概率论与数理统计知识要点.docx
《概率论与数理统计知识要点.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要点.docx(28页珍藏版)》请在冰豆网上搜索。
概率论与数理统计知识要点
概念:
1随机事件:
用A,B,C等表示
互不相容:
AB
互逆:
互逆
相互独立:
知识要点
AB且AB
互不相容
,反之不行
,此时,BA
p(Ab)
P(A)或P(AB)P(A)P(B)
2随机事件的运算律:
(1)交换律:
BA,AB
BA
(2)结合律:
(AB)
CA(B
C),(AB)CA(BC)
(3)分配律:
A(BC)ABAC
A(BC)(A
B)(AC)
(4)DeMorgen
律(对偶律)
AB
ABAB
3随机事件的概率:
有界性0
n
推广:
UA
i1
P(A)
P(A)1
P(A)P(B)
条件概率P(AB)
P(AB)
P(B)
n
UA
i1
4随机变量:
用大写X,Y,Z表示.
若X与丫相互独立的充分必要条件是F(X,y)
Fx(x)FY(y)
若X与丫是离散随机变量且相互独立的充分必要条件是f(x,y)
fx(x)fY(y)
若X与丫是连续随机变量且相互独立的充分必要条件是p(x,y)
Px(x)PY(y)
若X与丫不相关,则cov(X,Y)0或R(X,Y)0
独立不相关反之不成立
不相关
当X与丫服从正态分布时,则相互独立两种概率模型
古典概型:
P(A)MM:
A所包含的基本事件的个数;N:
总的基本事件的个数
N
伯努利概型
n次独立试验序列中事件A恰好发生m次的概率Pn(m)cTp"qnm
n次独立试验序列中事件A发生的次数为mi到m2之间的概率
mmi
n次独立试验序列中事件A至少发生r次的概率
r1
R(m)
0
n
P(mr)Pn(m)
mr
特别的,至少发生一次的概率P(m1)1(1p)n
概率的计算公式:
推广:
乘法公式:
P(AB)P(A)P(B|A)或P(B)P(AB)
若A,B相互独立,P(AB)P(A)P(B)
注:
常用B,B作为互不相容的完备事件组
有诸多原因可以引发某种结果,而该结果有不能简单地看成这诸多事件的和
概率问题属于全概问题.
用全概率公式解题的程序:
,这样的
(1)
判断所求解的问题
是否为全概率问题
(2)
若是全概率类型,
正确的假设事件A及Bi
(3)
计算出P(Bi),
P(ABi)
(4)
代入公式计算结果
,B要求是互斥的完备事件组
四一维随机变量:
分布函数:
F(x)
P(Xx)
性质
0F(x)1
(2)
若X1
X2,则F(Xi)
F(X2)
右连续
(4)
limF(x)1即F(
limF(x)0即
X
F(
)0(此性质常用来确定分布函数中的常数)
利用分布函数计算概率:
P(aX
b)
F(b)F(a)
一维离散随机变量:
概率函数:
p(xi)
P(X
X)
i1,2l(分布律)
性质:
P(X)0
P(x)
i
(此性质常用来确定概率函数中的常数)
已知概率函数求分布函数
F(x)
P(XXi)
XX
P(xj
XX
一维连续随机变量:
概率密度f(X)
性质:
(1)非负性f(X)
(2)归一性:
f(x)dx
1(常用此性质来确定概率密度中的常数)
分布函数和概率密度的关系:
f(x)F(X)
X
F(x)f(x)dx
利用概率密度求概率P(aXb)
(注意:
当被导函数或被积函数是分段函数时,要分区间讨论,其结果也是分段函数)b
f(x)dx
a
一维随机变量函数的分布:
离散情形:
列表、整理、合并
二维随机变量:
联合分布函数:
F(x,y)
P(X
x,丫
y)
性质:
(1)
F(
)0
(2)
F(
x)0
(3)
F(
y)0
(4)
F(
)1
(此极限性质常用来确定分布函数中的常数
)
二维离散随机变量:
性质
(1)f(x,y)0
联合分布函数与联合概率密度的关系
(注意:
当被积函数是分段函数时,要分区间讨论,其结果也是分段函数)
七随机变量的数字特征:
若(X,Y)~p(Xi,yj)为二维离散随机变量,则
相互独立
E(XY)E(X)E(Y)(注意:
反之不成立)
八要熟记的常用分布及其数字特征:
九正态随机变量线性函数的分布十统计部分:
统计量
无偏性有效性
最大似然估计
区间估计假设检验
矩估计
例:
甲袋中有5只红球10只白球,乙袋中有8只红球6只白球,现先从甲袋中任取一球放入乙袋,然后又从乙袋中任取一球放入甲袋.求这一个来回后甲袋中红球数不变的概率.
