概率论复习,模拟卷.ppt

第1章小结 求概率的3个法宝： 古典定义：P(A)=m/n, 　n为基本事件数，m为属于A的基本事件数； 加法定理: 　P(A∪B)=P(A)+P(B)-P(AB); 特别，A，B互斥时： P(A∪B)=P(A)+P(B) 乘法定理: 　P(AB)=P(A)P(B|A) ， P(A)0. 特别，A，B独立时： P(AB)=P(A)P(B) (A-B=AB) 重要公式：全概率；贝叶斯；二项概率。 第二章小结 1.X的分布函数: F(x)=P{X≤x} 3.P{aX≤b}=F(b)-F(a)= f(x) =F/(x) 2.连续型随机变量分布函数与概率密度关系： Pk=F(xk)-F(xk-1) 4*.离散型随机变量分布函数与分布律关系： 设P{X=xk}=pk ,(k=1,2,3,…), 5.几种常见的分布 离散型：（0-1）分布，二项分布，泊松分布； 连续型：均匀分布，指数分布，正态分布。 6.随机变量函数的分布 第3章小结(1) 1.X的数学期望 连续型: 离散型: 2.一维随机变量函数的数学期望 (1)若X为离散型,P{X=xi}=pi, i=1,2,...,有 (2)若X为连续型, 概率密度为 f(x), 3.方差：DX=E(X-EX)2 几种重要分布的期望与方差 1、0-1分布： EX=p DX=pq 2、二项分布：X~B(n,p), X 0 1 p q p EX=np,D(X)=npq 3 、泊松分布：X~P(λ) EX= ∴DX= 4、均匀分布： EX DX= (a-b)2/12 5、指数分布： EX DX 6、正态分布： EX DX= 第3章小结（2） 第4章小结(1) 1.(X,Y)的分布函数：F(x,y)=P{X≤x,Y ≤ y}. 2.离散型(X,Y)的分布律:P{X=xi,Y=yj}=pij (i,j=1,2,…) F(x,y)= 3. 连续型(X,Y)的概率密度: f(x,y)在(x,y)连续时 4.边缘分布函数:FX(x)=F(x,+∞),FY(y)=F(+∞,y) 5.离散型随机变量的边缘分布律 Y的分布律 P.j=P{Y=yj}= X的分布律 Pi .=P{X=xi}= (i=1,2,…) (j=1,2,…) (X,Y)的分布 边缘分布 6.连续型随机变量的边缘概率密度 fX(x)= fY(y)= 第4章小结(2) 8.连续型X 和Y相互独立 相互独立 f(x,y)=fX(x)fY(y) P{X=xi,Y=yj}=P{X=xi}P{Y=yj} (所有xi,yj) 7.X 和Y相互独立 F(x,y)=FX(x)FY(y) 二维随机变量函数的分布 9.离散型X 和Y相互独立 第四章小结(2) 7.离散型(X,Y)的条件分布律 P{X=xi|Y=yj}= P{Y=yj|X=xi}= 8.连续型(X,Y)的条件概率密度 fX|Y(x|y)= fY|X(y|x)= 11.连续型X 和Y相互独立 条件分布 9.条件分布函数* 相互独立 f(x,y)=fX(x)fY(y) P{X=xi,Y=yj}=P{X=xi}P{Y=yj} (所有xi,yj) 10.X 和Y相互独立 F(x,y)=FX(x)FY(y) 二维随机变量函数的分布 12.离散型X 和Y相互独立 多个随机变量函数的数字特征 第4章小结(3) 多维随机变量的数字特征 10.二维随机变量函数的数学期望 (1) 离散型:P{X=xi,Y=yj}=pij ,(i,j=1,2…),则 (2) 连续型:概率密度为f(x,y),则 第4章小结（4） 11.数学期望的性质 12.方差：DX=E(X-EX)2 DX=EX2-(EX)2 13.方差的性质: 1).D(C)=0; 2) D(CX)=C2 D(X); 4). 若X与Y 相互独立，则 D(X+Y)= D(X)+D(Y); 14.协方差 Cov(X,Y)=E{(X-EX)(Y-EY)} Cov(X,Y)=E(XY) -E(X)E(Y) 15.相关系数: ρXY=0, 称X,Y不相关。 D(X+Y)= D(X)+D(Y)+2Cov(X,Y); 3)D(aX+b)=a2 D(X). Ch5小结 设EX=μ ,DX=σ2 , 则对任意正数 ε，成立不等式 5.2 大数定律 5.1 Chebyshev不等式 1.{Xi}独立同分布(或DXiC),则 2.nA~B(n,p),则 5.3 中心极限定理 1.{Xi}独立,则 的极限分布为正态分布. 2.Yn~B(n,p),则Yn的极限分布为正态分布. (S,Yn的标准化变量的极限分布为N(0,1)分布.) 重点2.抽样分布定理: 设X1,X2,…,Xn是取自正态总体N(μ,σ2)的样本, 分别为样本均值和样