概率论内容总结与案例.pptxVIP

分布函数的性质 F ( x ) 单调不减，即且 F ( x ) 右连续，即]]（]用分布函数表示概率abp.d.f. 连续随机变量密度函数f ( x )的性质1 2常利用这两个性质检验一个函数能否作为连续性 r.v.的 d.f.在 f ( x ) 的连续点处，3f ( x ) 描述了X 在 x 附近单位长度的区间内取值的概率数学期望的性质(1)E(c) = c(2)E(aX) = aE(X)(3)E(g1(X)+g2(X)) = E(g1(X))+E(g2(X))2.3.2 方差的性质(1) Var(c)=0.性质 2.3.2(2) Var(aX+b) = a2 Var(X).性质 2.3.3(3) Var(X)=E(X2)?[E(X)]2.性质 2.3.1切比雪夫注：.（ ）易知　　 越大Ｘ的取值越分散．2.3.3 切比雪夫不等式 切比雪夫不等式定理(泊松定理) 在n重伯努利试验中, 事件A在每次试验中发生的概率为pn(注意这与试验次数n有关), 如果n??时, npn??(?0为常数). 则对于任意给定的k, 有超几何、二项、泊松分布之间的近似关系定理 超几何分布的极限分布是二项分布即，在超几何分布中对于固定的 n，k ，如果 lim N→+∞ — = p 则有极限关系： lim N→+∞ —————— = Cnk pk (1 – p )n – k 对所有的 0 ≤ k ≤ n 都成立。 M N CMk CN – M n – k CNn一般当 n ≤ 0.1 N 时可以用这个近似的计算公式常用离散分布的数学期望 0-1 分布的数学期望 = p 二项分布 b(n, p)的数学期望 = np 几何分布Ge(p) 的数学期望 = 1/p 泊松分布 P(?) 的数学期望 = ?常用离散分布的方差 0-1 分布的方差 = p(1?p) 二项分布 b(n, p)的方差 = np(1?p) 几何分布Ge(p) 的方差 = (1?p)/p2 泊松分布 P(?) 的方差= ? 几何分布的无记忆性 P( X m+n | X m ) = P( X n )指数分布的无记忆性常用连续分布的数学期望 正态分布 N(?, ?2) :E(X) = ? 均匀分布 U(a, b) :E(X) = (a+b)/2 指数分布 Exp(?) :E(X) = 1/? 伽玛分布 Ga(?, ?) :E(X) = ?/? 贝塔分布 Be(a, b) :E(X) = a/(a+b)常用连续分布的方差 正态分布 N(?, ?2) 的方差= ?2 均匀分布 U(a, b) 的方差 = (b ?a)2/12 指数分布 Exp(?) 的方差= 1/?2 伽玛分布 Ga(?, ?) : Var(X) = ?/?2 贝塔分布 Be(a, b) : Var(X) = ab/(a+b)2(a+b+1)?(x) 的计算(1) x ? 0 时, 查标准正态分布函数表.(2) x 0时, 用若 X ~ N(0, 1),则 (1)P(X ? a) = ?(a); (2)P(Xa) =1??(a); (3)P(aXb) = ?(b)??(a); (4) 若a ? 0, 则 P(|X|a) = P(?aXa) = ?(a)??(?a) = ?(a)? [1? ?(a)] = 2?(a)?1 一般正态分布的标准化定理2.5.1 设 X ~ N(?, ? 2),则 Y ~ N(0, 1).推论: 若 X ~ N(?, ? 2), 则正态变量的线性不变性定理2.6.2 设 X ~N (?, ?2)，则当a ? 0 时， Y = aX+b ~ N (a? +b, a2?2).由此得： 若 X ~N (?, ?2)， 则 Y = (X? ?)/? ? N(0, 1).正态分布的 3? 原则设 X ~ N(?, ?2), 则 P( | X?? | ? ) = 0.6828. P( | X?? | 2? ) = 0.9545. P( | X?? | 3? ) = 0.9973.2.6.2 连续随机变量函数的分布定理2.6.1 设 X ~ pX(x)，y = g(x) 是 x 的严格 单调函数，记 x = h(y) 为 y = g(x) 的反函数, 且h(y)连续可导，则Y = g(X)的密度函数为:伽玛分布的有用结论定理2.6.4 设 X ~ Ga (?, ?)，则当k 0 时， Y = kX ~ Ga (?, ?/k).均匀分布的有用结论 定理2.6.5 设 X ~ FX (x)，若FX (x)为严格单调增的连 续函数，则Y = FX (X