解:
设A:
从甲袋中取出放入乙袋的是红球,B:
从乙袋中返还甲袋的是红球,C:
这一
个来回后甲袋中红球数不变,则
CABAB,
从而
P(C)P(AB)
P(AB)P(A)P(BA)P(A)P(BA)
(每弹击中与否相互独立),设每发炮弹击中敌机的概率均为
0.2,若敌机中两弹,其坠落的概率为0.6,若
例高射炮向敌机发射三发炮弹
0.3,又若敌机中一弹,其坠落的概率为敌机中三弹,则必然坠落。
求敌机被击落的概率。
所以,
0.2286
例:
设X的分布函数F(x)
0
x2
R
1
xR求f(x)
解:
当OxR时,
2x
2
x
f(x)F(x)(夢)
R
当x0,xR时,f(x)
在xR处导数不存在,但规定为零
2xf(x)R
0
其它
acosx
例:
设连续随机变量的概率密度
f(x)
求:
(1)a
⑵F(x)
(3)
P(0
解:
(1)
f(x)dx
2acosxdx
2
2a2cosxdx2asinx^
2a(对称性质)
f(x)dx
1得:
2a
(2)当
2时,
F(x)
x
f(x)dx
分段函数积分
F(x)
(3)P(0
或P(0x
F(x)
f(x)dx
20dx
-cosxdx
22
x
cosxdx
"2
1.-sin
2
F(x)
sinx)
x7)
f(x)dx[6nxdx
22
4)F(7)
f(x)dx
F(0)
4-cosxdx
02
1
2(1sin7)
1(1sin0)
例:
X-e
(1)
,求丫
JX的密度函数
f(x)
例:
解:
FY(y)
P(Y
y)
p(長y)
FY(y)
fY(y)
FY(y)
,FY(y)
0y
y2x
0e
FyW)
p(VX
y)
P(xy2)
'f(x)dx
y2
0
xdx
dx
2yey2
设随机变量X的概率密度为
f(x)
6x(1
0,
x)
0x
其它.
1,
求:
(1)E(X)
D(X)
P(X
1)
E(X)
xf(x)dx
1
0x6x(1
x)dx
\x2
0\
x3
)dx
1-X
3
11
6(3;)
E(X2)
2
xf(x)dx
0x26x(1
x)dx
1
60(X
4
x)dx
6(;
1)—
510
D(X)
2
E(X)
2
E(X)
31
104
1
20
(2)
P(X2)
f(x)dx
1
16x(1
2
x)dx
1-X
设随机变量
(2
6(1
24)
X的概率密度为
f(x)
3x(1
kx
0
X),
1,
x2,
其它.
求
(1)常数k的值;
(2)E(X);(3)
D(X).
