ch12识点梳理.docVIP

§1.1 随机事件及其概率　 一、基本概念 1.随机事件、样本点（基本事件）、样本空间 2.我们称在一次试验中事件A出现（发生）是指该次试验出现了A中的样本点（基本事件） 3.注意： ①在一次试验中，某个事件可能发生也可能不发生； ②在一次试验中，有且仅有一个基本事件（样本点）发生。 二、事件之间的关系与事件的运算 包含、和、积、互不相容（互斥）、对立、差、先并后补等等 三、（随机）事件的概率 1.概率的公理化定义：设E是随机试验，是它的样本空间，给试验E的每一个事件A赋予一个实数P（A）称为事件A的概率，如果它满足下列条件： 非负性：对每一事件A，有 规范性： , 可加性：若 (=1, 2, …..) 是两两互不相容的事件，则 2.概率的一些性质： 若,,…是两两互不相容的事件，则 若, 则　 若, 则　 四、 古典概型 1.有限性: 试验的样本空间所含的元素（即样本点）只有有限个 2.等可能性: 试验中每个样本点出现的可能性是相同的 我们把具有这两个特点的试验称为 “古典概型” §1.2 条件概率与独立性及其应用 一 、条件概率和乘法公式 1.定义 设A，B为随机试验E的两个事件，且P(A) 0，则称P(B|A)为事件A发生的条件下事件B发生的条件概率。 条件概率本质上是一个事件的概率，满足概率的所有的性质，比如 计算条件概率P(B|A)有两种方法： 在缩小的样本空间中计算事件B发生的概率 在样本空间中，先计算P(A)、P(AB)，再按公式求P(B|A) 2.概率的乘法公式：设P(A)0，则有 乘法公式常用来计算两个事件A，B同时发生的概率P(AB)， 也可推广到有限个，如三个事件同时发生的概率 P(ABC)=P(A)P(B|A)P(C|AB) 二、独立性 定义 设A，B为二事件，如果满足等式 则称A,B为相互独立的事件。 从直观上讲，A与B独立就是其中任何一个事件出现的概率不受另一事件出现与否的影响。 推论1 独立 条件概率＝无条件概率 推论2 ① 与 ②与 ③与 ④与 其中任何一对事件相互独立，其余的三对事件也都是相互独立的。 判断事件的独立性一般有两种方法： 由定义判断，是否满足公式 由问题的性质从直观上去判断 独立性的概念可以推广到有限个事件， N个事件的相互独立性与两两独立性不同。 三、全概率公式 全概率公式：设试验E的样本空间为，B为E的事件，　 　　　　　　　为 的一个划分，且P() 0，则 即 该公式一般用于：要求概率的事件可能由某些原因引发，而这些原因又构成的一个划分。应用此公式时，必须先找出引发该事件的完备事件组 2.贝叶斯公式 四、n重贝努里试验 设试验E只有两个可能的结果： 和 ，将E独立地重复进行n次，则称这一串重复的独立试验为n重贝努里试验，简称贝努里试验。 贝努里公式 在n重贝努里试验中，如果事件在每次试验中出现的概率为，令＝“在n 次试验中事件A恰好发生k次”，那么 §1.3 随机变量及其分布 一、随机变量: 1.定义：取值具有随机性的变量称为随机变量,它是定义在样本空间上的实值单值函数 .随机变量一般用X,Y,Z,或ξ,η,ζ等表示 ⒉分类： 二、离散型随机变量的概率分布 ⒈定义:只可能取有限个或至多可列个值的随机变量 2.概率分布:设随机变量一切可能值为,取每一个值 的概率，则称下表为随机变量的概率分布，也叫做的分布列 ... ... ... ... 3.性质: ① ② ③ 注意:离散型随机变量的概率分布分以下几步来求: (1)确定随机变量的所有可能取值; (2)利用古典概型计算每个取值点的概率 (3)列出随机变量的概率分布表.. 4.三种常见的离散型随机变量的概率分布 ①两点分布（也叫0-1分布） X 0 1 P 1-p p ②二项分布若随机变量X的概率分布为，则称随机变量服从参数为的二项分布, 记为 ③泊松分布若随机变量X的概率分布为则称X服从参数为的泊松分布,记为 三、离散型随机变量的函数的分布列 四、连续型随机变量的概率密度函数 ⒈定义: 对于随机变量,若存在一个非负可积函数使对于任意两个实数都有，则称为连续型随机变量，称为的概率密度函数，简称密度函数。简记为。 2.性质: ① ② ③ 满足性质(1) 、(2)的函数都可以看为某个随机变量的概率密度 3．常见连续型分布： 均匀分布、指数分布、正态分布 ① 均匀分布 若的概率密度函数为 则称服从区间上的均匀分布。简记为 ② 指数分布 如果随机变量的概率密度函数为 其中，则称 服从参数为的指数分布。简记为 ③ 正态分