概率论及数理统计辅导纲要.docVIP

《概率论与数理统计》辅导纲要 第1章 随机事件与概率 主要内容 样本空间的概念 随机事件 事件的关系 事件的运算律 概率的定义 概率的性质 概率的计算 古典概型 全概率公式 贝叶斯公式 事件的独立性 贝努利概型 重点掌握 1.1 样本空间与随机事件 1．用集合形式表出事件 设，，，表示。又如，设表示事件“甲种产品畅销，乙种产品滞销”，则表示“甲种产品滞销或乙种产品畅销”。再如，设是3个随机事件， “至少有一个发生”表示为。 2．德摩根(De Morgan)律 ；。 1.2 概率的定义及性质 1．概率加法公式 ， 推广到三个事件的情形： 。 2．拆分技巧 若事件，则必有。证明思路： ，由于事件，所以，。从而。 1.3 古典概型 利用古典概型进行概率计算 设有10个零件，其中2个是次品，现随机抽取2个，则 “恰有一个是正品”的概率；至少有1个是正品的概率 或0.978。 1.4 条件概率、概率乘法公式、全概率公式与贝叶斯（Bayes）公式 设则有。 设事件组构成的一个完备事件组： ， 其中。进一步，可得 。 其中，仍构成的一个完备事件组，且。 例如，已知的概率，的概率，条件概率。由于，，所以。进而可得。 又如，若从10件正品2件次品的一批产品中，任取2次，每次取一个，不放回，则第二次取出的是次品的概率可如下计算：设{第一次取出的是正品}；{第二次取出的是次品}；利用全概率公式 。 1.5 随机事件的独立性 1．事件与互斥， 与不一定相互独立；反之，与相互独立， 与一定也未必互斥。 2． 3个事件两两独立，这三个事件是不一定相互独立。 3．有关事件独立性的证明 若三个事件相互独立，则与独立。事实上， 若事件与相互独立，则与也相互独立。事实上， 因为，所以 ， 从而与也相互独立。 1.6 伯努利(Bernoulli)概型 二项概率公式设事件在一次试验中发生的概率为，则在重伯努利试验中事件恰发生次的概率为 。 第2章 随机变量及其分布 主要内容 随机变量的概念 分布函数的定义离散型随机变量的分布律 连续型随机变量的分布密度函数二项分布普阿松分布正态分布重点掌握随机变量及分布函数随机变量分布函数的定义 。2.2 离散型随机变量及其分布律 离散型随机变量的概率分布 … … 对应取值的概率 … … 其中。 例如，已知的概率分布为，，则值为。 再如，已知随机变量的概率分布为 -4 -1 0 2 4 则常数＝3/20。 2．常见离散型随机变量的分布 已知服从参数为的普阿松分布，则概率分布＝。已知随机变量服从参数为的二项分布，则概率分布＝。 3．灵活运用随机变量的分布性质解题 例如，设离散型随机变量服从参数为的普阿松分布，已知，则参数的值可如下求解：, ,由题设可知。 2.3 连续型随机变量及其密度函数 1．常见连续型随机变量的分布 随机变量服从正态分布，则其概率密度函数＝。随机变量服从均匀分布，则其密度函数为。 例如，已知连续型随机变量，则因为随机变量服从正态分布，所以它的密度函数具有如下形式： ， 进而，将代入上述表达式可得具体密度函数为： 。 2．灵活运用连续型随机变量的分布性质解题 已知随机变量的概率密度为，则由于,即，故，所以。进而可得。 又如，随机变量的密度函数为，其中为正的常数，则由于，。 设随机变量的密度函数为，则由于。 2.4 随机变量的函数的分布 1．随机变量函数的分布的计算 例如，设随机变量的概率分布律为： -2 -1 0 1 3 则的概率分布律为 0 1 4 9 又如，若随机变量在区间上服从均匀分布，则方程有实根的概率可如下计算：由于方程有实根，则，从而所求概率为 。 再如，设服从区间上的均匀分布， 则（为常数）的分布密度可如下进行计算：显然。若即，则；若即，则；若即，则。 所以（为常数）服从上的均匀分布。 第3章　多维随机变量及其分布 主要内容 多维随机变量的概念 联合分布函数 联合分布律 联合密度函数 边缘分布 随机变量的独立性 随机变量函数的分布重点掌握 3.1 二维离散型随机变量 联合分布与边缘分布的关系随机向量的联合分布函数为，且两个边缘分布函数分别为与， 不一定成立。 3.2 二维连续型随机变量 1. 二维正态分布与相互独立与不相关若随机变量服从二维正态分布，则与相互独立与它们不相关互为充分必要条件。 2．二维连续型随机变量联合分布密度满足（1）； (2)。 例如，已知的联合密度函数为，因为，所以。进一步，的边缘分布。 3.3 随机变量的独立性 1．联合密度函数边缘概率密度设是二维随机变量的联合密度函数,与分别是关于与的边缘概率密度,且与相互独立,则必有 2．随机变量独立性的验证 设（）的密度函数为，则由于，