CX)=C2D(X)
(3)若X与Y相互独立,则D(XY)=D(X)+D(Y)
(4)对于任意实数C∈R,有E(X-C)2≥D(X)
当且仅当C=E(X)时,
E(X-C)2取得最小值D(X).
(5)(切比雪夫不等式):
设
X
的数学期望
()
与方差
()存在,对于任意的正数
有
EX
DX
,
P(|X-E(X)|ε)
D(X)
P(|X-E(X)|<ε)1-
D(X)
2
.或
2.
ε
ε
3.
计算
(1)
利用方差定义;
(2)常用计算公式D(X)
E(X2)
[E(X)]2.(3)
方差的性质;(4)
常见分布的方差.
注:
常见分布的期望与方差
1.
若X~B(n,
p),
则E(X)=np,D(X)=
npq;
2.
若X~P(),则E(X)D(X)
;
3.
若~(
),
则
E(X)
ab
D(X)
(b
a)2
4.若
X~e(),则E(X)
1,D(X)
1
;
XUa
b
2
;
2
12
5.
若X~N(,
2),则E(X)
D(X)
2.
三、原点矩与中心矩
(总体)X的k阶原点矩:
vk(X)
E(Xk)
(总体)X的k阶中心矩:
uk(X)
E[X
E(X)]k
1.只要是随机变量,都能计算期望和方差。
(X)
2.期望反映的是随机变量取值的中心位置,方差反映的是随机变量取值的分散程度。
(√)
3.方差越小,随机变量取值越分散,方差越大越集中。
(X)
4.方差的实质是随机变量函数的期望。
(√)
5.对于任意的X,Y,都有D(XY)DXDY成立。
(X)
第四章正态分布
一、正态分布的定义
1.正态分布
5
1
(x
)2
⑴X~N(
2)概率密度为f(x)
e2
2
x
其分布函数为F(x)
2
注:
F()
1.
2
正态密度函数的几何特性:
(1)曲线关于x
对称;
()
μ时,f(x)取得最大值
1
;
2当x
2
1
(x)2
(x
)2
(3)当x
时,f(x)
0,以x轴为渐近线;
(4)
e2
2
dx1
e2
2
2
dx
(5)当固定σ,改变μ的大小时,f(x)的图形不变,只是沿着
y轴作平移变化.
1
(t
)2
x
2
dt
e2
2
2;
(6)当固定μ,改变σ的大小时,f(x)对称轴不变而形状在改变,σ越小,图形越高越瘦;σ越大,图形越矮越胖.
2.标准正态分布
1
x2
1
x
t2
当
0,1时,X~N(0,1),其密度函数为
(x)
e2,
x.且其分布函数为(x)
e2dt.
2
2
(x)的性质:
(1)
(0)
1
(3)(
x)1
(x).
;
2
x2
x2
(2)
(
)
1e2dx
1
e
2dx
2
2
3.正态分布与标准正态分布的关系
定理:
若X~N(
2),则Y
X
~N(0,1).
定理:
设X~N(
2),则P(x
X
x
)(x2
)
(x1
).
1
2
二、正态分布的数字特征
2
1
(x
)2
设X~N(,
),则1.期望E(X)
E(X)
xe2
2
2
dx
1
(x
)2
2.方差D(X)
2
D(X)
(x
)2e22
dx
2
2
3.标准差(X)
三、正态分布的性质
1.线性性.
设X~N(,
2),则Y
a
bX~N(a
b,b22),(b
0);
2.可加性.
设X~N(
x,
2
y,
2
X
Y~N(
y,
2
2
x),Y~N(
y),且X和Y相互独立,则Z
x
x
y);
2
n
n
n
3.线性组合性设
X
~
N
(i,
),
i
1,2,
n,且相互独立,则
2
2
i
i
cX
i~N(
ci
i,
ci
i).
i
i1
i
1
i
1
四、中心极限定理
1.独立同分布的中心极限定理
6
设随机变量X1,X2,,Xn,
相互独立,服从相同的分布,且
E(Xi),D(Xi)
2,i1,2,,n,;
n
Xi
nμ
1
(t
)2
x,有limP
i1
x
x
22
dt
则对于任何实数
e
n