全概率公式和贝叶斯公式主要用于计算比较复杂事件的概率, 它们实质上是加法公式和乘法公式的综合运用.
综合运用
加法公式
P(A+B)=P(A)+P(B)
A、B 互斥
乘法公式
P(AB)= P(A)P(B|A)
P(A
)>0
例1 有三个箱子，分别编号为1,2,3，1号箱装有1个红球4个白球，2号箱装有2红3白球，3号箱装有3红球. 某人从三箱中任取一箱，从中任意摸出一球，求取得红球的概率.解：记A i ={球取自i 号箱},
i =1,2,3;B ={取得红球}
即
B= A 1B+A 2B+A 3B ，
且A 1B 、A 2B 、A 3B 两两互斥
B 发生总是伴随着A 1，A 2，A
3 之一同时发生，P (
B )=P
( A 1B )+P (A 2B )+P (A 3B )
运用加法公式得123
将此例中所用的方法推广到一般的情形，就得到在概率计算中常用的全概率公式.对求和中的每一项
运用乘法公式得P (B )=P ( A 1B )+P (A 2B )+P (A 3B )
∑==3
1i i i A B P A P B P )
()()(｜代入数据计算得：P (B )=8/15
∑==n
i i i A B P A P B P 1)
()()(｜全概率公式:
则设A 1,A 2,…,A n 是两两互斥的事件，且P (A i )>0，i =1,2,…,n ,另有一事件B ,它总是与A 1,A 2,…,A n 之一同时发生，即，
n i i A B 1
=?
设S 为随机试验的样本空间，A 1,A 2,…,A n 是两两互斥的事件，且有P (A i )>0，i =1,2,…,n ,∑==n
i i i A B P A P B P 1
)
()()(｜全概率公式:
称满足上述条件的A 1,A 2,…,A n 为完备事件组.
,1S A n i i
== 则对任一事件B ，有在一些教科书中，常将全概率公式叙述为：
在较复杂情况下直接计算P (B )不易,但B 总是伴随着某个A i 出现，适当地去构造这一组A i 往往可以简化计算.
∑==n
i i i A B P A P B P 1)
()()(｜全概率公式的来由, 不难由上式看出:“全”部概率P (B )被分解成了许多部分之和.它的理论和实用意义在于:
某一事件B 的发生有各种可能的原因(i =1,2,…,n )，如果B 是由原因A i 所引起，则B 发生的概率是
每一原因都可能导致B 发生，故
B 发生的概率是各原因引起B 发生概
率的总和，即全概率公式.
P (BA i )=P (A i )P (B |A i
)
全概率公式.
我们还可以从另一个角度去理解
例2甲、乙、丙三人同时对飞机进行射击,三人击中的概率分别为0.4、0.5、0.7 .飞机被一人击中而击落的概率为0.2,被两人击中而击落的概率为0.6,若三人都击中,飞机必定被击落, 求飞机被击落的概率.
设B ={飞机被击落}
A i ={飞机被i 人击中}, i =1,2,3
由全概率公式
P (B )=P (A 1)P (B |A 1)+ P (A 2)P (B |A 2)
+ P (A 3)P (B |A 3)则B=A 1B+A 2B+A 3B
求解如下:依题意，P (B |A 1)=0.2, P (B |A 2)=0.6,P (B|A 3)=1
可求得:
为求P (A i ) ,
设H i ={飞机被第i 人击中}, i =1,2,3 )()(3213213211H H H H H H H H H P A P ++=)()(3213213212H H H H H H H H H P A P ++=)
()(3213H H H P A P =将数据代入计算得:
P (A 1)=0.36; P (A 2)=0.41; P (A 3)=0.14.
于是
P(B)=P(A1)P(B|A1)+ P(A2)P(B|A2)+ P(A3)P(B|A3)
=0.36×0.2+0.41 ×0.6+0.14 ×1
=0.458
即飞机被击落的概率为0.458.
稍事休息
该球取自哪号箱的可能
性最大?
实际中还有下面一类问题，是
“已知结果求原因”
这一类问题在实际中更为常见，它所求的是条件概率，是已知某结果发生条件下，求各原因发生可能性大小.
某人从任一箱中任意
摸出一球，发现是红球,求
该球是取自1号箱的概率
.
1231红4白或者问:
接下来我们介绍为解决这类问题而引出的
贝叶斯公式
有三个箱子，分别编号为1,2,3，1号箱装有1个红球4个白球，2号箱装有2红球3白球，3号箱装有3红球. 某人从三箱中任取一箱，从中任意摸出一球，发现是红球,求该球是取自1号箱的概率.
123
1红4白
?
某人从任一箱中任意摸出一球，发现是红球，求该球是取自1号箱的概率.
)()()|(11B P B A P B A P =记A i ={球取自i 号箱}, i =1,2,3;B ={取得红球}求P (A 1|B ).∑==31
11k k k A B P A P A B P A P )()()
|()(｜运用全概率公式
计算P (B )将这里得到的公式一般化，就得到
贝叶斯公式
1
231红4白
?
∑==n
j j
j i i i A B P A P A B P A P B A P 1)()()()()|(｜｜该公式于1763年由贝叶斯(Bayes)给出. 它是在观察到事件B 已发生的条件下，寻找导致B 发生的每个原因的概率.
贝叶斯公式：
设A 1,A 2,…,A n 是两两互斥的事件，且P (A i )>0，i =1,2,…,n ,另有一事件B ，它总是与A 1,A 2,…,A n 之一同时发生，则
n
i ,,, 21=
贝叶斯公式在实际中有很多应用，它可以帮助人们确定某结果（事件B）发生的最可能原因.
