概率论知识点总结.ppt

随机事件 概念 样本点、样本空间、基本事件、随机事件、必然事件、不可能事件 运算及关系 运算性质 概率论知识要点 概率 定义、 性质 条件概率 乘法公式、全概率公式、贝叶斯公式、 独立、 独立重复试验 随机变量 定义 、性质、离散型/连续型、 n维 分布函数/分布律 概率密度 边缘分布、条件分布、 独立性 随机变量函数的分布 数字特征 定义、性质、期望、方差、协方差、相关系数 大数定律、中心极限定理 典型问题 事件的概率 利用概率定义和运算法则计算 利用随机变量的概率分布计算 概率的近似计算 随机变量及其函数的分布 随机变量及其函数的数字特征 现实问题的概率模型 随 机 事 件 概念 样本点、样本空间、基本事件、随机事件、必然事件、不可能事件 运算 及 关系 运算 性质 ****** 概率论部分知识要点小结 ****** 概 率 定义 性质 条 件 概 率 定义 三个重要公式 性质 独立性 定义 性质 两两独立 与 相互独立 独立重复试验概型 在n重伯努利试验中,事件A(每次试验中发生概率为p)出现k次的概率为: 随机变量及分布函数 随机变量的概念 X落在区间内概率 性质 离散型与连续型随机变量 分布函数 定义 X落在区间内概率 与分布函数的关系 性质 分布律 分布函数 3)左连续 边缘分布 边缘分布函数 定义 条件分布 条件分布函数 定义 P{ Y = yj | X = xi } P{ X = xi | Y = yj } 独立性 定义 和的分布 极值分布 利用事件相等则概率相等的概念求函数的分布律 r.v.的函数的分布 用分布函数法求函数的分布函数(或分布密度) 二维r.v.的函数的分布 注:假设上述积分或级数均绝对收敛,否则期望不存在。 r.v.的期望 r.v.的函数 的 期望 期望 定义 性质 期望 其它 性质 棣莫佛－拉普拉斯中心极限定理 马尔可夫不等式 ★ 常见分布的方差和期望 结论1 结论2 结论3 结论4 n元正态分布的重要性质: 1. n元正态变量(X1,X2, …,Xn)的每一个分量Xi 均是正态变量; 若Xi 均是正态变量,且相互独立,则(X1,X2, …,Xn)为正态变量. 2. n元变量(X1,X2, …,Xn)为正态变量的充要条件是X1,X2, …,Xn 的任意线性组合(非零)均服从一维正态分布. 3. n元变量(X1,X2, …,Xn)为正态变量,Y1,Y2, …,Yk是X1,X2, …,Xn 的线性函数,则(Y1,Y2, …,Yk) 服从k维正态分布. 此性质称为正态变量的线性变换不变性. 4. n元变量(X1,X2, …,Xn)服从正态分布, 则“X1,X2, …,Xn相互独立”等价于“X1,X2, …,Xn.两两不相关”. 利用古典概型与加法定理计算 利用条件概率与乘法公式计算 利用全概公式和贝叶斯公式计算 典型问题一: 事件的概率( 利用概率定义和运算法则计算 ) ************************ 典 型 问 题 ************************** 典型问题一: 事件的概率( 利用随机变量的概率分布计算 ) 所求概率 已知分布 已知分布律 已知分布密度 典型问题一: 事件的概率( 概率的近似计算 ) 典型问题二: 随机变量及其函数的分布 期望 其它 性质 典型问题三: 随机变量及其函数的数字特征