概率统计复习重点简版.docVIP

随机事件及其概率 【说明】本章最主要的知识点是全概率公式和贝叶斯公式，所以就讲这一部分，其余的参考书本。 两个公式： 全概率公式； 设实验E的样本空间为Ω，事件构成完备事件组（Ω的一个划分），且，对于事件B有 贝叶斯公式： 设实验E的样本空间为Ω，事件构成完备事件组（Ω的一个划分），且，对于事件B（）有 随机变量的数字特征 【说明】本章主要介绍随机变量的数学期望、方差、协方差、相关系数等知识，比较重要，难度不是很大。 随机变量的期望 主要掌握离散型、连续性随机变量的期望求法、常见的离散型、连续性随机变量的期望要求记住，一元函数随机变量期望的求法、数学期望的性质以及条件期望等。 离散型期望： 连续性期望： 常见期望及方差 分布 期望 方差 0-1分布 p P(1-p) 二项分布X~B(n,p) np Np(1-p) X~P(λ) λ λ [a,b]上均匀分布 （a+b）/2 / X~E(λ) 1/λ X~N(μ,σ2) μ σ2 以为离散性随机变量函数的期望 首先写出Y=g(X)函数的分布律，然后按照常规方法求解期望。 一维连续性随机变量的期望 数学期望的性质 X、Y相互独立（或者不线性相关）， 后面两个都可以推广至有限多种的情况。 条件期望 称为在时X的条件期望； 称。 方差 必须记住的公式： 性质 X、Y相互独立或者不相关 最后一个公式可以推广至多个。 协方差和相关系数 1.必须记住的公式 2.对于任意X，Y： 3.性质 相关系数 若则X、Y不相关 反之，则相关 若X，Y相互独立，则X，Y一定不相关，反之不成立。 第四章 大数定理 【说明】本章考点很明确，考得就是切比雪夫不等式以及拉普拉斯定理。 切比雪夫不等式 设X为随机变量，期望和方差都存在，对于任意的，有 拉普拉斯定理 【二项分布以正态分布为极限，即时，】 这里，如果在实际解题中，只需要n足够大即可。 （1） （2） 第五章 统计量及其分布 【说明】本章重点内容很少，但是有几个点还是需要知道的。 总体概念及表示方法、样本以及样本值概念及表示方法、样本容量、以及总体和样本之间独立同分布的性质，这些概念只要知道即可，会用就可以了。 常见的统计量： 样本平均数（样本均值） 样本方差 样本k阶原点矩 样本k阶中心矩 第六章 参数估计 【说明】本章主要围绕参数估计展开，主要讲述了点估计（包括矩估计、极大似然估计）和区间估计。接着就是正态总体参数的区间估计，就是怎么求置信区间的问题。 矩估计 步骤： 有几个未知参数，分别求出总体的一阶到几阶原点矩； 把未知参数解出，用总体的原点矩表示； 分别用样本的各阶矩估计总体的各阶矩得出参数的矩估计结果。 极大似然估计 步骤： 首先写出似然函数 对似然函数取对数后求导，或者偏导后得到似然方程（组） ①为一值时，则 ②为一向量，则求偏导 然后解出根就是的极大似然估计。 正态总体参数的区间估计 方差已知，对均值区间估计，置信度为1-α的置信区间为，当α=0.01时，α=0.05时。 方差未知，对均值区间估计，置信度为1-α的置信区间为 。 1