1
f(x)dx30x(1
x)dx
2
1kxdx
k-x
2
13k
22
f(x)dx
13k
1知1曲1,解得k
22
E(X)
xf(x)dx3
12
0x2(1
x)dx
E(X2)
D(X)
例:
3(3x”)
x2f(x)dx
1:
-x9
13
30x3(1
x)dx
11
0—x
12
7
5
0,1415\
3(-x-x)
45
E(X2)(E(X))2
2
20
(37)2
36
1
3
37
36
1
3
5
4
:
x2dx
'x3dx
7
5"
设随机变量(X,丫)的概率密度为
f(x,y)
ey
0,
0,y
其它.
x;
计算:
(1)边缘概率密度fx(x),fY(y)
什么?
(1)当x
fx(X)0
0时,
fx(x)
f(x,y)dy
所以
fx(X)
0;
0..
X与丫是否相互独立?
为
ydy
fY(y)0
f(x,y)dx
y
0e
ydx
ye
所以
fY(y)
0,y0;yey,y0..
(2)因为fx(x)fY(y)f(x,y)
所以X与Y不相互独立。
例设随机变量(X,丫)的联合概率密度为:
cosxcosy,0x—,0y—
f(x,y)八2y2
其它.
解:
(1)fx(X)
所以,fx(x)
cosx,
0,
(2)P(XY
f(x,y)dxdy^2dx
—x
02cosxcosydy
0cosxsiny02dx
cosxsin(―
2
x)dx02cos2
xdx
迈Z丄sin2x舟-
0224勺04
例:
总体X的概率密度为f(x)
1)x
0x1
其他
是未知参数,求的
矩估计量.
解:
E(X)xf(x)dx
1)x
dx
(1)
0x
1dx
由此解得的矩估计量为,
2X
例设总体的X概率密度为f(x,)
e(X2)
0,
X2;
X2.
,其中0为未知参
数,如果从该总体中取得简单随机样本观测值
x1,x2,
,Xn,,求参数的最大
似然估计值。
从而得到的最大似然估计值为
n
noX2Xi2n
i1
例:
设总体X~N(,1.22),为未知参数.
的置信水平为0.99的置
(1)已知从该总体中随机抽取25个观测值的平均值为8.20,求
信区间(结果保留四位小数)
(2)要使
的置信水平为0.99的置信区间长度不超过1,问样本容量最少应为多少?
(X-Au
Vn2
又X8.20,于是置信区间为
)=(8.200.6192,8.200.6192),
即(7.5808,8.8192).
jn6.192,n38.34,样本容量最少为39.
例:
从一批火箭推力装置中抽取8个进行试验,测试其燃烧时间(S),经计算得样本均值X
从而置信区间为(51.88
0.4422,51.880.4422)(51.4378,52.3222)
例:
设总体X服从正态分布N(,0.22),现从中抽取样本容量为9的样本。
测
得样本均值X36.02,样本标准差S0.4。
问在显著性水平0.05下,可否认为
总体均值为31.60?
解根据题意待检验的假设为
0-N(0,1)
计算u统计量的观测值为
36.0236.101.47
查表u
■2
因为u
U0.025
1.47
0.2/
A/9
1.96
u_1.96,所以在显著性水平0.05下,接受原假设。
即即认为总体均值
31.60
例:
已知全国高校男生百米跑平均成绩为
014.5(秒).为了比较某高校与全国高校的
男子百米跑水平,现从该校随机抽测男生s0.5477(秒).试问:
在显著性水平与全国高校男生百米跑平均成绩有显著差异?
13人的百米跑成绩均值为14.1(秒),标准差为
0.05下,可否认为该校男生的百米跑平均成绩
解:
待检验的假设为:
H0:
014.5;
H1:
014.5;
显著水平0.05,标准差为s0.5477,
n13,
未知,故选择统计量t
Xs/vn
~t(n1)
计算t统计量的观测值为:
t14.1
14.5
0.5477/713
2.633,
当0.05时,t0.025(12)2.179,拒绝域为:
(,t_,)
2
(t_,)
2
拒绝原假设,即认为该校
即(,2.179)(2.179,),t2.633在拒绝域内,
男生的百米跑均值与全国高校有显著差异。