应用统计与SPSS2013年复习总结.pptVIP

概率的性质： 性质（1）：P(? )=0； 性质（2）： (有限可加性) 对于两两互不相容的n个事件A 1 ,A 2 ,…, A n , 则有 P(A 1 ∪A 2 ∪…∪A n ) =P(A 1 )+P(A 2 )+…+P(A n )； 性质（3）：(差事件概率) 设A, B为两个事件, 若 A?B, 则有P(B － A)= P(B)－P(A)； 推论（单调增加性）若A?B，则P(A)≤P(B). 性质（4）：对于任意事件A, 都有P (A)≤1. 性质（5）：(逆的概率) 设 ā是A的对立事件, 则有 P(ā )=1－P(A). 性质（6）：对于任意的事件A、B, 有P(A∪B)= P(A)+P(B)－P(AB). 推论一：对任意的互不相容事件A, B, 有P(A∪B)= P(A)+P(B). 推论二：对任意的事件A, B, 有P(A∪B)≤P(A)+P( B). * 频率与概率 概率论基础知识 乘法原理 加法原理 排列 组合 古典概型 若试验E满足两个条件： 1、E的样本空间S只含有限个样本点（基本事件）记 n 2、E的每个基本事件发生的可能性相同 则称E为古典概型（或等可能概型）。 若古典概型E中事件A包含K个基本事件，则A发生的概率 古典概型 概率论基础知识 条件概率定义：设A，B是两个事件，且P（A）0，称 为在事件A发生的条件下事件B发生的条件概率. 乘法公式：设两个事件A，B，若P（A）0，有P（AB）=P（A）P（B|A）称为概率的乘法公式。 划分：设S为试验E的样本空间，B1，B2，…，Bn为E的一组事件，若 则称B1,B2,…,Bn为S的一个划分。 全概公式：设试验E的样本空间为S，A为E的事件， B1,B2,…,Bn为S的一个划分，且P（Bk）0（K=1，2，…,n），则 为全概公式 * 概率论基础知识 条件概率、乘法公式、全概公式 设试验E的样本空间为S，A为E的事件，B1，B2，…，Bn是E 的一个划分，且P（A）0,P(Bi)0,(i=1，2，…，n )，则 称上式为贝叶斯（Bayes）公式，也叫后验概率。 * 概率论基础知识 贝叶斯公式 定义：设A，B 是两个事件，如果满足等式 P（AB）=P（A）P（B），则称 A，B相互独立，简称 A，B独立。 定理：设 A，B是两个事件，A，B相互独立的充要条件是 定理：若事件A与B相互独立，则下列各事件也相互独立： 注意两事件独立与两事件互斥的关系：当P(A)0 , P(B)0时，如A与B互斥，则A与B不独立，如A与B独立，则A与B不互斥。 * 概率论基础知识 独立性 随机试验E 样本空间与基本事件 事件及事件的运算与关系 概率的公理化定义 排列 组合 古典概率 几何概率 统计概率 概率的性质 条件概率 事件的独立性 乘法公式及其应用 加法公式及其应用 全概率公式与贝叶斯公式 概率论基础知识 随机变量定义： 随机变量的分类： 离散型（投骰子点数、人口数）、连续型（顾客等待时间、工资收入） 离散型随机变量分布律 * 随机变量及其分布 离散型变量（记住（0-1）分布，二项分布、泊松分布的期望方差） 两点分布 二项分布 泊松分布 几何分布 超几何分布 分布函数的定义： 基本性质： * 随机变量及其分布 分布函数基本性质 重要公式： * 随机变量及其分布 概率密度： 三种重要的连续型随机变量的分布 均匀分布（记住其概率密度函数、分布函数、期望、方差） 指数分布（记住其概率密度函数、分布函数、期望、方差） 正态分布（记住其概率密度函数、分布函数、期望、方差、几何特征、 标准化方法） * 随机变量及其分布 数学期望的概念、计算方法 离散型随机变量 * 随机变量的数字特征 数学期望的概念、计算方法 连续型随机变量 * 随机变量的数字特征 数学期望的性质 方差的定义 * 随机变量的数字特征 1.设 C 是常数, 则有 2. 设 X 是一个随机变量,C 是常数, 则有 3. 设 X, Y 是两个随机变量, 则有 4. 设 X, Y 是相互独立的随机变量, 则有 方差的意义：方差是一个常用来体现随机变量 X 取值分散程度的量. 如果 D(X) 值大, 表示 X 取值分散程度大, E(X) 的代表性差; 而如果 D(X)