应用概率统计课程中一些常用的公式、结论4.doc

应用概率统计课程中一些常用的公式、结论 德摩根(De Morgan)律 ；。 概率加法公式 （拆分技巧），推广到三个事件的情形： 乘法公式：设则有。 全概率公式 设事件组构成的一个完备事件组： ， 其中。进一步，可得 贝叶斯（Bayes）公式 。 其中，仍构成的一个完备事件组，且。 二项概率公式：设事件在一次试验中发生的概率为，则在重伯努利试验中事件恰发生次的概率为 。 （i）一维离散型的概率分布表： … … 概率 … … 其中。 （ii）二维离散型随机变量的联合分布表： EMBED Equation.3 … … … … … … … … … … 其中； 。 (i)一维连续型的概率密度函数满足： （1）； （2）。 (ii) 二维连续型随机变量联合分布密度满足： （1）； (2)。 ，其中为平面内任一区域。 随机变量的独立性 (i）离散型相互独立对任意，都有 ， (ii) 连续型随机变量的联合分布密度为，则 相互独立 数学期望与方差的性质： （1）设，是相互独立的随机变量，则=； （2）设是随机变量，是常数，则有。特别地，。 （3）设，是相互独立的随机变量，则 ；。 推广到有限个相互独立的随机变量之和的情况，即 。 特别地，设是常数，则有。 随机变量与的协方差 ， 随机变量与的相关系数 协方差的计算公式： 。 注：（i）独立性与不相关之间的关系； （ii）随机变量服从二维正态分布，则与相互独立的充要条件是它们不相关； 常见分布的概率分布（离散型）或密度（连续型）以及数学期望、方差 随机变量函数的数学期望公式 设是随机变量的函数。 EMBED Equation.3 是离散型随机变量，它的概率分布为 。 2°是连续型随机变量，它的概率密度为，则有 。 关于二维随机变量函数的数学期望，也有如下类似结论。 设是随机变量,的函数 若（,）是离散型随机变量，其分布律为， 则有 。 2°若（,）是连续型随机变量，其概率密度为，则有 。 正态分布的再生性 例1： 设随机变量服从分布，且，如何求的密度函数；（两种方法） 例2： 已知随机变量，，且与相互独立，设随机变量，试求的密度函数。（两种方法） 契比雪夫不等式：随机变量的数学期望为，方差，则对于任意正数，有 。 样本均值 样本方差。 统计三大重要分布（分布、分布和分布）的生成背景。 设是来自正态总体的样本。和分别为此样本的样本均值和样本方差，则 (1) (2) ，(3) 与相互独立，（4）。 例如：设随机变量为取自的简单随机样本，则统计量服从参数为 的正态分布。 点估计的两种方法 (i)矩估计法 以两个参数的矩估计方法为例： 第一步：先求总体矩 第二步：再令总体矩与样本矩相等列出方程组 第三步：最后解出方程组即可得到参数的矩法估计。 (ii)最大似然估计法 第一步：先求似然函数 设总体为，从中抽出的样本为，则似然函数为 = （离散型总体） （连续型总体） 第二步：对似然函数取自然对数 （离散型总体） （连续型总体） 第三步：求偏导数，并令其为0： , 。 估计的优良性准则 （i）无偏性：是参数的估计量，满足 = 对一切 （ii）有效性：与都是参数的无偏估计，满足 则称比有效。 区间估计：对于给定，求参数的置信度为的置信区间，已有许多结论，我们列出常见的情况，大家在弄懂一般方法的前提下，只要根据实际问题对号入座即可。 单个正态总体均值的置信度为1－的置信区间： （1）方差已知：； （2）方差未知：。 两个正态总体，均值差的置信区间： （1）若均为已知： ； （2）若均未知，但： ， 其中。 假设检验的基本步骤： 以单个正态总体的均值的显著性检验为例： 第一步：提出假设(原假设和对立假设)； 第二步：统计量的选取以及分布的确定： (i) 方差已知，采用统计量； (ii) 方差未知，用样本方差来代替。采用统计量 。 第三步：拒绝域的确定： 在给定显著性水平下， (i) 方差已知，拒绝域可取为，即。 (ii) 方差未知，拒绝域可取为，即。 第四步：下结论（做出判断）。 一元线形回归系数的计算公式 正交试验设计的记号含义：以为例，表示正交表，9是正交表的行数，表示需要做的试验次数。4是正交表的列数，表示最多可以安排的因素的个数。3是因素水平数，表示此表可以安排三水平的试验。