概率论和数理统计公式集锦.doc

WORD格式可编辑 专业技术分享 概率论与数理统计公式集锦 一、随机事件与概率 公式名称 公式表达式 德摩根公式 ， 古典概型 几何概型 ，其中μ为几何度量（长度、面积、体积） 求逆公式 加法公式 P(A∪B)=P(A)+P(B)-P(AB) 当P(AB)＝0时，P(A∪B)=P(A)+P(B) 减法公式 P(A-B)=P(A)-P(AB)，时P(A-B)=P(A)-P(B) 条件概率公式 乘法公式 全概率公式 贝叶斯公式 （逆概率公式） 两件事件 相互独立 ；； 二、随机变量及其分布 1、分布函数性质 2、离散型随机变量及其分布 分布名称 分布律 0–1分布X~ 二项分布X~ 泊松分布X~ 3、连续型随机变量及其分布 分布名称 密度函数 分布函数 均匀分布 X~ 指数分布 X~ 正态分布 X~ 标准正态 分布 X~ 4、随机变量函数Y=g(X)的分布 离散型：， 连续型：①分布函数法，②公式法 三、多维随机变量及其分布 1、离散型二维随机变量及其分布 分布律：分布函数 边缘分布律： 条件分布律：， 2、连续型二维随机变量及其分布 ①分布函数及性质 分布函数： 性质： ②边缘分布函数与边缘密度函数 分布函数：密度函数： ③条件概率密度 ， 3、随机变量的独立性 随机变量X、Y相互独立， 离散型： ，连续型： 4、二维随机变量和函数的分布 离散型： 连续型： 四、随机变量的数字特征 1、数学期望 ①定义：离散型，连续型 ②性质：，， ，当X、Y相互独立时： 2、方差 ①定义： ②性质：，， 当X、Y相互独立时： 3、协方差与相关系数 ①协方差：，当X、Y相互独立时： ②相关系数：，当X、Y相互独立时：(X,Y不相关) ③协方差和相关系数的性质：， 4、随机变量分布的期望和方差 分布 数学期望 方差 0-1分布 p p(1-p) 二项分布 np np(1-p) 泊松分布 均匀分布 正态分布 指数分布 五、大数定律与中心极限定理 1、切比雪夫不等式 若对于任意有 2、大数定律：①切比雪夫大数定律：若相互独立， 且，则： ②伯努利大数定律：设nA是n次独立试验中事件A发生的次数，p是事件A在每次试验中发生的概率，则，有： ③辛钦大数定律：若独立同分布，且，则 3、中心极限定理 ①独立同分布的中心极限定理：均值为，方差为的独立同分布时， 当n充分大时有： ②拉普拉斯定理：随机变量则对任意x有： ③近似计算： 六、数理统计的基本概念 1、总体和样本 总体的分布函数样本的联合分布为 2、统计量 (1)样本均值：(2)样本方差： (3)样本标准差： (4)样本阶距： (5)样本阶中心距： 3、三大抽样分布 (1)分布：设随机变量相互独立，且都服从标准正态分布，则随机变量所服从的分布称为自由度为的分布，记为 性质：①②设且相互独立，则 (2)分布：设随机变量，且X与Y独立，则随机变量：所服从的分布称为自由度的的分布，记为 性质：①② (3)分布：设随机变量，且与独立，则随机变量所服从的分布称为自由度的分布， 记为，性质：设，则 七、参数估计 1.参数估计 (1) 定义：用估计总体参数，称为的估计量，相应的为总体的估计值。 (2) 当总体是正态分布时，未知参数的矩估计值=未知参数的极大似然估计值 2.点估计中的矩估计法：（总体矩=样本矩） 样本均值：或 求法步骤：设总体X的分布中包含有未知参数，它的前k阶原点矩中包含了未知参数，即。又设为总体X的n个样本值，用样本矩代替，在所建立的方程组中解出的k个未知参数即为参数的矩估计量 3.点估计中的极大似然估计 极大似然估计法：取自的样本，设或， 求法步骤： ①似然函数： ②取对数： 或 ③解方程：，解得： 4.估计量的评价标准 估计量的评价标准 无偏性 设为未知参数的估计量。若E(）=，则称为的无偏估计量。 有效性 设和是未知参数的两个无偏估计量。若，则称有效。 一致性 设是的一串估计量，如果对于任意的正数，都有 则称为的一致估计量（或相合估计量）。 5. 单正态总体参数的置信区间 条件 估计 参数 枢轴量 枢轴量 分布 置信水平为的置信区间 已知 未知 已知 未知 八、假设检验 1.假设检验的基本概念 基本思想 假设检验的统计思想是小概率原理。 这里所说的小概率事件就是事件，其概率就是显著性水平α，通常我们取α=0.05，有时也取0.01或0.10。 基本步骤 1.提出原假设H0；2.选择统计量K；3.对于α查表找分位数λ； 4.由样本值计算统计量之值K；将进行比较，作出判断：当时拒绝H0，否则认为接受H0。 两类错误 第一类错误 当H0为真时，而样本值却落入了拒绝域，应当否定H0。这时，我们把客观上H0成立判为H0为不成立（即否定了真实的假设），称这种错误为“弃真