例3某一地区患有癌症的人占0.005，患者对一种试验反应是阳性的概率为0.95，正常人对这种试验反应是阳性的概率为0.04，现抽查了一个人，试验反应是阳性，问此人是癌症患者的概率有多大?则表示“抽查的人不患癌症”.
C C
C
已知P (C )=0.005,P ( )=0.995,P (A |C )=0.95, P (A | )=0.04求解如下:设C ={抽查的人患有癌症}，
A ={试验结果是阳性}，
求P (C |A ).
现在来分析一下结果的意义.
由贝叶斯公式，可得
)
|()()|()()|()()|(C A P C P C A P C P C A P C P A C P +=代入数据计算得:
P (C ｜A )= 0.1066
2. 检出阳性是否一定患有癌症?
1. 这种试验对于诊断一个人是否患有癌症有无意义？
1. 这种试验对于诊断一个人是否患有癌症
有无意义？
如果不做试验, 抽查一人, 他是患者的概率
P(C)=0.005
患者阳性反应的概率是0.95，若试验后得阳性反应，则根据试验得来的信息，此人是患者的概率为P(C｜A)= 0.1066
从0.005增加到0.1066,将近增加约21倍.
说明这种试验对于诊断一个人是否患
有癌症有意义.
全国2011年4月自学考试概率论与数理统计（二） 课程代码：02197 选择题和填空题详解 试题来自百度文库 答案由王馨磊导师提供 一、单项选择题（本大题共10小题，每小题2分，共20分） 在每小题列出的四个备选项中只有一个是符合题目要求的，请将其代码填写在题后的括号内。错选、多选或未选均无分。 1．设A , B , C , 为随机事件, 则事件“A , B , C 都不发生”可表示为（ A ） A ．C B A B ．C B A C ．C B A D ．C B A 2．设随机事件A 与B 相互独立, 且P (A )=5 1, P (B )=5 3, 则P (A ∪B )= ( B ) A ．253 B ．2517 C ．5 4 D ．2523 3．设随机变量X ~B (3, 0.4), 则P {X ≥1}= ( C ) A ．0.352 B ．0.432 C ．0.784 D ．0.936 解：P{X ≥1}=1- P{X=0}=1-(1-0.4)3=0.784,故选C. 4．已知随机变量X 的分布律为 , 则P {-2＜X ≤4}= ( C ) A ．0.2 B ．0.35 C ．0.55 D ．0.8 解：P {-2＜X ≤4}= P {X =-1}+ P {X =2}=0.2+0.35=0.55，故选C. 5．设随机变量X 的概率密度为4 )3(2 e 2 π21)(+-= x x f , 则E (X ), D (X )分别为 ( ) A ．2,3- B ．-3, 2 C ．2,3 D ．3, 2 与已知比较可知：E(X)=-3，D(X)=2，故选B. 6．设二维随机变量 (X , Y )的概率密度为? ??≤≤≤≤=,,0, 20,20,),(其他y x c y x f 则常数 c = ( A ) A ．4 1 B ．2 1 C ．2 D ．4 解：设D 为平面上的有界区域，其面积为S 且S>0，如果二维随机变量 （X ，Y ）的概率密度为 则称 （X ，Y ）服从区域D 上的均匀分布，
第一章 随机事件与概率 第一节 随机事件及其运算 1、 随机现象：在一定条件下，并不总是出现相同结果的现象 2、 样本空间：随机现象的一切可能基本结果组成的集合，记为Ω={ω},其中ω 表示基本结果，又称为样本点。 3、 随机事件：随机现象的某些样本点组成的集合常用大写字母A 、B 、C 等表 示，Ω表示必然事件， ?表示不可能事件。 4、 随机变量：用来表示随机现象结果的变量，常用大写字母X 、Y 、Z 等表示。 5、 时间的表示有多种： （1） 用集合表示，这是最基本形式 （2） 用准确的语言表示 （3） 用等号或不等号把随机变量于某些实属联结起来表示 6、事件的关系 （1）包含关系：如果属于A 的样本点必属于事件B ，即事件 A 发生必然导致事 件B 发生，则称A 被包含于B ，记为A ?B; （2）相等关系：若A ?B 且B ? A ，则称事件A 与事件B 相等，记为A ＝B 。 （3）互不相容：如果A ∩B= ?，即A 与B 不能同时发生，则称A 与B 互不相容 7、事件运算 （1）事件A 与B 的并：事件A 与事件B 至少有一个发生，记为 A ∪B 。 （2）事件A 与B 的交：事件A 与事件B 同时发生，记为A∩ B 或AB 。 （3）事件A 对B 的差：事件A 发生而事件B 不发生,记为 A －B 。用交并补可以 表示为B A B A =-。 （4）对立事件：事件A 的对立事件（逆事件），即 “A 不发生”，记为A 。 对立事件的性质：Ω=?Φ=?B A B A ,。 8、事件运算性质：设A ，B ，C 为事件，则有 （1）交换律：A ∪B=B ∪A ，AB=BA （2）结合律：A ∪(B ∪C)=(A ∪B)∪C=A ∪B ∪C A(BC)=(AB)C=ABC （3）分配律：A ∪(B∩C)＝(A ∪B)∩(A∪C)、 A(B ∪C)＝(A∩B)∪(A∩C)= AB ∪AC （4）棣莫弗公式（对偶法则）：B A B A ?=? B A B A ?=? 9、事件域：含有必然事件Ω ，并关于对立运算和可列并运算都封闭的事件类ξ 称为事件域，又称为σ代数。具体说，事件域ξ满足： （1）Ω∈ξ; (2)若A ∈ξ，则对立事件A ∈ξ； （3）若A n ∈ξ，n=1,2，···，则可列并 ∞ =1 n n A ∈ξ 。
