概率论和数理统计笔记.docxVIP

第一章 概率论的基本概念 随机试验： 1.可以在相同的条件下重复进行 2.每次试验的可能结果不止一个，并且能事先明确试验的所有可能结果 3.进行一次试验之前不能确定哪个结果会出现 样本空间：随机试验E的所有可能结果组成的集合称为E的样本空间，记为S 随机事件：试验E的样本空间S的子集，简称事件 基本事件：由一个样本点（E的每个结果）组成的单点集 频率：事件A发生次数和试验次数的比值nA/n，记作fn(A) 概率：对事件A赋予实数，P(A) 非负性，规范性，可列可加性 性质i P(?)=0. 性质ii(有限可加性) 若A1,A2,…,An是两两互不相容的事件，则有P(A1?A2…?An)=PA1+PA2+…+P(An). 性质iii 设A,B是两个事件，若A?B,则有P(B-A)=P(B)-P(A);P(B)≥P(A). 性质iv 对于任一事件A,P(A)≤1. 性质v(逆事件的概率) 对于任一事件A,有P(A)=1-P(A). 性质vi(加法公式) 对于任意两事件 A,B 有P(A?B)=P(A)+P(B)-P(AB). 古典概型：样本空间只包含有限个元素，每个基本事件可能性相同 A的对立事件A及其概率：也称逆事件 两个互不相容事件的和事件的概率：两事件不能同时发生，概率的有限可加性 概率的加法定理：P(AB)=P(A)+P(B)-P(AB) 条件概率：在事件A发生的条件下事件B发生的P(B|A)=P(AB)P(A). 概率的乘法公式：P(ABC)=P(C|AB)P(B|A)P(A) 全概率公式：PA=i=1nPABiP(Bi) Bi是试验E的S的划分，A为E的事件 贝叶斯公式：PBiA=P(A|Bi)P(Bi)j=1nP(A|Bj)P(Bj),i=1,2,…,n. 事件的独立性：P(AB)=P(A)P(B)，互相独立与互不相容不能同时成立 设n个事件，如果对于其中任意2个，任意3个，…，任意n个事件的积事件的概率都等于各事件概率之积，则称n个事件相互独立 实际推断原理：概率很小的事件在一次实验中实际上几乎是不发生的  第二章 随机变量及其分布 随机变量：设E的样本空间S={e}，X=X(e)是定义在样本空间S上的单值函数，称随机变量 分布函数：X是随机变量，x是任意实数，Fx=PX≤x,-∞x∞称为X的分布函数 任意实数x1,x2x1x2,有 Px1X≤x2=PX≤x2-PX≤x1=Fx2-F(x1) 基本性质：不减函数，0≤F(x)≤1且F(-∞)=0,F(∞)=1 离散型随机变量：全部可能取到的值是有限个或可列无限多个 其分布律： PX=xk=pk,k=1,2,… 连续性随机变量:Fx=-∞xf(t)dt 非负可积函数fx 概率密度：f(x) 性质：fx≥0;-∞∞fxdx=1 伯努利试验：试验E只有两个可能结果：A及A （0-1）分布： PX=k=pk(1-p)1-k,k=0,1 (0p1) 记为X～b(1,p) n重伯努利试验：将伯努利试验E独立重复地进行n次，以Ci为A或A，i=1,2,…,n. 独立：PC1C2…Cn=PC1PC2…P(Cn) 二项分布：PX=k=nkpk(1-p)n-k,k=0,1,2,…,n. 记为X～b(n,p) 泊松分布：PX=k=λke-λk!,k=0,1,2,…, λ是常数，记为X～π(λ) 指数分布：fx=1θe-xθ, x00, otherwise,记为X～η(θ) 均匀分布：fx=1b-a, axb,0, otherwise.,记为X～U(a,b) 正态分布：fx=12πσe-(x-μ)22σ2,-∞x∞，其中μ,σ（σ0）是常数，记作X～N（μ，σ2） 标准正态分布：X～N(0,1)，概率密度为φ(x)，分布函数为Φ(x) 引理：若X～N(μ，σ2)，则Z=X-μσ~N(0,1) 随机变量函数的分布：Y=g(X)，分布函数法（先求分布函数，再对分布函数求导）  第三章 多维随机变量及其分布 二维随机变量（X，Y）：设X=X(e),Y=Y(e)是定义在样本空间S上的随机变量构成的向量（X，Y）的分布函数： 联合分布函数：Fx,y=PX≤x∩Y≤y?P{X≤x,Y≤y} 边缘分布函数：FXx=PX≤x=PX≤x,Y∞=F(x,∞),FYy=F(∞,y) 离散型随机变量（X，Y）的分布律：PX=xi,Y=yj=pij,i,j=1,2,… 联合分布律 连续型随机变量（X，Y）的概率密度：f(x,y) 联合概率密度 fx,y≥0 -∞∞-∞∞f(x,y)dxdy=F∞,∞=1 设G是xOy平面上的区域，点(X,Y)落在G内的概率为G f(x,y)dxdy. 若f(x,y)在点(x,y)连续，则有?2yF(x,y)?x?y=f(x,y) 离散型随机变量（X，Y）的边