全概率公式分析和总结.docxVIP

PAGE

PAGE1

（全概率公式）B,B

,???,B

,???构成互斥完备事件群，且P(B)?0,则有

1 2 n i

P(A)?? P(B)P(A|B)

j j

j

（泊松定理）X

n

B(n,p)，并且满足limnp

n?? n

???0，则

lim

n??

??pk(1?p)k?

nk n n

n

?ke??k!

（应用：n?10 p?0.1）

（泊松分布）P{X?k}??ke??,??0，记X P(?)。

k!

（正态分布）X的概率密度为

f(x)?

1 ?(x??)2

2??e 2?2

2??

，记X N(?,?2)。

（二维正态分布）若二维随机变量(X,Y)的概率密度为

f(x,y)?

1 ?exp{ ?1 [

(x??)2

1 ?2

(x??

?1

?

)(x??

2

) (y??)2

?2 ]}

?

2??? 1??22(1

2??? 1??2

1 2 1

?? ?2

1 2 2

记N(?,?2,?,?2,?)。

1 1 2 2

（二维条件概率密度）f (y|x)

X|Y

密度。

f(x)称为在Y=y条件下X的条件概率

f(

f(x,y)

（定理）g(x)可导且g?(x)?0，h(y)为g(x)的反函数，则Y?g(X)的概率密度为

f ?f (h(y))|h?(y)|,y?g( )；其它为0。

Y X

4. D(X)?E(X?E(X))2?E(X2)?[E(X)]2。

（Markov不等式）若E(|X|r)??，r0，则对任意正数?有

P{|X|??}?E(|X|r)。

?r

（Chebyshev不等式）P{|X?E(X)|??}?E[(X?E(X))2]?D(X)

?2 ?2

（协方差）Cov(X,Y)?E[(X?E(X))(Y?E(Y))]?E(XY)?E(X)E(Y)

（Cauchy-Schwarz不等式）[E(XY)]2?E(X2Y2)

特别地有[Cov(X,Y)]2?D(X)D(Y)

D(x) D(y)（相关系数）?

D(x) D(y)

Cov(x,y)

注：|?(x,y)|?1的充要条件是存在常数a,b,

使得P{Y?a?bX}?1

1 1设(X,Y) N(?,?2;

1 1

2

,?2;?)，则?(X,Y)??。

2

（原点矩与中心矩）?

n

?E(Xn)与?

n

?E[(X?E(X))n]

1. X P(?)，则E(X)= ?. 2. X B(n,p)，则E(X)?np。

(中心极限定理)

?n

k?1D(

k?1

D(?n X)

k

k?1

k?1

n

X ?E(?n

k

X) ?n

k?1

k?1

n?

X ?n?

k

的分布函数

??n X ?n? ?

? k ?

?x 1 ?t2

k?1n?F(x

k?1

n?

(x)?limP?

?x??

2?e

2dt，即Y

近似服从N(0,1)。

n n?? n

n?? ? ? n

?? ?? ??

（样本矩）统计量A

k

?1?n Xk

n i

i?1

样本k阶原点矩。其观察值记为

? ?1?n xk

k n ii?1

。约定A

20

2

?1。

1Z ?2?n?则E(Z)?n,D(Z)?2n。可加性：Z

1

1

?2?n

?，Z

2

?2?n

?，则，

1Z+Z

1

1 2

?2?n

n?。若X,X

2 1

,???,X

2 n

相互独立且都满足N(0,1)，则随机变量

?2??n X2

i

i?1

?2(n)。

XYnt(n)。设X N(0,1),Y ?2(n)，且

X

Yn

t(n)。

设X ?2(n),Y

?2(n

)，且X与Y相互独立，则F?Xn

F(n,n

)。推论：若

F F(n,n

12)，则