第一章 随机事件和概率 第一节 基本概念 1、排列组合初步 （1）排列组合公式 )! (! n m m P n m -= 从m 个人中挑出n 个人进行排列的可能数。 )! (!! n m n m C n m -= 从m 个人中挑出n 个人进行组合的可能数。 例1．1：方程 x x x C C C 765107 11=-的解是 A ． 4 B ． 3 C ． 2 D ． 1 例1．2：有5个队伍参加了甲A 联赛，两两之间进行循环赛两场，试问总共的场次是多少？ (2)加法原理（两种方法均能完成此事）：m+n 某件事由两种方法来完成，第一种方法可由m 种方法完成，第二种方法可由n 种方法来完成，则这件事可由m+n 种方法来完成。 (3)乘法原理（两个步骤分别不能完成这件事）：m ×n 某件事由两个步骤来完成，第一个步骤可由m 种方法完成，第二个步骤可由n 种方法来完成，则这件事可由m ×n 种方法来完成。 例1．3：从5位男同学和4位女同学中选出4位参加一个座谈会，要求与会成员中既有男同学又有女同学，有几种不同的选法？ 例1．4：6张同排连号的电影票，分给3名男生和3名女生，如欲男女相间而坐，则不同的分法数为多少？ 例1．5：用五种不同的颜色涂在右图中四个区域里，每一区域涂上一种颜
色，且相邻区域的颜色必须不同，则共有不同的涂法 A．120种B．140种 C．160种D．180种 (4)一些常见排列 ①特殊排列 ②相邻 ③彼此隔开 ④顺序一定和不可分辨 例1．6：晚会上有5个不同的唱歌节目和3个不同的舞蹈节目，问：分别按以下要求各可排出几种不同的节目单？ ①3个舞蹈节目排在一起； ②3个舞蹈节目彼此隔开； ③3个舞蹈节目先后顺序一定。 例1．7：4幅大小不同的画，要求两幅最大的排在一起，问有多少种排法？ 例1．8：5辆车排成1排，1辆黄色，1辆蓝色，3辆红色，且3辆红车不可分辨，问有多少种排法？ ①重复排列和非重复排列（有序） 例1．9：5封不同的信，有6个信箱可供投递，共有多少种投信的方法？ ②对立事件 例1．10：七人并坐，甲不坐首位，乙不坐末位，有几种不同的坐法？ 例1．11：15人中取5人，有3个不能都取，有多少种取法？ 例1．12：有4对人，组成一个3人小组，不能从任意一对中取2个，问有多少种可能性？
第1章随机事件及其概率 （1）排列组合公式 )! ( ! n m m P n m- =从m个人中挑出n个人进行排列的可能数。 )! (! ! n m n m C n m- =从m个人中挑出n个人进行组合的可能数。 （2）加法和乘法原理加法原理（两种方法均能完成此事）：m+n 某件事由两种方法来完成，第一种方法可由m种方法完成，第二种方法可由n种方法来完成，则这件事可由m+n 种方法来完成。 乘法原理（两个步骤分别不能完成这件事）：m×n 某件事由两个步骤来完成，第一个步骤可由m种方法完成，第二个步骤可由n 种方法来完成，则这件事可由m×n 种方法来完成。 （3）一些常见排列重复排列和非重复排列（有序）对立事件（至少有一个） 顺序问题 （4）随机试验和随机事件如果一个试验在相同条件下可以重复进行，而每次试验的可能结果不止一个，但在进行一次试验之前却不能断言它出现哪个结果，则称这种试验为随机试验。 试验的可能结果称为随机事件。 （5）基本事件、样本空间和事件在一个试验下，不管事件有多少个，总可以从其中找出这样一组事件，它具有如下性质： ①每进行一次试验，必须发生且只能发生这一组中的一个事件； ②任何事件，都是由这一组中的部分事件组成的。 这样一组事件中的每一个事件称为基本事件，用ω来表示。 基本事件的全体，称为试验的样本空间，用Ω表示。 一个事件就是由Ω中的部分点（基本事件ω）组成的集合。通常用大写字母A，B，C，…表示事件，它们是Ω的子集。 Ω为必然事件，?为不可能事件。 不可能事件（?）的概率为零，而概率为零的事件不一定是不可能事件；同理，必然事件（Ω）的概率为1，而概率为1的事件也不一定是必然事件。 （6）事件的关系与运算①关系： 如果事件A的组成部分也是事件B的组成部分，（A发生必有事件B发生）：B A? 如果同时有B A?，A B?，则称事件A与事件B等价，或称A等于B：A=B。 A、B中至少有一个发生的事件：A B，或者A+B。 属于A而不属于B的部分所构成的事件，称为A与B的差，记为A-B，也可表示为A-AB或者B A，它表示A发生而B不发生的事件。 A、B同时发生：A B，或者AB。A B=?，则表示A与B不可能同时发生，称 事件A与事件B互不相容或者互斥。基本事件是互不相容的。 Ω-A称为事件A的逆事件，或称A的对立事件，记为A。它表示A不发生的
概率论与数理统计必考知识点 一、随机事件和概率 1、随机事件及其概率 运算律名称 表达式 交换律 A B B A +=+ BA AB = 结合律 C B A C B A C B A ++=++=++)()( ABC BC A C AB ==)()( 分配律 AC AB C B A ±=±)( ))(()(C A B A BC A ++=+ 德摩根律 B A B A =+ B A AB += 2、概率的定义及其计算 公式名称 公式表达式 求逆公式 )(1)(A P A P -= 加法公式 )()()()(AB P B P A P B A P -+=+ 条件概率公式 ) () ()(A P AB P A B P = 乘法公式 )()()(A B P A P AB P = )()()(B A P B P AB P = 全概率公式 ∑== n i i i A B P A P B P 1 )()()( 贝叶斯公式 （逆概率公式） ∑∞ == 1 ) ()() ()()(i i j j j j A B P A P A B P A P B A P 伯努利概型公式 n k p p C k P k n k k n n ,1,0,)1()(=-=- 两件事件相互独立相应 公式 )()()(B P A P AB P =；)()(B P A B P =；)()(A B P A B P =；1)()(=+A B P A B P ； 1)()(=+A B P A B P 二、随机变量及其分布 1、分布函数性质 )()(b F b X P =≤ )()()(a F b F b X a P -=≤< 2、离散型随机变量 分布名称 分布律 0–1分布),1(p B 1,0,)1()(1=-==-k p p k X P k k 二项分布),(p n B n k p p C k X P k n k k n ,,1,0,)1()( =-==-
