概率论内容小结.pptVIP

概率论内容小结 第*页 * * * * * * * * * * 《概率论》内容小结 随机试验E 所有可 能结果 样本空间? 子集 概率P(A) 事件A、B 统计 定义 频率f(A) 伯努利 大数定律 定义实值函数 X=X(ω) 随机变量X 分布 离散 连续 分布律 密度函数f(x) 两点、二项、泊松、几何分布 正态、均匀、 指数分布 F(x)=P(X≤x) 数字 特征 期望、方差、各阶矩 n维随机变量 联合概率分布 分布 关 系 独立性 特 例 二维随机变量 数字 特征 协方差、相关系数 中心极限定理 事件的概率：统计定义 公理化定义 1) 非负性公理：P(A)?0; 2) 正则性公理：P(Ω)=1; 3) 可列可加性公理：若A1, A2, …, An …互不相容，则 P(A)为事件A 的概率,满足 若事件A与B独立，则 A 与 独立、 与 B独立、 与 独立. 事件的独立性 若P(AB)=P(A)P(B),则称A与B相互独立. 若 P(AB)=P(A)P(B), P(AC)=P(A)P(C), P(BC)=P(B)P(C) P(ABC)=P(A)P(B)P(C) 则A、B、C三个事件相互独立. 若A、B、C 相互独立，则A?B与 C 、 A?B与 C 、 A?B与 C 都相互独立。 随机变量X的概率分布函数F(x) 1）定义：设X为一个随机变量，对任意实数 x， 称 F(x)=P( X? x) 为 X 的分布函数. 2）基本性质： a) 单调不降； b) 有界；0?F(x)?1，F(??)=0，F(+?)=1； c) 右连续. 连续随机变量X 及其概率密度： X ~ f (x) (非负性) (正则性) （1） 连续随机变量： 密度函数基本性质： P(X=x) = F(x)?F(x?0) = 0; P(aX≤b) = P(aXb) = P(a≤Xb)= P(a≤X≤b) = F(b)?F(a) （2）计算公式： 当F(x) 在x点可导时, f (x) = （1）数学期望定义： 2) E(aX+b) = aE(X)+b 3) E(g1(X)+g2(X)) = E(g1(X))+E(g2(X)) 性质： 一维随机变量的数字特征 D(X ) = E ( X ?E(X) )2 （2）方差定义： 性质： 1) D(c)=0. 2) D(aX+b) = a2 D(X). 3) D(X)=E(X 2)?[E(X )]2. 分布列或密度函数 期望 方差 常用分布 二项分布B(n, p) 0-1分布 泊松分布P(?) 几何分布 1/p (1?p)/p2 均匀分布 指数分布 正态N(?, ?2) 标准正态N(0, 1) 0 1 p(x) x 0 x ?x 标准正态分布N(0, 1) 密度函数记为 ?(x) 分布函数记为 ?(x) 一般正态分布的标准化 定理2.5.1 设 X ~ N(?, ? 2), 则 Y ~ N(0, 1). 推论: 若 X ~ N(?, ? 2), 则 P(X a) = ， P(X a) = 定理2.6.2 设 X ~ N ( ?, ? 2)，则当a ? 0 时， Y = a X + b ~ N ( a? +b, a2? 2). 大数定律：伯努利大数定律、切比雪夫大数定律、 马尔可夫大数定律、辛钦大数定律. 讨论 “概率是频率的稳定值”的确切含义； 伯努利大数定律： 设 Sn 是n重伯努利试验中事件A出现的次数，每次试验中 P(A) = p, 则对任意的 ? 0，有 概率论内容小结 第*页 * * * * * * * * * *