概率论与数理统计公式大全Word格式文档下载.docx

1、切比雪夫不等式给出了在未知X的分布的情况下，对概率的一种估计，它在理论上有重要意义。（2）期望的性质（1） E（C）=C（2） E（CX）=CE（X）（3） E（X+Y）=E（X）+E（Y），（4） E（XY）=E（X） E（Y），充分条件：X和Y独立； 充要条件：X和Y不相关。（3）方差的性质 D（C）=0；E（C）=C D（aX）=a2D（X）； E（aX）=aE（X） D（aX+b）= a2D（X）； E（aX+b）=aE（X）+b D（X）=E（X2）-E2（X）（5） D（XY）=D（X）+D（Y），充分条件：Y）=D（X）+D（Y） 2E（X-E（X）（Y-E（Y），无条件成立。而

2、E（X+Y）=E（X）+E（Y），无条件成立。（4）常见分布的期望和方差0-1分布p二项分布np泊松分布几何分布超几何分布均匀分布指数分布正态分布n2nt分布（n2）（5）二维随机变量的数字特征协方差对于随机变量X与Y，称它们的二阶混合中心矩 为X与Y的协方差或相关矩，记为 ，即与记号 相对应，X与Y的方差D（X）与D（Y）也可分别记为 与 。相关系数对于随机变量X与Y，如果D（X）0, D（Y）0，则称为X与Y的相关系数，记作 （有时可简记为 ）。 | |1，当| |=1时，称X与Y完全相关：完全相关而当 时，称X与Y不相关。以下五个命题是等价的： ；cov（X,Y）=0;E（XY）=E（X

3、）E（Y）;D（X+Y）=D（X）+D（Y）;D（X-Y）=D（X）+D（Y）.协方差矩阵混合矩对于随机变量X与Y，如果有 存在，则称之为X与Y的k+l阶混合原点矩，记为；k+l阶混合中心矩记为：（6）协方差的性质（i） cov （X, Y）=cov （Y, X）;（ii） cov（aX,bY）=ab cov（X,Y）;（iii） cov（X1+X2, Y）=cov（X1,Y）+cov（X2,Y）;（iv） cov（X,Y）=E（XY）-E（X）E（Y）.（7）独立和不相关 若随机变量X与Y相互独立，则 ；反之不真。 若（X，Y）N（ ），则X与Y相互独立的充要条件是X和Y不相关。第五章 大数

4、定律和中心极限定理（1）大数定律切比雪夫大数定律设随机变量X1，X2，相互独立，均具有有限方差，且被同一常数C所界：D（Xi）C（i=1,2,）,则对于任意的正数，有 特殊情形：若X1，X2，具有相同的数学期望E（XI）=，则上式成为伯努利大数定律设是n次独立试验中事件A发生的次数，p是事件A在每次试验中发生的概率，则对于任意的正数，有 伯努利大数定律说明，当试验次数n很大时，事件A发生的频率与概率有较大判别的可能性很小，即这就以严格的数学形式描述了频率的稳定性。辛钦大数定律设X1，X2，Xn，是相互独立同分布的随机变量序列，且E（Xn）=，则对于任意的正数有（2）中心极限定理列维林德伯格定理

5、设随机变量X1，X2，相互独立，服从同一分布，且具有相同的数学期望和方差：，则随机变量的分布函数Fn（x）对任意的实数x，有此定理也称为独立同分布的中心极限定理。棣莫弗拉普拉斯定理设随机变量 为具有参数n, p（0p1）的二项分布，则对于任意实数x,有（3）二项定理若当 ，则超几何分布的极限分布为二项分布。（4）泊松定理其中k=0，1，2，n，。二项分布的极限分布为泊松分布。第六章 样本及抽样分布（1）数理统计的基本概念总体在数理统计中，常把被考察对象的某一个（或多个）指标的全体称为总体（或母体）。我们总是把总体看成一个具有分布的随机变量（或随机向量）。个体总体中的每一个单元称为样品（或个体）

6、。样本我们把从总体中抽取的部分样品称为样本。样本中所含的样品数称为样本容量，一般用n表示。在一般情况下，总是把样本看成是n个相互独立的且与总体有相同分布的随机变量，这样的样本称为简单随机样本。在泛指任一次抽取的结果时，表示n个随机变量（样本）；在具体的一次抽取之后， 表示n个具体的数值（样本值）。我们称之为样本的两重性。样本函数和统计量设 为总体的一个样本，称 （ ）为样本函数，其中 为一个连续函数。如果 中不包含任何未知参数，则称 （ ）为一个统计量。常见统计量及其性质样本均值样本方差样本标准差样本k阶原点矩样本k阶中心矩， ， ,其中 ，为二阶中心矩。（2）正态总体下的四大分布设 为来自正