《概率论与数理统计》 第一章概率论的基本概念 (2) §2．样本空间、随机事件..................................... 2.. §4 等可能概型（古典概型）................................... 3.. §5．条件概率.............................................................. 4.. . §6．独立性.............................................................. 4.. . 第二章随机变量及其分布 (5) §1随机变量.............................................................. 5.. . §2 离散性随机变量及其分布律................................. 5..§3 随机变量的分布函数....................................... 6..§4 连续性随机变量及其概率密度............................... 6..§5 随机变量的函数的分布..................................... 7..第三章多维随机变量. (7) §1 二维随机变量............................................ 7...§2边缘分布................................................ 8...§3条件分布................................................ 8...§4 相互独立的随机变量....................................... 9..§5 两个随机变量的函数的分布................................. 9..第四章随机变量的数字特征.. (10)
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： )()|()(11B P B A P A P = ++)()|(22B P B A P )()|(n n B P B A P + 其中n B B B ,,,21 是空间S 的一个划分。 贝叶斯公式：∑== n j j j i i i B A P B P B A P B P A B P 1 ) |()() |()()|( 其中n B B B ,,,21 是空间S 的一个划分。 2、互不相容与互不相关 B A ,互不相容0)(,==?B A P B A φ 事件B A ,互相独立))(()(B A P B A P =? ; 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。 ),,1(~p b X 即二点分布，则分布律为.1,0,)1(}{1=-==-k p p k x P k k ),,(~p n b X 即二项分布，则分布律为.,...,1,0,)1(}{n k p p C k x P k n k k n =-==- ),(~λπX 即泊松分布，则分布律为,......1,0,! }{== =-k k e k x P k λ λ ),,(~b a U X 即均匀分布，则概率密度为.,0),(,1 )(??? ??∈-=其它 b a x a b x f ),(~θE X 即指数分布，则概率密度为.,00 ,1)(?? ???>=-其它x e x f x θ θ ),,(~2σμN X 即正态分布，则则概率密度为+∞<<-∞= - x e x f x ,21)(2 2π .
概率论与数理统计复习 第一章 概率论的基本概念 一.基本概念 随机试验E:(1)可以在相同的条件下重复地进行;(2)每次试验的可能结果不止一个,并且能事先明确试验的所有可能结果;(3)进行一次试验之前不能确定哪一个结果会出现. 样本空间S: E 的所有可能结果组成的集合. 样本点(基本事件):E 的每个结果. 随机事件(事件):样本空间S 的子集. 必然事件(S):每次试验中一定发生的事件. 不可能事件(Φ):每次试验中一定不会发生的事件. 二. 事件间的关系和运算 1.A ?B(事件B 包含事件A )事件A 发生必然导致事件B 发生. 2.A ∪B(和事件)事件A 与B 至少有一个发生. 3. A ∩B=AB(积事件)事件A 与B 同时发生. 4. A -B(差事件)事件A 发生而B 不发生. 5. AB=Φ (A 与B 互不相容或互斥)事件A 与B 不能同时发生. 6. AB=Φ且A ∪B=S (A 与B 互为逆事件或对立事件)表示一次试验中A 与B 必有一个且仅有一个发生. B=A, A=B . 运算规则 交换律 结合律 分配律 德?摩根律 B A B A = B A B A = 三. 概率的定义与性质 1.定义 对于E 的每一事件A 赋予一个实数,记为P(A),称为事件A 的概率. (1)非负性 P(A)≥0 ; (2)归一性或规范性 P(S)=1 ; (3)可列可加性 对于两两互不相容的事件A 1,A 2,…(A i A j =φ, i ≠j, i,j=1,2,…), P(A 1∪A 2∪…)=P( A 1)+P(A 2)+… 2.性质 (1) P(Φ) = 0 , 注意: A 为不可能事件 P(A)=0 . (2)有限可加性 对于n 个两两互不相容的事件A 1,A 2,…,A n , P(A 1∪A 2∪…∪A n )=P(A 1)+P(A 2)+…+P(A n ) (有限可加性与可列可加性合称加法定理) (3)若A ?B, 则P(A)≤P(B), P(B -A)=P(B)-P(A) . (4)对于任一事件A, P(A)≤1, P(A)=1-P(A) . (5)广义加法定理 对于任意二事件A,B ,P(A ∪B)=P(A)+P(B)-P(AB) . 对于任意n 个事件A 1,A 2,…,A n ()()() () +∑ + ∑ - ∑=≤<<≤≤<≤=n k j i k j i n j i j i n i i n A A A P A A P A P A A A P 111 21 …+(-1)n-1P(A 1A 2…A n ) 四.