概率论与数理统计小结.docVIP

. . 概率论与数理统计主要内容小结 概率部分 1、全概率公式与贝叶斯公式 全概率公式： 其中是空间S的一个划分。 贝叶斯公式： 其中是空间S的一个划分。 2、互不相容与互不相关 互不相容 事件互相独立; 两者没有必然联系 3、几种常见随机变量概率密度与分布律:两点分布，二项分布，泊松分布，均匀分布，二项分布，指数分布，正态分布。 即二点分布，则分布律为 即二项分布，则分布律为 即泊松分布，则分布律为 即均匀分布，则概率密度为 即指数分布，则概率密度为 即正态分布，则则概率密度为. 连续性随机变量分布函数性质：（i），, (ii)分布函数连续 对连续性随机变量，已知概率密度，则分布函数为； 已知分布函数为，则概率密度. 对连续性随机变量，已知概率密度, 区间概率 4、连续函数随机变量函数的概率密度 设连续随机变量的概率密度为也是连续型随机变量，求Y的概率密度 求法 (i) 利用以下结论计算：如果函数处处可导，且恒有（或），则Y概率密度为： 其中，是的反函数，且有 (ii) 利用分布函数计算：先求值域，再在该值域求Y的分布函数 则有. 常用求导公式 5、二维随机变量分布律 对于二维连续性随机变量，其联合概率密度为其联合分布函数为 则 概率密度性质：（i） (ii) 已知概率密度求区域概率有 边缘分布函数为 边缘概率密度为 条件分布函数为 条件概率密度为 对于离散情形，设联合分布律为 边缘概率密度为， 条件概率密度为， 6、二维随机变量函数的分布 设二维随机变量概率密度为，分布函数为 (i) Z=X+Y, 则Z的概率密度为 当相互独立时， (ii) M=max{X,Y}与N=min{X,Y} 当相互独立时，， 7、数学期望 (i) 求法：连续随机变量概率密度为，则；若, 则. 离散随机变量分布律为，则;若, 则. 若有二维的随机变量,其联合概率密度为，若, 则. (ii) 性质： 相互独立，则有 8、方差 定义：，标准差（均方差）：. 计算： 性质： 常见分布的数学期望和方差：两点分布： 即二项分布，则 即泊松分布，则 即均匀分布，则 即指数分布，则 即正态分布，则 9、协方差与相关系数 定义：协方差: 相关系数：则有. 性质： 如果相互独立，则有 且. 10、独立与不相关关系 不相关 相互独立 F为分布函数，而f为概率密度 一般情况下，相互独立不相关，但反之不成立； 特殊情况，当时，相互独立不相关 并且此时. 11、切比雪夫(Chebyshev)不等式：设随机变量X的期望与方差为，则对任意正数，有 , 即. 进一步有：即 12、两个中心极限定理 定理1（独立同分布的中心极限定理）设随机变量相互独立，服从同一分布，有相同的数学期望和方差：，则 当n充分大时，. 定理2（棣莫弗-拉普拉斯定理）设随机变量服从参数为的二项分布，则当n充分大时， 统计部分 1、常用统计量 设为总体，是来自总体的样本，定义 样本平均值：, 样本方差： ， 样本标准差（均方差）： 样本k阶矩： 2、常用正态总体相关的统计量 （1）分布 定义：设，则，特别. 性质 (i) 可加性：设则. (ii) 设则. (iii) 特例：设则 (2) t 分布 定义：设, 且相互独立，则统计量 性质 (i) 概率密度为偶函数，关于y轴对称；当n趋于无穷大，该统计量趋于标准的正态分布； (ii) 对于分位点有：. (3) F分布 定义：设, 且相互独立，则统计量 性质 (i) 对于分位点有： 3、正态总体样本均值与样本方差分布 单个总体情形：设为总体，且服从是来自总体的样本，分别是样本均值与样本方差，有以下结论： (i) 而且有 . (ii) , 即；且 两个正态总体情形：设是来自的样本，是来自的样本, 且两样本相互独立，为两样本均值，为两样本方差，则有 (i) . (ii) 当时，， (iii) 4. 点估计 (1) 矩估计法 设概率密度或分布律中含个参数需要估计。 求总体前k阶矩 由以上方程解得 以样本i阶矩代替 即得估计量. (2) 最大似然估计 定义：给定一组样本观测值，使该观测值概率取最大的参数值为所求参数估计值。 两种求法：I 直接用最大似然法估计计算 (i) 写出似然函数 连续情形：，离散情形： (ii) 求使似然函数取最大值的参数 两种方法：取对数，求导数，令导数为0解出估计值；若求导不行，则用直接分析法 由上写出估计值，再表示出估计量 II 利用不变性计算 若求函数的最大似然估计，其中u是单调函数，可先求最大似然估计，然后利用不变性知是的最大似然估计。 5. 估计量评价标准 无偏性：是的估计量，如果, 则是的无偏估计量； 有效性：是的无偏估计量，如果，则较更有效； 一致性：是的估计量，当样本容量趋于无穷大，依概率收敛于. 6. 置信