[理学]概率论与数理统计A 复习课.pptVIP

连续场合的卷积公式 设连续随机变量X与Y 独立， 则 Z=X+ Y 的密度函数为 三、两个随机变量和的分布的计算 离散场合的卷积公式 设离散随机变量 X 与 Y 独立， 则 Z=X+ Y 的分布列为 二项分布的可加性 若 X ? b(n1, p)，Y ? b(n2, p)， 注意：若 Xi ? b(1, p)，且独立，则 Z = X1 + X2 + …… + Xn ? b(n, p). 且独立， 则 Z = X+ Y ? b(n1+n2, p). 泊松分布的可加性 若 X ? P(?1) ，Y ? P(?2)， 且独立， 则 Z = X+ Y ? P(?1+?2). 正态分布的可加性 若 X ? N( )，Y ? N( ) ， 注意： X ?Y 不服从 N( ). 则 Z = X ? Y ? N( ). X ?Y ? N( ). 独立正态变量的线性组合仍为正态变量 Xi ~ N(?i, ?i2), i =1, 2, ... n. 且 Xi 间相互独立, 实数 a1, a2, ..., an 不全为零, 则 四、多维随机变量的特征数 例、X 与 Y 独立，Var(X) = 6，Var(Y) = 3， 则 Var(2X?Y) = ( ). 例、 X ~ P(2)，Y ~ N(?2, 4)， X与Y独立， 则 E( X?Y) = ( ); E( X?Y)2 = ( ). 第五章 大数定律和中心极限定理 1、掌握chebyshev不等式， 2、知道大数定律的基本结论， 3、会用中心极限定理求概率的近似值。 定理1（独立同分布下的中心极限定理） 设X1,X2, …是独立同分布的随机 变量序列，且E(Xi)= D(Xi)= ， i=1,2,…，则 定理2(棣莫佛－拉普拉斯定理） 设随机变量 服从参数为n,p的二项分布，则 已知某种疾病的发病率为0.001，某单位共有5000人， (1)试用中心极限定理（即二项分布的正态近似），求该单位患这种疾病的人数X不超过5的概率的近似值。 (2)试用切比雪夫不等式给出P(|X-5|3)的下界 第一章 随机事件与概率 1、随机事件的表示， 由简单事件的运算表达复杂事件； 2、概率的运算性质，如加法公式，减法公式，乘法公式等； 3、条件概率公式，全概率公式，贝叶斯公式； 4、事件独立性定义 例. 试用A、B、C 表示下列事件： ① A 出现； ② 仅 A 出现； ③ 恰有一个出现； ④ 至少有一个出现； ⑤ 至多有一个出现； ⑥ 都不出现； ⑦ 不都出现； ⑧ 至少有两个出现； 加法公式 减法公式 例、P(A)=0.4，P(B)=0.3，P(A?B)=0.6， 求 P(A?B). 条件概率 乘法公式 甲口袋有a只白球、b只黑球；乙口袋有n只白球、 m只黑球. 从甲口袋任取一球放入乙口袋，然后 从乙口袋中任取一球，求从乙口袋中取出的是白 球的概率. 概率为： 全概率公式的例题 某人从甲地到乙地，乘飞机、火车、汽车迟到的概率分别为0.1、0.2、0.3，他等可能地选择这三种交通工具。若已知他最后迟到了，求他分别是乘飞机、火车、汽车的概率. （1/6， 2/6， 3/6） 已知“结果” ，求“原因”用贝叶斯公式 事件的独立性 直观说法：对于两事件，若其中任何一个 事件的发生不影响另一个事件的发生， 则这两事件是独立的. ? P(A|B) = P(A) ? P(AB)/P(B) = P(A) ? P(AB) = P(A)P(B) 1、会由随机变量的已知分布律或密度函数求出其分布函数； 2、六种重要分布的分布律和密度函数； 3、有关正态分布的概率计算； 4、会求随机变量函数的分布； 第二章 随机变量及其分布 一、分布函数、分布律、密度函数、概率之间关系 例 已知 X 的分布列如下