等可能(古典)概型 1.定义 如果试验E 满足:(1)样本空间的元素只有有限个,即S={e 1,e 2,…,e n };(2)每一个基本事件的概率相等,即P(e 1)=P(e 2)=…= P(e n ).则称试验E 所对应的概率模型为等可能(古典)概型. 2.计算公式 P(A)=k / n 其中k 是A 中包含的基本事件数, n 是S 中包含的基本事件总数. 五.条件概率 1.定义 事件A 发生的条件下事件B 发生的条件概率P(B|A)=P(AB) / P(A) ( P(A)>0). 2.乘法定理 P(AB)=P(A) P (B|A) (P(A)>0); P(AB)=P(B) P (A|B) (P(B)>0). P(A 1A 2…A n )=P(A 1)P(A 2|A 1)P(A 3|A 1A 2)…P(A n |A 1A 2…A n-1) (n ≥2, P(A 1A 2…A n-1) > 0) 3. B 1,B 2,…,B n 是样本空间S 的一个划分(B i B j =φ,i ≠j,i,j=1,2,…,n, B 1∪B 2∪…∪B n =S) ,则 当P(B i )>0时,有全概率公式 P(A)= ()()i n i i B A P B P ∑=1
《概率论与数理统计》课程标准 一、课程概述 （一）课程定位 《概率论与数理统计》(Probability Theory and Mathematical Statistics)，由概率论和数理统计两部分组成。它是研究随机现象并找出其统计规律的一门学科，是广泛应用于社会、经济、科学等各个领域的定量和定性分析的科学体系。从学科性质讲，它是一门基础性学科，它为建筑专业学生后继专业课程的学习提供方法论的指导。 （二）先修后续课程 《概率论与数理统计》的先修课程为《高等数学》、《线性代数》等，这些课程为本课程的学习奠定了理论基础。 《概率论与数理统计》的后续课程为《混凝土结构设计》、《地基与基础》等课程。通过该课程的学习可为这些课程中的模型建立等内容的知识学习奠定良好的基础,在教学中起到了承上启下的作用。 二.课程设计思路 本课程的基本设计思路是极力用较为通俗的语言阐释概率论的基本理论和数理统计思想方法;理论和方法相结合，以强调数理统计理论的应用价值。总之,强调理论与实际应用相结合的特点,力求在实际应用方面做些有益的探索，也为其它学科的
进一步学习打下一个良好的基础。 三、课程目标 《概率论与数理统计》是一门几乎遍及所有的科学技术领域以及工农业生产和国民经济各部门之中。通过学习该课程使学生掌握概率、统计的基本概念，熟悉数据处理、数据分析、数据推断的各种基本方法，并能用所掌握的方法具体解决工程实践中所遇到的各种问题。 （一）能力目标 力求在简洁的基础上使学生能从整体上了解和掌握该课程的内容体系，使学生能够在实际工作中、其它学科的学习中能灵活、自如地应用这些理论。 （二）知识目标 1.理解掌握概率论中的相关概念和公式定理； 2.学会应用概率论的知识解决一些基本的概率计算； 3.理解数理统计的基本思想和解决实际问题的方法。 （三）素质目标 1.培养学生乐于观察、分析、不断创新的精神； 2.培养具有较好的逻辑思维、较强的计划、组织和协调能力； 3.培养具有认真、细致严谨的职业能力。 四、课程内容 根据能力培养目标的要求，本课程的主要内容是随机事件、随机变量、随机向量、数字特征、极限定理。具体内容和学时分配见表4-1。 表4-1 课程内容和学时分配
《概率论与数理统计》 第一章 概率论的基本概念 §2．样本空间、随机事件 1．事件间的关系 B A ?则称事件B 包含事件A ，指事件A 发生必然导致事件B 发生 B }x x x { ∈∈=?或A B A 称为事件A 与事件B 的和事件，指当且仅当A ，B 中至少有一个发生时，事件B A ?发生 B }x x x { ∈∈=?且A B A 称为事件A 与事件B 的积事件，指当A ，B 同时发生时，事件B A ?发生 B }x x x { ?∈=且—A B A 称为事件A 与事件B 的差事件，指当且仅当A 发生、B 不发生时，事件B A —发生 φ=?B A ，则称事件A 与B 是互不相容的，或互斥的，指事件A 与事件B 不能同时发生，基本事件是两两互不相容的 且S =?B A φ=?B A ，则称事件A 与事件B 互为逆事件，又称事件A 与事件B 互为对立事件 2．运算规则 交换律A B B A A B B A ?=??=? 结合律)()( )()(C B A C B A C B A C B A ?=???=?? 分配律 )()B (C A A C B A ???=??）（ ))(()( C A B A C B A ??=?? 徳摩根律B A B A A B A ?=??=? B — §3．频率与概率 定义 在相同的条件下，进行了n 次试验，在这n 次试验中，事件A 发生的次数A n 称为事 件A 发生的频数，比值n n A 称为事件A 发生的频率 概率：设E 是随机试验，S 是它的样本空间，对于E 的每一事件A 赋予一个实数，记为P （A ），称为事件的概率 1．概率)(A P 满足下列条件： （1）非负性：对于每一个事件A 1)(0≤≤A P （2）规范性：对于必然事件S 1)S (=P
《概率论与数理统计》基本名词中英文对照表英文中文 Probability theory 概率论 mathematical statistics 数理统计 deterministic phenomenon 确定性现象 random phenomenon 随机现象 sample space 样本空间 random occurrence 随机事件 fundamental event 基本事件 certain event 必然事件 impossible event 不可能事件 random test 随机试验 incompatible events 互不相容事件 frequency 频率 classical probabilistic model 古典概型 geometric probability 几何概率 conditional probability 条件概率 multiplication theorem 乘法定理 Bayes's formula 贝叶斯公式 Prior probability 先验概率 Posterior probability 后验概率 Independent events 相互独立事件 Bernoulli trials 贝努利试验 random variable 随机变量
