概率统计复习课培训教案.pptVIP

概率统计复习课2012 05 – 06陈立强 第一章 概率论的基础知识 事件的关系与运算 概率的性质 古典概率 条件概率 乘法公式，全概率公式，贝叶斯公式 事件的独立性 第二、三章 随机变量及其分布 分布函数的定义及性质（一、二维） F(x)＝P {X?x} F(x,y)=P{X?x, Y?y} 离散型随机变量概率分布及其性质（一、二维） 连续型随机变量概率分布及其性质（一、二维） 密度函数与分布函数的关系 常见分布的概率分布或密度函数 Γ函数及其性质 二维正态的边缘分布是正态 正太分布的可加性，二维正态分布的有关结果，参数顺序及意义 会求边缘分布或边缘密度 两个随机变量的独立性 会求条件分布或条件密度 会求Z=g(X),Z=g(X,Y)的概率分布或密度函数 会求 的密度函数（独立同分布情形） 第四章 随机变量的数字特征 期望、方差、原点矩、协方差、相关系数的意义，计算及性质。 会求一、二维函数的数学期望 第六章 极限定理 掌握且比雪夫不等式 独立同分布的大数定律 中心极限定理 独立同分布的随机变量的和可以近似看成服从正太分布 二项式分布的n足够大时可以近似看成服从正太分布 及其应用 第七章 数理统计的基本知识 掌握总体、样本的概念，掌握常用统计量 与t分布的定义 会查表求分位点 一个正太总体的抽样分布定理 会有计算器计算样本均值及样本方差的观测值。 第八章 参数估计 一个参数的矩估计 一个参数的极大似然估计 无偏性、渐进无偏性、有效性标准 第九章 假设检验 一个正太总体下u的检验 区间估计的5个步骤 （1）取 的较优点估计量 （2）由 出发，找一个样本函数 其分布已知，且只含一个未知参数 （3）查表求得W的分位点，使得 （4）反解（3）中的不等式，即得 （5）将样本值代入 ，得置信区间 （5）将样本值代入 ，得置信区间 （5）将样本值代入 ，得置信区间 （5）将样本值代入 一个正太总体下u的区间估计 * * ? 交换律 ? 结合律 ? 分配律 ? 对偶律 2 有限可加性: 设 两两互斥 6° （一般加法公式） 推广： （1）样本空间是有限集； （2）每次试验中，每个样本点出现的可能性相同； 　　 在古典概型中，若 中有n个样 　　本点，事件A中有k个样本点，则 全概率与贝叶斯公式 设Ai是样本空间的完备事件组,P(Ai)0,即 Binomial二项分布B(n,p) Poisson泊松分布P( ) U[a, b] U[G] e(?) Γ函数的性质： (3)如果n为自然数，则 独立的正态分布线性组合仍然服从正态分布． r表示X与Y的相关系数. 二维正态分布． 对二维正态分布来说，独立与不相关等价。 二维正态的条件密度仍是正态 即：条件密度等于联合密度除以边缘密度 离散型 连续型 一维 Z=g(X,Y)为随机变量X的函数，则求Z的密度函数的一般方法为： (1) 确定Z的取值范围z∈R(Z)； (2)求Z的分布函数,任取z∈R(Z)， FZ (z) =P{Z?z}=P {g(X,Y) ?z} = P { (X,Y) ∈G(z)} (3)分布函数求导数 二维 分布 期望 概率分布 参数为p 的 0-1分布 p B(n,p) np P(?) ? 掌握二项、泊松、均匀、指数、正太分布的期望与方差。 分布 期望 概率密度 区间(a,b)上的 均匀分布 E(?) N(?,? 2) (1)一维离散型随机变量Y=g(X)的期望 二维离散型随机变量Z=g(X,Y)的期望 (2)一维连续型随机变量Y=g(X)的期望 二维连续型随机变量Z=g(X,Y)的期望 设总体X有分布函数 ，其中 为一维未知参数，若 存在，则 一般是 的函数，即 由此反解出 再由样本均值 代替 ，就得到 的一个估计量 设总体X仅含一个未知参数，并且总体的 分布律或者密度函数已知， 为一组样本观测值， 若存在 的一个值 则称 的极大似然估计值， 而统计量 然估计量。 使得 称为 的极大似