概率统计第1～5章小结.pptVIP

六个重要分布的数学期望和方差 第五章 大数定律与中心极限定理 （5）矩的概念 ：k阶原点矩，k阶矩； ： k阶中心矩； ： 阶混合原点矩； 阶混合中心矩。 * 第一章 概率论的基本概念 主要内容： 基本名词、事件间的关系及其运算、概率及其性质、等可能概型及其计算、条件概率、全概率公式、贝叶斯公式、划分、独立性。 （1）基本名词 ① 随机试验 ② 样本空间 ③ 随机事件或事件：基本事件、复合事件、必然事件、 不可能事件。 （2）事件间的关系及运算 交换律： 结合律： 分配律： 德·摩根律： （3）概率及其性质 频率，概率。 性质i 性质ii 若A1，A2，…An是两两互不相容的事件，则有 性质iii 若 性质vi（加法公式） 性质iv P（A）≤1 性质V（逆事件的概率） ，则有 样本空间只包含有限个元素。 每个基本事件发生的可能性相同。 计算公式： （4）等可能概型 特点： 计算方法： 乘法原理 加法原理 排列（管次序）：有放回的选取 nr 不放回选取 n（n-1）（n-2）…（n-r+1）= 组合（不管次序、不可重复）： 有重复： 古典概率的局限性：全部试验结果为有限个，且是等可能性的。 P（B|A）= 乘法定理： P（AB）= P（B | A）P（A） P（ABC）= P（C | AB）P（B | A）P（A） （5）条件概率 （6）全概率公式 设B1，B2，…Bn为S的一个划分，则 P(A)=P(A|B1)P(B1)+P(A|B2)P(B2)+…+P(A|Bn)P(Bn) （7）贝叶斯公式 P（Bi | A）= 特别当n=2，全概率公式和贝叶斯公式分别为： P(A)= P(B | A)= （8）划分 （9）相互独立 P（AB）=P（A）P（B） 定理一 若A，B相互独立，则P（B|A）=P（B）。反之亦然。 定理二 A、B相互独立，则下列各对事件也相互独立。 如果满足等式： 则称事件A，B，C相互独立。 第二章 随机变量及其分布 随机变量的统计规律，必须且只需知道： （1）X取的所有可能值； （2）X取每一个可能值的概率。 主要内容： 随机变量 离散型随机变量及其分布律 （（0—1）分布、伯努利试验、二项分布、泊松分布） 随机变量的分布函数 连续型随机变量 概率密度（均匀分布、指数分布、正态分布、标准正态分布） 随机变量的函数的分布。 随机变量 离散型随机变量及其分布律 分布律的定义： P{X=xk}=Pk，k=1,2,… 满足如下两个条件： ① Pk≥0，k=1,2…； ② （0－1）分布: P{X=k}=pk(1-p)1-k，k=0,1 (0P1) 伯努利试验：试验E只有两个可能的结果：A及 n重伯努利试验：将E独立重复地进行n次。 二项分布： P{X=k}= P{X=k}= 记为X～ Pkqn-k， k=0,1,2,…,n 记为X～b(n,p)。 泊松分布： 随机变量的分布函数 定义： F（x）= P{X≤x} 离散型随机变量X的分布函数为 P{ x1X≤x2}=F(x2)-F(x1)= F′(x)=f (x) 连续型随机变量及其概率密度 分布函数： F(x)= 均匀分布： 记为X～U (a,b) 指数分布： 正态分布： 标准正态分布： 引理 ： . 在“Y≤y”中，即在“g (X)≤y”中解出X，从而得到一个与“g (X)≤y”等价的X的不等式。此法具有普遍性。 随机变量的函数的分布 第三章 多维随机变量及其分布 主要内容： 二维随机变量（离散型和连续型）及其“分布函数” 联合分布、边缘分布（离散型和连续型） 条件分布（离散型：条件分布律，连续型：条件概率密度、条件分布函数） 随机变量的独立性 两个随机变量的函数的分布。 “分布函数”： P{X=xi,Y=yj}=Pij,i,j=1,2,…、 联合分布函数： 连续型随机变量： 离散型：分布律或联合分布律： （2）边缘分布 边缘分布函数：