probability distribution 概率分布 distribution function 分布函数 discrete random variable 离散随机变量distribution law 分布律hypergeometric distribution 超几何分布 random sampling model 随机抽样模型binomial distribution 二项分布 Poisson distribution 泊松分布 geometric distribution 几何分布 probability density 概率密度 continuous random variable 连续随机变量uniformly distribution 均匀分布exponential distribution 指数分布 numerical character 数字特征mathematical expectation 数学期望 variance 方差 moment 矩 central moment 中心矩 n-dimensional random variable n-维随机变量 two-dimensional random variable 二维离散随机变量joint probability distribution 联合概率分布 joint distribution law 联合分布律 joint distribution function 联合分布函数boundary distribution law 边缘分布律
概率论与数理统计公式集锦 一、随机事件与概率
二、随机变量及其分布 1、分布函数性质 ()()(),()()() ()k k x x x P X x F x P X x P a X b F b F a f t dt 2、离散型随机变量及其分布 3、连续型随机变量及其分布
4、随机变量函数Y=g(X)的分布 离散型：()(),1,2,j i i j g x y P Y y p i L ， 连续型：①分布函数法，②公式法()(())()(())Y X f y f h y h y x h y 单调 三、多维随机变量及其分布 1、离散型二维随机变量及其分布 分布律：(,),,1,2,i j ij P X x Y y p i j L 分布函数(,)i i ij x x y y F X Y p 边缘分布律：()i i ij j p P X x p ()j j ij i p P Y y p 条件分布律：(),1,2,ij i j j p P X x Y y i p L ，(),1,2,ij j i i p P Y y X x j p L 2、连续型二维随机变量及其分布 ①分布函数及性质 分布函数： x y dudv v u f y x F ),(),( 性质：2(,) (,)1,(,),F x y F f x y x y ((,))(,)G P x y G f x y dxdy ②边缘分布函数与边缘密度函数 分布函数： x X dvdu v u f x F ),()(密度函数： dv v x f x f X ),()( y Y dudv v u f y F ),()( du y u f y f Y ),()( ③条件概率密度 y x f y x f x y f X X Y ,)(),()(， x y f y x f y x f Y Y X ,) () ,()(
概率论与数理统计基本知识点 一、概率的基本概念 1．概率的定义: 在事件上的一个集合函数P ，如果它满足如下三个条件： （1）非负性 A A P ?≥,0)( （2）正规性 1)(=ΩP （3）可列可加性 若事件,...,2,1,=n A n 两两互斥 则称P 为概率。 2．几何概型的定义: 若随机试验的样本空间对应一个度量有限的几何区域S ，每一基本事件与S 内的点一一对应，则任一随机事件A 对应S 中的某一子区域D 。（若事件A 的概率只与A 对应的区域D 的度量成正比，而与D 的形状及D 在S 中的位置无关。）==（每点等可能性）则称为几何概型。 的度量 对应区域的度量 对应区域S D )()()(Ω=Ω= A m A m A P 3．条件概率与乘法公式： 设A,B 是试验E 的两个随机事件，且0)(>B P ,则称) () ()|(B P AB P B A P = 为事件B 发生的条件下，事件A 发生的条件概率。（其中)(AB P 是AB 同时发生的概率） 乘法公式：)|()()|()()(B A P B P A B P A P AB P == 4．全概率公式与贝叶斯公式： （全概率公式）定理：设n A A A ...,21是样本空间Ω的一个划分，n i A P i ,...,2,1,0)(=>，B 是任一事件，则有∑== n i i i A B P A P B P 1 )|()()(。 （贝叶斯公式）定理：设n A A A ...,21是样本空间Ω的一个划分，n i A P i ,...,2,1,0)(=>，B 是任一事件，则∑== =?n k k k i i A B P A P A B P A P B A P n i 1 ) |()() |()()|(,,...,2,1。 5．事件的独立性： 两事件的独立性：（定义）设A 、B 是任意二事件，若P(AB)= P(A)P(B)，则称事件A 、B 是相互独立的。（直观解释）A 、B 为试验E 的二事件，若A 、 B 的发生互不影响。 二、随机变量和分布函数:
概率论与数理统计 学习报告 学院 学号： 姓名：
