概率论与数理统计总复习详解.ppt

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 第一章 随机事件 1. 事件A, P(A), 概率的性质 2. 古典概型中求 P(A)= kA/n 3. 条件概率 4. 乘全贝三大公式，见下页 * 全概率公式 贝叶斯公式 乘法公式 * 5. 事件的独立 P(AB)= P(A) P(B), 定理（独立的性质）：若事件A, B独立则 也相互独立。 技巧：n个独立事件并的概率公式 设事件 相互独立,则 P(A1∪…∪An) * 第二章 随机变量(一维) 1. 离散型随机变量X pk， F(x)= P{X≤x}, 常见离散型随机变量: X ～ B(1,p). X ～ B(n,p). X ～ P(?) P50,T21 * 2. 连续型随机变量X f(x)， F(x)= P{X≤x} 常见连续型随机变量: X ～ U[a,b] X服从参数为?的指数分布 P49,T19 * 3. 已知 X 的分布，求Y=g (X) 的分布 ?(-x)=1-?(x). P50,T20,21,22,23 ?(0)=1/2 * 第三章 随机向量(二维) 1. 离散型随机向量(X,Y) pij， 由联合分布律求边缘分布律 * 2. 连续型随机向量(X,Y) f(x,y)， 由联合密度函数求边缘概率密度函数 P78,T4,T5 P79,T8,T10 * 3. 随机变量的独立性 若 (X,Y)是离散型随机变量，则上述独立性定义等价于：对(X,Y)所有可能取值(xi , yj), 有 成立。 若 (X,Y) 是连续型随机向量 ，上述独立性定义等价于： 对于所有的x, y 成立。 * 4. 随机向量函数的分布 Z=X+Y的概率密度为: n个独立的正态分布的线性组合仍为正态分布,即有 特别地：当X,Y独立时，Z=X+Y的概率密度为: (1) 和的分布 P80,T19,T20 P80,T21 * 特别地，当X1,…,Xn独立同分布时，有 N=min(X1,…,Xn)的分布函数是: M=max(X1,…,Xn)的分布函数为: Fmax (z)=[F(z)] n ， Fmin (z)=1-[1-F(z)] n . 第六章P128,T10 （2）极值分布 * 第四章 数字特征 1. 数学期望 , 随机变量函数的期望，期望的性质 * * 数学期望的性质: 1. 设C是常数，则E(C)=C; 4. 设X与Y独立，则 E(XY)=E(X)E(Y); 2. 若k是常数，则E(kX)=kE(X); 3. E(X1+X2) = E(X1)+E(X2); （诸Xi 独立时） 技巧：计数器分解求期望！！！ P105,T21 * 2. 方差及其性质 Var(X)=E{ [X-E(X)]2 } ＝E(X 2)-[E(X)]2 1. 设C是常数, 则Var(C)=0, Var(X+C)= Var(X). 2. 若C是常数, 则Var(CX)=C 2 Var (X); 3. 若X1与X2 独立，则 Var(X1+X2)= Var(X1)+Var(X2); 可推广为：若X1, X2, …, Xn相互独立, 则 * 3. 协方差 ，相关函数 Cov(X, Y)=E{[ X-E(X)][Y-E(Y) ]} =E(XY) -E(X)E(Y) Var(X+Y)= Var(X)+Var(Y)+ 2Cov(X,Y) Var(X－Y)= Var(X)+Var(Y)－2Cov(X,Y) * 第五章 极限定理 定理 5.1.1[切比雪夫(Chebyshev)不等式] 设随机变量X具有期望E(X)= ? ,方差 Var(X)= ?2,则: 或写成 P114, T2 定理5.2.1（独立同分布的中心极限定理） 设X1, X2, … 是独立同分布的随机变量序列, 且 E(Xi) =μ, Var(Xi)=σ2， i = 1, 2, …，则任给 x ∈(-∞, ∞), 均有 * 设 X1,X2 ,? ,Xn是来自均值为? ,方差为?2的总体的样本，则当n充分大时, 定理6.2.1 第六章 样本与统计量 * χ 2 分布, t 分布, F 分布. 【注意】三大分布的构造，图形，性质 定理 6.3.1 (P126)(又称基本定理) 设X1