概率论与数理统计公式集锦(2011.6.7).doc

概率论与数理统计公式集锦 一、随机事件与概率 公式名称 公式表达式 德摩根公式 ， 古典概型 几何概型 ，其中μ为几何度量（长度、面积、体积） 求逆公式 加法公式 P(A∪B)=P(A)+P(B)-P(AB) 当P(AB)＝0时，P(A∪B)=P(A)+P(B) 减法公式 P(A-B)=P(A)-P(AB)，时P(A-B)=P(A)-P(B) 条件概率公式 乘法公式 全概率公式 贝叶斯公式 （逆概率公式） 两件事件 相互独立 ；；； 二、随机变量及其分布 1、分布函数性质 2、离散型随机变量 分布名称 分布律 0–1分布 二项分布 泊松分布 3、续型随机变量 分布名称 密度函数 分布函数 均匀分布 分布名称 密度函数 分布函数 指数分布 正态分布 标准正态 分布 三、多维随机变量及其分布 1、离散型二维随机变量边缘分布 离散型二维随机变量条件分布 3、连续型二维随机变量( X ,Y )的分布函数 4、连续型二维随机变量边缘分布函数与边缘密度函数 分布函数： 密度函数： 5、二维随机变量的条件分布 6、X、Y相互独立 四、随机变量的数字特征 1、数学期望 离散型：，连续型： 数学期望的性质 若X、Y相互独立则： 方差： 方差的性质 若X、Y相互独立则： 协方差：，X、Y相互独立时： 相关系数：，X、Y相互独立时：(X,Y不相关) 协方差和相关系数的性质 常见随机变量分布的期望和方差 分布 数学期望 方差 0-1分布 p p(1-p) 二项分布 np np(1-p) 泊松分布 均匀分布 正态分布 指数分布 五、大数定律与中心极限定理 1、切比雪夫不等式 若对于任意有 或 大数定律：若相互独立，且 则：（切比雪夫） 若相互独立同分布，且，则：（辛钦） 3、中心极限定理 (1)独立同分布的中心极限定理：均值为，方差为的独立同分布时，当n充分大时有： 拉普拉斯定理：随机变量则对任意x有： 近似计算： 六、数理统计的基本概念 1、总体和样本 总体的分布函数样本的联合分布为 2、统计量 (1)样本均值：(2)样本方差： (3)样本标准差： (4)样本阶距： (5)样本阶中心距： 3、三大抽样分布 (1)分布：设随机变量相互独立，且都服从标准正态分布，则随机变量所服从的分布称为自由度为的分布，记为 性质：①②设且相互独立，则 (2)分布：设随机变量，且X与Y独立，则随机变量：所服从的分布称为自由度的的分布，记为 性质：①② (3)分布：设随机变量，且与独立，则随机变量所服从的分布称为自由度的分布， 记为，性质：设，则 七、参数估计 1.参数估计 (1) 定义：用估计总体参数，称为的估计量，相应的为总体的估计值。 (2) 当总体是正态分布时，未知参数的矩估计值=未知参数的极大似然估计值 2.点估计中的矩估计法：（总体矩=样本矩） 样本均值：或 求法步骤：设总体X的分布中包含有未知参数，它的前k阶原点矩中包含了未知参数，即。又设为总体X的n个样本值，用样本矩代替，在所建立的方程组中解出的k个未知参数即为参数的矩估计量 3.点估计中的极大似然估计 极大似然估计法：取自的样本，设或， 求法步骤： ①似然函数： ②取对数： 或 ③解方程：，解得： 4.估计量的评价标准 估计量的评价标准 无偏性 设为未知参数的估计量。若E(）=，则称 为的无偏估计量。 有效性 设和是未知参数的两个无偏估计量。若，则称有效。 一致性 设是的一串估计量，如果对于任意的正数，都有 则称为的一致估计量（或相合估计量）。 5. 单正态总体参数的置信区间 条件 估计 参数 枢轴量 枢轴量 分布 置信水平为的置信区间 已知 未知 已知 未知 八、假设检验 1.假设检验的基本概念 基本思想 假设检验的统计思想是小概率原理。 这里所说的小概率事件就是事件，其概率就是显著性水平α，通常我们取α=0.05，有时也取0.01或0.10。 基本步骤 1.提出原假设H0；2.选择统计量K；3.对于α查表找分位数λ； 4.由样本值计算统计量之值K；将进行比较，作出判断：当时拒绝H0，否则认为接受H0。 两类错误 第一类错误 当H0为真时，而样本值却落入了拒绝域，应当否定H0。这时，我们把客观上H0成立判为H0为不成立（即否定了真实的假设），称这种错误为“弃真错误”或第一类错误，记为犯此类错误的概率，即：P{拒绝H0|H0为真}=； 第二类错误 当H1为真时，而样本值却落入了接受域，按照我们规定