概率论复习提纲.docxVIP

概率论复习提纲第一章 随机事件和概率 （11）减法公式P(A-B)=P(A)-P(AB)当B A时，P(A-B)=P(A)-P(B)当A=Ω时，P( )=1- P(B)第二章 随机变量及其分布 （5）八大分布0-1分布P(X=1)=p, P(X=0)=q二项分布在 重贝努里试验中，设事件 发生的概率为 。事件 发生的次数是随机变量，设为 ，则 可能取值为 。， 其中 ，则称随机变量 服从参数为 ， 的二项分布。记为 。当 时， ， ，这就是（0-1）分布，所以（0-1）分布是二项分布的特例。泊松分布设随机变量 的分布律为， ， ，则称随机变量 服从参数为 的泊松分布，记为 或者P( )。泊松分布为二项分布的极限分布（np=λ，n→∞）。超几何分布随机变量X服从参数为n,N,M的超几何分布，记为H(n,N,M)。几何分布，其中p≥0，q=1-p。随机变量X服从参数为p的几何分布，记为G(p)。均匀分布设随机变量 的值只落在[a，b]内，其密度函数 在[a，b]上为常数 ，即a≤x≤b其他，则称随机变量 在[a，b]上服从均匀分布，记为X~U(a，b)。分布函数为a≤x≤b0， xa，1， xb。当a≤x1x2≤b时，X落在区间（ ）内的概率为。指数分布,0, ,其中 ，则称随机变量X服从参数为 的指数分布。X的分布函数为,x0。记住积分公式：正态分布设随机变量 的密度函数为， ，其中 、 为常数，则称随机变量 服从参数为 、 的正态分布或高斯（Gauss）分布，记为 。具有如下性质：1° 的图形是关于 对称的；2° 当 时， 为最大值；若 ，则 的分布函数为。。参数 、 时的正态分布称为标准正态分布，记为 ，其密度函数记为， ，分布函数为。是不可求积函数，其函数值，已编制成表可供查用。Φ(-x)＝1-Φ(x)且Φ(0)＝ 。如果 ~ ，则 ~ 。。 第三章 二维随机变量及其分布（2）期望的性质（1） E(C)=C（2） E(CX)=CE(X)（3） E(X+Y)=E(X)+E(Y)，（4） E(XY)=E(X) E(Y)，充分条件：X和Y独立；充要条件：X和Y不相关。（3）方差的性质（1） D(C)=0；E(C)=C（2） D(aX)=a2D(X)； E(aX)=aE(X)（3） D(aX+b)= a2D(X)； E(aX+b)=aE(X)+b（4） D(X)=E(X2)-E2(X)（5） D(X±Y)=D(X)+D(Y)，充分条件：X和Y独立；充要条件：X和Y不相关。D(X±Y)=D(X)+D(Y) ±2E[(X-E(X))(Y-E(Y))]，无条件成立。而E(X+Y)=E(X)+E(Y)，无条件成立。协方差对于随机变量X与Y，称它们的二阶混合中心矩 为X与Y的协方差或相关矩，记为 ，即与记号 相对应，X与Y的方差D（X）与D（Y）也可分别记为 与 。相关系数对于随机变量X与Y，如果D（X）0, D(Y)0，则称为X与Y的相关系数，记作 （有时可简记为 ）。| |≤1，当| |=1时，称X与Y完全相关：完全相关而当 时，称X与Y不相关。以下五个命题是等价的：① ；②cov(X,Y)=0;③E(XY)=E(X)E(Y);④D(X+Y)=D(X)+D(Y);⑤D(X-Y)=D(X)+D(Y).协方差矩阵混合矩对于随机变量X与Y，如果有 存在，则称之为X与Y的k+l阶混合原点矩，记为 ；k+l阶混合中心矩记为：（6）协方差的性质(i) cov (X, Y)=cov (Y, X);(ii) cov(aX,bY)=ab cov(X,Y);(iii) cov(X1+X2, Y)=cov(X1,Y)+cov(X2,Y);(iv) cov(X,Y)=E(XY)-E(X)E(Y).（7）独立和不相关（i） 若随机变量X与Y相互独立，则 ；反之不真。（ii） 若（X，Y）～N（ ），则X与Y相互独立的充要条件是X和Y不相关。第五章 大数定律和中心极限定理（1）大数定律切比雪夫大数定律设随机变量X1，X2，…相互独立，均具有有限方差，且被同一常数C所界：D（Xi）C(i=1,2,…),则对于任意的正数ε，有特殊情形：若X1，X2，…具有相同的数学期望E（XI）=μ，则上式成为伯努利大数定律设μ是n次独立试验中事件A发生的次数，p是事件A在每次试验中发生的概率，则对于任意的正数ε，有伯努利大数定律说明，当试验次数n很大时，事件A发生的频率与概率有较大判别的可能性很小，即这就以严格的数学形式描述了频率的稳定性。辛钦大数定律设X1，X2，…，Xn，…是相互独立同分布的随机变量序列，且E（Xn）=μ，则对于任意的正数ε有（2）中心极限定理列维－林德伯格定理设随机变量X1，X2，…相互独立，服从同一分布，且具有相同的数学期望和方差： ，则随机变量的分布函数F