隨机试验和概率公式吐血整理.docVIP

随机试验和概率 试验点 W 子集 A/B/C 概率 P(A) 古典 伯努利 可重复 知道所可能结果 无法预知 加法公式 P(A+B)=P(A)+P(B)-P(AB) 乘法公式： P(AB)=P(A)P(B|A) 减法公式 P(A-B)=P(A)-P(AB) 全概率公式 是完全事件组 贝叶斯公式 是完全事件组 P(A) 0 随机变量 X(w)0 Xx P(Xx)=F(X) 离散 设可能取值是 称P(X=)=P K=1,2,... 或者用表格表示 分布函数 F(X)= 右连续 P(X=a)=F(a)-F(a-0) 连续 P(X)=F(X) K=1,2,... F(x)= -x 右连续 P(X=a)=F(a)-F(a-0) P(A) 离散型P 连续型F(x) 连续型概率密度f(x) 定义 随机试验概率 P(X=)=P P(X)=F(X) K=1,2,... F(x)= -x 性质 P(A)0 P()=1 可加性 P0 F F(-)=0, F(+)=1 右连 P(xX)=F()-F() f(x)0 定义 分布律 记法 性质 P{X=k}=p(1-p),其中k=0,1 任何一个只有两种结果的随机现象，比如，抛硬币观察正反面 X 0 1 pk 1-p p X~B(x,p) 数学期望E(X)=p　　 方差D(X)=p(1-p) 描述随机现象的一种常用概率分布形式 K=0,1,2,... X~B(n,p) 数学期望E(X)=p　　 方差D(X)=p(1-p) 几何分布 第n次伯努利试验中，试验k次才得到第一次成功的机率 K=0,1,2,... 泊松分布 描述昆虫随机分布型的数学表达公式。 K=0,1,2,... 0 X~P() E(X)=D(X)= 超几何分布 假定在N件产品中有M件不合格品，即不合格率p=M/N。在产品中随机抽n件做检查，发现k件不合格品的概率 K= ...... X~H(n，M，N) EX=np　　 DX=np(1-p)*(N-n)/(N-1) 均匀分布在自然情况下极为罕见，而人工栽培的有一定株行距的植物群落即是均匀分布。 ? X~U[a,b] 期望为EX（a+b/2 方差为DX 定义 背景 分布率 记法 性质 指数分布 指数分布可以用来表示独立随机事件发生的时间间隔 许多电子产品的寿命分布一般服从指数分布 ? x 0 ? ? X~E() ?P(Xt)= ?无记忆性 P(Xt+s|Xs) = P(Xt) 正态分布 ?查表 ?标准化~ ?对称性，Φ(-x)＝1-Φ(x) P（|X|≤a）＝2Φ(a)－1 定义 应用 离散型随机变量的函数分布 已知的分布列为 ?， 的分布列（互不相等）如下： 若有某些相等，则应将对应的相加作为的概率 连续型随机变量的函数分布 定义法 ?利用定义 P（Y≤y）＝P（g（X）≤y）＝ ?根据x确定y的取值范围 ?确定端点值取到哪个范围内 二维随机变量 F（x，y）＝P（X≤x，Y≤y） 二维均匀分布 二维正态分布 其他不谈 （5）边缘分布 离散型 X的边缘分布为 ； Y的边缘分布为 。 连续型 X的边缘分布密度为 Y的边缘分布密度为 条件分布 离散型 每行按比例分布 在已知X=xi的条件下，Y取值的条件分布为 在已知Y=yj的条件下，X取值的条件分布为 连续型 在已知Y=y的条件下，X的条件分布密度为 ,； 在已知X=x的条件下，Y的条件分布密度为 ,; 独立性 一般型 F(X,Y)=FX(x)FY(y) 离散型 行间成比例 有零不独立 连续型 f(x,y)=fX(x)fY(y) 直接判断，充要条件： ①可分离变量 ②正概率密度区间为矩形 随机变量的函数 若X1,X2,…Xm,Xm+1,…Xn相互独立， h,g为连续函数，则： h（X1，X2,…Xm）和g（Xm+1,…Xn）相互独立。 特例：若X与Y独立，则：h（X）和g（Y）独立。 例如：若X与Y独立，则：3X+1和5Y-2独立。 定义 性质 二维均匀分布 其中SD为区域D的面积，则称（X，Y）服从D上的均匀分布，记为（X，Y）～U（D）。 均匀分布量尺寸 二维正态分布 记为（X，Y）～N（ ? ?若二维正态，X与Y相互独立的充要条件是ρ=0 ? 函数分布 利用定义法  a≤x≤b 0, x ≤ 0