概率论与数理统计公式总结(湖南大学).docxVIP

概率论与数论统计第一部分 概率论※随机事件的运算定律交换律：A∪B=B∪A A∩B=B∩A结合律：A∪(B∪C)=(A∪B)∪C A∩(B∩C)=(A∩B)∩C分配率：A∩(B∪C)=(A∩B)∪(A∪C) A∪(B∩C)=(A∩B)∪(A∩C)对偶律：A∪B=A∩B A∩B=A∩B 鄙人之愚见：如果碰到那种很难从正面理解的事件，试着从对立面翻译。※条件概率与概率公式 1. 条件概率公式： 2. 乘法公式： 3. 全概率公式： 4. 贝叶斯公式： 鄙人之愚见：除了第一个以外，其他的都太抽象，强烈建议不要去记他们，而是去做题，不然小心思维混乱。我现在压根不明白他们是什么意思，但是如果做题的话就会无意中用到。※离散型随机变量的常见分布 1. 两点分布与二项分布X~B(n,p) 2. 泊松分布 若X~B(n,p),当n→∞，X~P(λ),λ=np ※连续型随机变量及其常见分布 1. 概率密度函数是分布函数的导数，分布函数是概率密度函数的可变上限定积分。 2. 零概率事件并不都是不可能事件，几乎必然发生的事件也并不都是必然事件。 3.分布函数的定义域一定是从-∞→∞，值域一定是从0→1，右连续[P(X)=P(X+0)]，且单调不减，自己做题要注意。 4．分布函数不仅仅只有离散型和连续型两种。 5．均匀分布：概率密度函数满足 X~U(a,b) 6. 指数分布：概率密度函数满足 X~E(λ) λ0 7. 正态分布：X~N(μ,) 正态分布函数的标准化：一般的正态分布N(μ,)的分布函数F(x)与标准正态分布N(0,1)的分布函数?(x)之间有如下关系： F(x)=?() 3?原则：0.6826 0.9574 0.99738.对于一般的连续型随机变量，有如下定理 设X为连续型随机变量，为X的概率密度，若y=g(x)为严格单调的连续函数，且反函数x=h(y)有连续导数，则Y=g(x)为连续型随机变量，且概率密度为(y)=[(h(y) ) * |h`(y)|]若g(x)分段严格单调，对应反函数 则有 (y)=[((y) ) * |`(y)|] ※二维随机变量的联合分布与边缘分布 1.二维随机变量的分布函数和概率密度函数依然拥有一维随机变量的那些性质，只是更麻烦些。要用到二重积分，所以多训练训练。 2.X，Y的联合分布决定边缘分布，但反之不再成立。如果X,Y相互独立，则边缘分布与联合分布相互确定。 3.边缘概率密度函数 4.二维正态分布(还是看一下会比较好) (1)二维正态分布中X,Y相互独立的充要条件是参数ρ（相关系数）=0 ※连续型随机变量之和的分布 1.一般地： 卷积公式： 2.其他分布 (1)瑞利分布: X, Y均服从N(0，)则的概率密度为 (2)Max与Min 分布：（自己推广到n个变量的情况） 设随机变量（X,Y）的分布函数为F（x,y）,其边缘分布分别为, 则(说实在的，我不懂这个) 若X，Y相互独立，有 若独立同分布，有 (3)分布等会儿写 (重点)※独立性判定 我直接给出相互独立一般的定义了 該式成立，则A1…An相互独立。 但如果这n个事件中任意两个事件两两独立，并不能说明这n个事件之间相互独立，这个要注意，别弄错了。1.两个事件互不相容与两个事件独立不等价，两个随机变量不相关也与它们相互独立不等价。2.判断随机变量X与Y是否相互独立，看它们某点的联合概率或概率密度是否等于它们边缘概率或概率密度的乘积。 3.不能主观臆断事件或随机变量的独立性，一定要证明一下，最好是从定义入手。表面看似正确的，不一定就是正确的。 4.定理(1)若X1…Xn相互独立，且 则 定理(2)X Y相互独立，g(x)和h(y)是两个一元连续函数，则g(X)和h(Y)也相互独立。 定理(3)则。且只差一个常数因子。 (重点)※期望与方差的性质 1期望的性质 (1)一维的： 若Y=g(X), 二维的： 若Z=g(X,Y), (2)性质：E(C)=C E(CX)=CE(X) (C为常数) E(X+Y)=E(X)+E(Y)随机变量X,Y相互独立，E(XY)=E(X)E(Y) 对于任意两个随机变量X,Y都有 2方差的性质 (1) (2)性质：D(C)=0 (C为常数) D(aX+b)= (a,b为常数)特别地，若X，Y独立，则 3常见随机变量的期望与方差分布期望方差两点分布B(1,p)Ppq二项分布B(n,p)NpNpq几何分布G(λ)泊松分布P(λ)λλ超几何分布H(n,M,N)均匀分布U[a,b]指数分布E(λ)正态分布N(μ,)μ分布(n)N2nt分布t(n)0F分布F()() 鄙人之陋见：当然我是没写全，但还是想提醒一下，去看看期望和方差的一些性