概率论与数理统计学习报告 通过短短一学期的学习，虽然学习、研究地并不深入，但该课程的每一处内容都有不同的奇妙吸引着我，让我对它在生活中饰演的角色充满遐想；它将我带入了一个由随机变量为桥梁，通过表面偶然性找出其内在规律性，从而与其它的数学分支建立联系的世界，让我对这种进行大量的随机重复实验，通过分析研究得出统计规律性的过程产生了极大地兴趣。我很喜欢这门课程，但也不得不说课后在它上面花的时间并不多，因此学得还不深入，但它真的深深地吸引了我，我一定会找时间进一步深入地学习它。 先简单地介绍一下概率论与数理统计这门学科。 概率论是基于给出随机现象的数学模型，并用数学语言来描述它们，然后研究其基本规律，透过表面的偶然性，找出其内在的规律性，建立随机现象与数学其他分支的桥梁，使得人们可以利用已成熟的数学工具和方法来研究随机现象，进而也为其他数学分支和其他新兴学科提供了解决问题的新思路和新方法。数理统计是以概率论为基础，基于有效的观测、收集、整理、分析带有随机性的数据来研究随机现象，进而对所观察的问题作出推断和预测，直至为采取一定的决策和行动提供依据和建议。 概率论与数理统计是研究随机现象及其规律性的一门数学学科。研究随机现象的规律性有其独特的思想方法，它不是寻求出现每一现象的一切物理因素，不能用研究确定性现象的方法研究随机现象，而是承认在所研究的问题中存在一些人们不能认识或者根本不知道的
随机因素作用下，发生随机现象。这样，人们既可以通过试验来观察随机现象，揭示其规律性，作出决策，也可根据实际问题的具体情况找出随机现象的规律，作出决策。 至今，概率论与数理统计的理论与方法已经广泛应用于自然科学、社会科学以及人文科学等各个领域中，并随着计算机的普及，概率论与数理统计已成为处理信息、制定决策的重要理论和方法。它们不仅是许多新兴学科，如信息论、控制论、排队论、可靠性论以及人工智能的数学理论基础，而且与其他领域的新兴学科的相互交叉而产生了许多新的分支和边缘学科，如生物统计、统计物理、数理金融、神经网络统计分析、统计计算等。 概率论应用随机变量与随机变量的概率分布、数字特征及特征函数为数学工具对随机现象进行描述、分析与研究，其前提条件是假设随机变量的概率分布是已知的；而数理统计中作为研究对象的随机变量的概率分布是完全未知的，或者分布类型已知，但其中的某些参数或某些数字特征是未知的。概率论研究问题的方法是从假设、命题、已知的随机现象的事实出发，按一定的逻辑推理得到结论，在方法上是演绎式的。而统计学的方法是归纳式的，从所研究地对象的全体中随机抽取一部分进行试验或观测，以获得试验数据，依据试验数据所获取的信息，对整体进行推断，是归纳而得到结论的。因此掌握它特有的学习方法是很重要的。 在学习的过程中，不论是老师提出的一些希望我们课后讨论的问题还是自己在做作业看书过程中遇到的一些问题都引发了我的一些
一、《概率论与数理统计（经管类）》考试题型分析： 题型大致包括以下五种题型，各题型及所占分值如下： 由各题型分值分布我们可以看出，单项选择题、填空题占试卷的50%，考查的是基本的知识点，难度不大，考生要把该记忆的概念、性质和公式记到位。计算题和综合题主要是对前四章基本理论与基本方法的考查，要求考生不仅要牢记重要的公式，而且要能够灵活运用。应用题主要是对第七、八章内容的考查，要求考生记住解题程序和公式。结合历年真题来练习，就会很容易的掌握解题思路。总之，只要抓住考查的重点，记住解题的方法步骤，勤加练习，就能够百分百达到过关的要求。二、《概率论与数理统计（经管类）》考试重点说明：我们将知识点按考查几率及重要性分为三个等级，即一级重点、二级重点、三级重点，其中，一级重点为必考点，本次考试考查频率高；二级重点为次重点，考查频率较高；三级重点为预测考点，考查频率一般，但有可能考查的知识点。第一章随机事件与概率 1．随机事件的关系与计算 P3-5 （一级重点）填空、简答事件的包含与相等、和事件、积事件、互不相容、对立事件的概念 2．古典概型中概率的计算 P9 （二级重点）选择、填空、计算记住古典概型事件概率的计算公式 3. 利用概率的性质计算概率 P11-12 （一级重点）选择、填空 ,（考得多）等，要能灵活运用。 4. 条件概率的定义 P14 （一级重点）选择、填空记住条件概率的定义和公式： 5. 全概率公式与贝叶斯公式 P15-16 （二级重点）计算记住全概率公式和贝叶斯公式，并能够运用它们。一般说来，如果若干因素（也就是事件）对某个事件的发生产生了影响，求这个事件发生的概率时要用到全概率公式；如果这个事件发生了，要去追究原因，即求另一个事件发生的概率时，要用到贝叶斯公式，这个公式也叫逆概公式。 6. 事件的独立性（概念与性质） P18-20（一级重点）选择、填空定义：若，则称A与B 相互独立。结论：若A与B相互独立，则A与，与B 与都相互独立。 7. n重贝努利试验中事件A恰好发生k次的概率公式 P21（一级重点）选择、填空在重贝努利试验中，设每次试验中事件的概率为（），则事件A恰好发生。第二章随机变量及其概率分布 8．离散型随机变量的分布律及相关的概率计算 P29，P31（一级重点）选择、填空、计算、综合。记住分布律中，所有概率加起来为1，求概率时，先找到符合条件的随机点，让后把对应的概率相加。求分布律就需要找到随机变量所有可能取的值，和每个值对应的概率。 9. 常见几种离散型分布函数及其分布律 P32-P33（一级重点）选择题、填空题以二项分布和泊松分布为主，记住分布律是关键。本考点基本上每次考试都考。 10. 随机变量的分布函数 P35-P37（一级重点）选择、填空、计算题记住分布函数的定义和性质是关键。要能判别什么样的函数能充当分布函数，记住利用分布函数计算概率的公式：①；②其中；③。 11. 连续型随机变量及其概率密度 P39（一级重点）选择、填空重点记忆它的性质与相关的计算，如①；；反之，满足以上两条性质的函数一定是某个连续型随机变量的概率密度。③；④ 设为的
