课件：大学概率论总复习.ppt

3. 二维随机变量的数学期望及边缘分布的数学期望 (1) (X, Y)为二维离散型随机变量 (2) (X, Y)为二维连续型随机变量 4. 随机变量的函数的数学期望 定理1： 设Y = g(X)是随机变量X的函数， 离散型 连续型 概率密度为 一维情形 定理2： 联合概率密度为 设Z = g(X, Y)是随机变量 X, Y的函数， 连续型 离散型 二维情形 5. 方差 6. 标准差(均方差) 注： 方差的计算方法 (1) (2) 常用的简便方法 描述数据分散程度的指标 7. 一维随机变量的方差 设离散型随机变量X的概率分布为 (1) 离散型 (2) 连续型 设连续型随机变量X的分布密度为 f(x) 0-1分布 3. 常见分布及其期望和方差 方差D(X) 数学期望E(X) 常见分布 二项分布 泊松分布 均匀分布 正态分布 指数分布 8. 二维随机变量的方差 9. 随机变量X和Y的协方差的定义： THANK YOU SUCCESS * * 可编辑 * 第三章 基本知识点 设A，B为同一随机试验中的两个随机事件 , 且 P(A) 0， 则称已知A发生条件下B发生 的概率为B的条件概率，记为 1. 条件概率的定义 2. 乘法定理 设A1 ，A2 ，...，An 构成一个完备事件组， 且P(Ai )0 (i＝1，2，...，n)，则对任一随机 事件B，有: 3. 全概率公式 设A1，A2，…, An构成完备事件组，且每个 P(Ai)0，B为样本空间的任意事件且P(B) 0 , 则有： 4. 贝叶斯公式 P(B｜A) = P(B) 5. 事件独立的定义 A与B相互独立的 充要条件 如果事件A，B，C满足: (a) P(AB) = P(A)P(B) (b) P(AC) = P(A)P(C) (c) P(BC) = P(B)P(C) 则称事件A，B，C两两独立. 6. 事件的独立性的推广 (1) 事件A，B，C两两独立： 如果事件A，B，C满足: (a) P(AB) = P(A)P(B) (b) P(AC) = P(A)P(C) (c) P(BC) = P(B)P(C) (d) P(ABC) = P(A)P(B)P(C) 则称事件A，B，C相互独立. (2) 事件A，B，C相互独立： 在n重独立重复试验中，若每次试验只有两种可 能的结果：A及 ，且A在每次试验中发生的概 率为p，则称其为n重贝努利试验，简称贝努利 试验. 7. 贝努利试验 8. 二项概率： 设在一次试验中事件A发生的概率为 p (0p1) ， 则A在n次贝努利试验中恰好发生 k次的概率为 贝努利定理 第四章 随机变量及其分布 第一节 随机变量及其分布函数 第二节 离散型随机变量 第三节 连续型随机变量 第四章 基本知识点 1. 随机变量 用数值来表示试验的结果，即将样本空间数量化 2. 随机变量的类型 (1) 离散型随机变量 (2) 非离散型随机变量 3. 随机变量的分布函数 设X是随机试验E的一个随机变量，称定义域 为 , 函数值在区间[0, 1]上的实值函数 为随机变量X的分布函数. 随机试验 试验结果 集合论 函数论 样本空间Ω 样本点ωi 若干样本点构成事件A 事件A的概率P(A) 实数集 实数 随机变量X表示事件A 随机变量X的分布函数F(x) 数量化 对应 4. 离散型随机变量分布律的表示方法： (1) 公式法： (2) 表格法： 概率 其中 且 5. 常用离散型分布 (1) 0-1分布(二点分布 ) 概率 (2) 二项分布 概率 … … … … (3) 泊松分布 6. 连续型随机变量的概率密度函数 (1) 数学符号： 随机变量X的分布函数 随机变量X的概率密度函数 (2) 连续型随机变量的分布函数表示事件： (a) 事件 (b) 事件 (c) 事件 THANK YOU SUCCESS * * 可编辑 7. 事件的概率与概率密度函数的关系： (a) 事件 (b) 事件 (c) 事件 (1) 均匀分布 X ~ R (a, b) 8. 常用连续型分布： (2) 指数分布 (3) 正态分布 (4) 标准正态分布 X ~ N(0, 1) 第五章 二维随机变量及其分布 第一节 二维随机变量及分布函数 第二节 二维离散型随机变量 第三节 二维连续型随机变量 第四节 边缘分布 第五节 随机变量的独立性 第六节 条件分布 第五章 基本知识点 1. 二维随机变量(X, Y)的联合分布函数 2. 联合分布函数表