7、态总体 的一个样本，则样本函数其中t（n-1）表示自由度为n-1的t分布。其中 表示自由度为n-1的 分布。F分布设 为来自正态总体 的一个样本，而 为来自正态总体 的一个样本，则样本函数其中表示第一自由度为 ，第二自由度为 的F分布。（3）正态总体下分布的性质与 独立。第七章 参数估计（1）点估计矩估计设总体X的分布中包含有未知数 ，则其分布函数可以表成 它的k阶原点矩 中也包含了未知参数 ，即 。又设为总体X的n个样本值，其样本的k阶原点矩为这样，我们按照“当参数等于其估计量时，总体矩等于相应的样本矩”的原则建立方程，即有由上面的m个方程中，解出的m个未知参数 即为参数（ ）的矩估计量。若

8、 为 的矩估计， 为连续函数，则 为 的矩估计。极大似然估计当总体X为连续型随机变量时，设其分布密度为 ，其中 为未知参数。又设 为总体的一个样本，称为样本的似然函数，简记为Ln. 当总体X为离型随机变量时，设其分布律为 ，则称为样本的似然函数。 若似然函数 在处取到最大值，则称 分别为 的最大似然估计值，相应的统计量称为最大似然估计量。若 为 的极大似然估计， 为单调函数，则 为 的极大似然估计。（2）估计量的评选标准无偏性设 为未知参数 的估计量。若E （ ）= ，则称 为 的无偏估计量。E（ ）=E（X）， E（S2）=D（X）有效性设 和 是未知参数 的两个无偏估计量。若 ，则称 有效

9、。一致性设 是 的一串估计量，如果对于任意的正数 ，都有则称 为 的一致估计量（或相合估计量）。若 为 的无偏估计，且 则 为 的一致估计。只要总体的E（X）和D（X）存在，一切样本矩和样本矩的连续函数都是相应总体的一致估计量。（3）区间估计置信区间和置信度设总体X含有一个待估的未知参数 。如果我们从样本 出发，找出两个统计量 与 ，使得区间 以 的概率包含这个待估参数 ，即那么称区间 为 的置信区间， 为该区间的置信度（或置信水平）。单正态总体的期望和方差的区间估计设 为总体 的一个样本，在置信度为 下，我们来确定 的置信区间 。具体步骤如下：（i）选择样本函数；（ii）由置信度 ，查表找分

10、位数；（iii）导出置信区间 。已知方差，估计均值（i）选择样本函数（ii） 查表找分位数（iii）导出置信区间未知方差，估计均值 （ii）查表找分位数方差的区间估计（ii）查表找分位数 （iii）导出的置信区间第八章 假设检验基本思想假设检验的统计思想是，概率很小的事件在一次试验中可以认为基本上是不会发生的，即小概率原理。 为了检验一个假设H0是否成立。我们先假定H0是成立的。如果根据这个假定导致了一个不合理的事件发生，那就表明原来的假定H0是不正确的，我们拒绝接受H0；如果由此没有导出不合理的现象，则不能拒绝接受H0，我们称H0是相容的。与H0相对的假设称为备择假设，用H1表示。 这里所说

11、的小概率事件就是事件 ，其概率就是检验水平，通常我们取=0.05，有时也取0.01或0.10。基本步骤假设检验的基本步骤如下： 提出零假设H0； 选择统计量K； 对于检验水平查表找分位数； 由样本值 计算统计量之值K；将 进行比较，作出判断：当时否定H0，否则认为H0相容。两类错误第一类错误当H0为真时，而样本值却落入了否定域，按照我们规定的检验法则，应当否定H0。这时，我们把客观上H0成立判为H0为不成立（即否定了真实的假设），称这种错误为“以真当假”的错误或第一类错误，记为犯此类错误的概率，即P否定H0|H0为真= ；此处的恰好为检验水平。第二类错误当H1为真时，而样本值却落入了相容域，按

12、照我们规定的检验法则，应当接受H0。这时，我们把客观上H0。不成立判为H0成立（即接受了不真实的假设），称这种错误为“以假当真”的错误或第二类错误，记为犯此类错误的概率，即P接受H0|H1为真= 。两类错误的关系人们当然希望犯两类错误的概率同时都很小。但是，当容量n一定时， 变小，则 变大；相反地， 变小，则 变大。取定 要想使变小，则必须增加样本容量。在实际使用时，通常人们只能控制犯第一类错误的概率，即给定显著性水平。大小的选取应根据实际情况而定。当我们宁可“以假为真”、而不愿“以真当假”时，则应把取得很小，如0.01，甚至0.001。反之，则应把取得大些。单正态总体均值和方差的假设检验条件零假设统计量对应样本函数分布否定域已知N（0，1）未知