《概率论与数理统计》课程学习感想 概率论与数理统计是研究随机现象统计规律的科学，既是重要的基础理论，又是实践性很强的应用科学。 概率论与数理统计是现代数学的一个重要分支。近二十年来，随着计算机的发展以及各种统计软件的开发，概率统计方法在金融、保险、生物、医学、经济、运筹管理和工程技术等领域得到了广泛应用。主要包括：极限理论、随机过程论、数理统计学、概率论方法应用、应用统计学等。极限理论包括强极限理论及弱极限理论；随机过程论包括马氏过程论、鞅论、随机微积分、平稳过程等有关理论。概率论方法应用是一个涉及面十分广泛的领域，包括随机力学、统计物理学、保险学、随机网络、排队论、可靠性理论、随机信号处理等有关方面。它主要是通过数学建模，理论分析、推导，数值计算以及计算机模拟等理论分析、统计分析和模拟分析，以求研究和分析所涉及的理论问题和实际问题。 实用性赋予了概率论与数理统计强大的生命力。17世纪概率论与数理统计作为学科诞生后，其方法就被英国古典政治经济学创始人佩蒂引进到社会经济问题的研究中，他提倡让实际数据说话，其对资本主义经济的研究从流通领域进入生产领域，对商品的价值量做了正确的分析。 生活中会遇到这样的事例：有四张彩票供三个人抽取，其中只有一张彩票有奖。第一个人去抽，他的中奖概率是25％，结果没抽到。第二个人看了，心里有些踏实了，他中奖的概率是33％，结果他也没抽到。第三个人心里此时乐开了花，其他的人都失败了，觉得自己很幸运，中奖的机率高达50％，可结果他同样没中奖。由此看来，概率的大小只是在效果上有所不同，很大的概率给人的安慰感更为强烈。但在实质上却没有区别，每个人中奖的概率都是50％，即中奖与不中奖。 同样的道理，对于个人而言，在生活中要成功做好一件事的概率是没有大小之分的，只有成功或失败之分。但这概率的大小却很能影响人做事的心态。 如果说概率有大小之分，那应该不是针对个体而言，而是从一个群体出发，因为不同的人有不同的信念，有不同的做事方法。把地球给撬起来，这在大多数
第五章 数理统计的基本概念 一. 填空题 1. 设X 1, X 2, …, X n 为来自总体N(0, σ2 ), 且随机变量)1(~) (22 1 χ∑==n i i X C Y , 则常数 C=___. 解. ∑=n i i X 1 ~ N(0, n σ2 ), )1,0(~1 N n X n i i σ ∑= 所以 2 1,1σ σ n c n c = = . 2. 设X 1, X 2, X 3, X 4来自正态总体N(0, 22)的样本, 且2 43221)43()2(X X b X X a Y -+-=, 则a = ______, b = ______时, Y 服从χ2分布, 自由度为______. 解. X 1－2X 2～N(0, 20), 3X 3－4X 4～N(0, 100) )1,0(~2022 1N X X -, )1,0(~1004343N X X - 20 1 ,20 1 = = a a ; 100 1,100 1 = = b b . Y 为自由度2的χ2分布. 3. 设X 1, X 2, …, X n 来自总体χ2(n)的分布, 则._____)(______,)(==X D X E 解. 因为X 1, X 2, …, X n 来自总体χ2(n), 所以 E(X i ) = n, D(X i ) = 2n (i = 1, 2, …, n) ,)(n X E = 22) ()(2 2 1=?= =∑=n n n n X D X D n i i 二. 单项选择题 1. 设X 1, X 2, …, X n 为来自总体N(0, σ2 )的样本, 则样本二阶原点矩∑==n i i X n A 1 2 21的方差为 (A) σ2 (B) n 2 σ (C) n 42σ (D) n 4 σ 解. X 1, X 2, …, X n 来自总体N(0, σ2), 所以
一、随机事件与概率 公式名称 公式表达式 德摩根公式 B A B A =，B A B A = 古典概型 ()m A P A n = =包含的基本事件数基本事件总数 几何概型 () ()()A P A μμ= Ω，其中μ为几何度量（长度、面积、体积） 求逆公式 )(1)(A P A P -= 加法公式 P(A ∪B)= P(A+B)=P(A)+P(B)-P(AB) 当P(AB)＝0（A 、B 互斥）时，P(A ∪B)=P(A)+P(B) 减法公式 P(A-B)=P(A)-P(AB)，B A ?时P(A-B)=P(A)-P(B) 条件概率公式 乘法公式 )() ()(A P AB P A B P = ()()()()()P AB P A P B A P B P A B == ()()()()P ABC P A P B A P C AB = 全概率公式 1 ()()()n i i i P A P B P A B ==∑ 从原因计算结果 贝叶斯公式 （逆概率公式） 1 ()() ()()() i i i n i i i P B P A B P B A P B P A B == ∑ 从结果找原因 两个事件 相互独立 ()()()P AB P A P B =；()()P B A P B =；)()(A B P A B P =；
二、随机变量及其分布 1、分布函数 ()()(),()()() ()k k x x x P X x F x P X x P a X b F b F a f t dt ≤-∞ ?=?=≤=<≤=-???∑? 概率密度函数 计算概率： 2、离散型随机变量及其分布 分布名称 分布律 0-1分布 X ～b(1,p) 1,0,)1()(1=-==-k p p k X P k k 二项分布(贝努利分布) X ～B(n,p) n k p p C k X P k n k k n ,,1,0,)1()( =-==- 泊松分布 X ～p(λ) (),0,1,2,! k P X k e k k λλ-== = 3、续型型随机变量及其分布 分布名称 密度函数 分布函数 均匀分布 x ～U(a,b) ?? ?? ?<<-=其他,0,1 )(b x a a b x f 0, (),1, =-0 , 00,)(x x e x f x λλ ???? ?≤>-=-0 , 00 , 1)(x x e x F x λ 正态分布 x ～N(2,σμ) 2 2 ()21()2μσπσ -- = -∞<<+∞ x f x e x 22 ()21 ()d 2μσπσ -- -∞ = ?t x F x e t 标准正态分布 x ～N(0,1) 2 2 1()2?π - = -∞<<+∞ x x e x 212 1 ()2t x x e dt π --∞ Φ= ? 1 )(=? +∞ ∞ -dx x f ?=≤≤b a dx x f b X a P )()(