概率论复习提纲详解.ppt

(2) E(Y)= ? /4 (3) D(Y)=?2/16+ ? /2-2 (4) 5.以X表示投掷一枚均匀硬币n次，“正面向上的次数”，则X~B(n,0.5),E(X)=0.5n,D(X)=0.25n (1)P{0.4X/n0.6}=P{-0.1nX-0.5n0.1n} =P{|X-0.5n|0.1n}?1-D(X)/(0.1n)2 ?0.9 n ?250 (2)P{0.4X/n0.6}=P{0.4nX0.6n} n ? 68 6. 以Xk表示第k个数的取整误差，它们相互独立，且都服从U[-0.5，0.5]，有 E(Xk)=0 D(Xk)=1/12 由列维-林德伯格中心极限定理 近似服从标准正态分布。 （1） （2）设最多只能有n个数相加 近似服从标准正态分布 即 可求得n最大可取443 7.解 泊松分布的分布律为 总体一阶矩?1=E(X)=?, 将总体一阶矩?1换成样本一阶矩A1=X , 得到参数?的矩估计量 似然函数 取对数得 令 得到?的最大似然估计值 ?的最大似然估计量 设x1,x2,…,xn为相应的样本值, 8.解 ?未知,?的置信水平为1-?的置信区为 n=9, 1-?=0.95, ?=0.05, ?2 ?/2 (n-1)=?2 0.025(8)= ?2 1-?/2 (n-1)=?2 0.975(8)= 17.535 2.18, 又s=11, 标准差?的置信水平为0.95 的置信区间为(7.4, 21.1). 概率论的基本概念 基本内容：随机事件与样本空间，事件的关系与运算，概率的概念和基本性质，古典概率，几何概率，条件概率，与条件概率有关的三个公式，事件的独立性。 对偶(De Morgan)律 加法公式 P (A∪B ) = P (A ) + P (B ) – P (AB ) 。 全概率公式 P (B ) = ∑kn= 1 P (Ak ) P (B | Ak ) P (B ) = P (A ) P (B | A )+ P ( A ) P (B | A ) 如果 P (A ) ＞ 0，则 P (AB ) = P (A ) P (B | A ) 乘法定理 P (Am | B ) = ————————— P (Am ) P (B | Am ) ∑kn= 1 P (Ak ) P (B | Ak ) P (A| B ) = ———————————— P (A ) P (B | A ) P (A ) P (B | A )+ P ( ) P (B | ) 贝叶斯公式 互逆事件与互斥（不相容）事件 两事件独立与两事件互斥 条件概率与积事件概率 概率为0的事件和不可能事件 区分以下概念 基本内容：随机变量，离散型随机变量的分布律，连续型随机变量的概率密度函数，随机变量的分布函数。常见随机变量的分布，随机变量函数的分布。 随机变量及其分布 对任意的实数 x1 ＜ x2 ， P { x1＜ X ≤ x2 } = P { X ≤ x2 } - P { X ≤ x1} =F (x2) - F (x1) ； P { X ＞x } = 1 - F (x) ； 对任意的 x1 ＜ x2 ，有： P { x1 ＜X ≤ x2 } = F (x2) - F (x1) = 如果 X ~ N (?,?2 )，则 Y = —— ~ N (0,1) X - ? ? 常用分布 多维随机变量及其分布 基本内容：多维随机变量及其分布函数 二维离散型随机变量的联合分布律，二维连续型随机变量的联合密度函数，二维随机变量的联合分布函数，边缘分布，条件分布，随机变量的独立性，常用多维随机变量的分布，随机向量函数的分布. 混合偏导 二重积分 定积分 ？ FX (x) 或 FY (y) fX (x) 或 fY (y) F (x ,y) f (x ,y) 一阶偏导 一重积分 极限 ？ 和的分布 最大最小分布 Fmax(z)=P{M≤z}= P{X≤z,Y ≤z} 。 =P{X≤z}{Y ≤z} = FX(z) FY(z)。 Fmin(z)=P{N≤z}= 1- P{Nz} =1- P{X z,Y z} 。 = 1-[1-FX(z)][1- FY(z)]。 随机变量的数字特征 基本内容：随机变量的数学期望和方差、标准差及其性质，协方差和相关系数