2.61《概率》全章节复习与巩固.docVIP

2.61《概率》全章节复习与巩固 【学习目标】 理解随机变量及其分布的概念，分布列对于刻画随机现象的重要性. 理解超几何分布及其导出过程，并能进行简单的应用.理解，并能进行简单的应用.理解n次独立重复试验的模型及二项分布，并能解决一些简单的实际问题.理解随机变量均值、方差的概念，能计算简单随机变量的均值、方差，并能解决一些实际问题.. 【要点梳理】 要点、等表示。 对于随机变量可能取的值，可以按一定次序一一列出，这样的随机变量叫做离散型随机变量； 若是随机变量，其中a,b是常数，则也是随机变量，并且不改变其属性（离散型、连续型）。 2．离散性随机变量的分布列： 设离散型随机变量可能取得值为x1,x2,…,x3,…,若取每一个值xi(i=1,2,…)的概率为，则称表 x1 x2 … xi … P P1 P2 … Pi … 为随机变量的概率分布，简称的分布列. 离散型随机变量的分布列都具有下面两个性质： （1）pi≥0,i=1,2…； （2）P1+P2+…=1 3．如果随机变量X的分布列为 1 0 P 称离散型随机变量服从参数为的两点分布。 要点、发生的概率为： ， 其中，，称分布列 0 1 … … 为超几何分布列。 离散型随机变量X服从超几何分布。 要点、条件概率的概念 设、为两个事件，且，在已知事件发生的条件下，事件B发生的概率叫做条件概率用符号表示。 要点诠释 在条件概率的定义中，事件A在“事件B已发生”这个附加条件下的概率与没有这个附加条件的概率是不同的，应该说，每一个随机试验都是在一定条件下进行的．而这里所说的条件概率，则是当试验结果的一部分信息已知，求另一事件在此条件下发生的概率． 条件概率的公式 ①利用定义计算 先分别计算概率P（AB）及P（B），然后借助于条件概率公式求解． ②利用缩小样本空间的观点计算 在这里，原来的样本空间缩小为已知的条件事件B，原来的事件A缩小为事件AB，从而，即：，此法常应用于古典概型中的条件概率求解． 事件满足，事件独立。 若与是相互独立事件，则与，与，与也相互独立。 ．相互独立事件同时发生的概率公式： 对于事件A和事件B，用表示事件A、B同时发生。 （1）若与是相互独立事件，则； （2）若事件相互独立，那么这个事件同时发生的概率，等于每个事件发生的概率的积，即：。要点、与，并且事件发生的概率相同。在相同的条件下重复地做次试验，各次试验的结果相互独立，称为次独立重复试验。 要点诠释： 在次独立重复试验中，一定要抓住四点： ①每次试验在同样的条件下进行； ②每次试验只有两种结果与，即某事件要么发生，要么不发生； ③每次试验中，某事件发生的概率是相同的； ④各次试验之间相互独立。 总之，独立重复试验，是在同样的条件下重复的，各次之间相互独立地进行的一种试验，在这种试验中，每一次的试验结果只有两种，即某事件要么发生，要么不发生，并且任何一次试验中发生的概率都是一样的。 2.独立重复试验的概率公式 如果事件A在一次试验中发生的概率为P，那么n次独立重复试验中，事件A恰好发生k次的概率为： （k=0，1，2，…，n）． 令得，在n次独立重复试验中，事件A没有发生的概率为 令得，在n次独立重复试验中，事件A全部发生的概率为。 3.二项分布 在一次随机试验中，事件A可能发生也可能不发生，在次独立重复试验中事件A发生的次数是一个离散型随机变量．如果在一次试验中事件A发生的概率是，则此事件不发生的概率为，那么在次独立重复试验中事件A恰好发生次的概率是 ，（）． 于是得到离散型随机变量的概率分布如下： ξ 0 1 … k … n P … … 由于表中第二行恰好是二项展开式 中各对应项的值，所以称这样的随机变量服从参数为，的二项分布，记作． 要点诠释： 判断一个随机变量是否服从二项分布，关键有三： 其一是独立性，即每次试验的结果是相互独立的； 其二是重复性，即试验独立重复地进行了n次； 其三是试验的结果的独特性，即一次试验中，事件发生与不发生，二者必居其一。 要点、离散型随机变量的期望 一般地，若离散型随机变量的概率分布为 … P … … 则称…为的均值或数学期望，简称期望． 要点诠释： （1）均值（期望）是随机变量的一个重要特征数，它反映或刻画的是随机变量取值的平均水平． （2）一般地，在有限取值离散型随机变量的概率分布中，令，则有，，所以的数学期望又称为平均数、均值。 （3）随机变量的均值与随机变量本身具有相同的单位． 离散型随机变量的方差与标准差 方差：已知一组数据，，，，它们的平均值为，那么各数据与的差的平方的平均数 ＋＋＋叫做这组数据的方差。 离散型随机变量的方差：一般地，若离散型随机变量的概率分布为 … P …