《概率论与数理统计》课程
复习资料
注:以下是考试的参考内容,不作为实际考试范围,考试内容以教学大纲和实施计划为准;注明“了解”的内容一般不考。
1、能很好地掌握写样本空间与事件方法,会事件关系的运算,了解概率的古典定义
2、能较熟练地求解古典概率;了解概率的公理化定义
3、掌握概率的基本性质和应用这些性质进行概率计算;理解条件概率的概念;掌握加法公式与乘法公式
4、能准确地选择和运用全概率公式与贝叶斯公式解题;掌握事件独立性的概念及性质。
5、理解随机变量的概念,能熟练写出(0—1)分布、二项分布、泊松分布的分布律。
6、理解分布函数的概念及性质,理解连续型随机变量的概率密度及性质。
7、掌握指数分布(参数λ)、均匀分布、正态分布,特别是正态分布概率计算
8、会求一维随机变量函数分布的一般方法,求一维随机变量的分布律或概率密度。
9、会求分布中的待定参数。
10、会求边缘分布函数、边缘分布律、条件分布律、边缘密度函数、条件密度函数,会判别随机变量的独立性。
11、掌握连续型随机变量的条件概率密度的概念及计算。
12、理解二维随机变量的概念,理解二维随机变量的联合分布函数及其性质,理解二维离散型随机变量的联合分布律及其性质,理解二维连续型随机变量的联合概率密度及其性质,并会用它们计算有关事件的概率。
13、了解求二维随机变量函数的分布的一般方法。
14、会熟练地求随机变量及其函数的数学期望和方差。会熟练地默写出几种重要随机变量的数学期望及方差。
15、较熟练地求协方差与相关系数.
16、了解矩与协方差矩阵概念。会用独立正态随机变量线性组合性质解题。
17、了解大数定理结论,会用中心极限定理解题。
18、掌握总体、样本、简单随机样本、统计量及抽样分布概念,掌握样本均值与样本方差及样本矩概念,掌握χ2分布(及性质)、t分布、F分布及其分位点概念。
19、理解正态总体样本均值与样本方差的抽样分布定理;会用矩估计方法来估计未知参数。
20、掌握极大似然估计法,无偏性与有效性的判断方法。
21、会求单正态总体均值与方差的置信区间。会求双正态总体均值与方差的置信区间。
23、明确假设检验的基本步骤,会U检验法、t检验、2χ检验法、F检验法解题。
24、掌握正态总体均值与方差的检验法。
概率论部分必须要掌握的内容以及题型
1.古典概型中计算概率用到的基本的计数方法。
2.概率的基本性质、条件概率、加法、乘法公式的应用;掌握事件独立性的概念及性质。3.准确地选择和运用全概率公式与贝叶斯公式。
4.一维、二维离散型随机变量的分布律,连续型随机变量的密度函数性质的运用。分布中待定参数的确定,分布律、密度函数与分布函数的关系,联合分布与边缘分布、条件分布的关系,求数学期望、方差、协方差、相关系数,求函数的分布律、密度函数及期望和方差。5.会用中心极限定理解题。
6.熟记(0-1)分布、二项分布、泊松分布的分布律、期望和方差,指数分布(参数λ)、均匀分布、正态分布的密度函数、期望和方差。
数理统计部分必须要掌握的内容以及题型
1.统计量的判断。
2.计算样本均值与样本方差及样本矩。
3.熟记正态总体样本均值与样本方差的抽样分布定理。
4.会求未知参数的矩估计、极大似然估计。
5.掌握无偏性与有效性的判断方法。
6.会求正态总体均值与方差的置信区间。
7.理解假设检验的基本思想和原理,明确正态总体均值与方差的假设检验的基本步骤。
概率论部分必须要掌握的内容以及题型
1.古典概型中计算概率用到的基本的计数方法。
古典概型例子
摸球模型
例1:袋中有a个白球,b个黑球,从中接连任意取出m(m≤a+b)个球,且每次取出的球不再放回去,求第m次取出的球是白球的概率;
例2:袋中有a个白球,b个黑球,c个红球,从中任意取出m(m≤a+b)个球,求取出的m 个球中有k1(≤a) 个白球、k2(≤b) 个黑球、k3(≤c) 个红球(k1+k2+k3=m)的概率.
占位模型
例:n个质点在N个格子中的分布问题.设有n个不同质点,每个质点都以概率1/N落入N个格子(N≥n)的任一个之中,求下列事件的概率:
(1) A={指定n个格子中各有一个质点};(2) B={任意n个格子中各有一个质点};
(3) C={指定的一个格子中恰有m(m≤n)个质点}.
抽数模型
例:在0~9十个整数中任取四个,能排成一个四位偶数的概率是多少?
2.概率的基本性质、条件概率、加法、乘法公式的应用;掌握事件独立性的概念及性质。如对于事件A,B,A或B,已知P(A),P(B),P(AB),P(A B),P(A|B),P(B|A)以及换为A或B之中的几个,求另外几个。
例1:事件A与B相互独立,且P(A)=0.5,P(B)=0.6,求:P(AB),P(A-B),P(A B)
例2:若P(A)=0.4,P(B)=0.7,P(AB)=0.3,求:P(A-B),P(A B),)
P,)
A
|
(B
(B
P
A
|
P,)
(B
|
A
3.准确地选择和运用全概率公式与贝叶斯公式。
若已知导致事件A发生(或者是能与事件A同时发生)的几个互斥的事件B i,i=1,2,…,n,…的概率P(B i) ,以及B i发生的条件下事件A发生的条件概率P(A|B i),求事件A发生的概率P(A)以及A发生的条件下事件B i发生的条件概率P(B i| A)。
例:玻璃杯成箱出售,每箱20只。假设各箱含0、1、2只残次品的概率相应为0.8、0.1和0.1,某顾客欲购买一箱玻璃杯,在购买时,售货员随意取一箱,而顾客随机地察看4只,若无残次品,则买下该箱玻璃杯,否则退回。试求:(1)顾客买下该箱的概率;(2)在顾客买下的该箱中,没有残次品的概率。
4.一维、二维离散型随机变量的分布律,连续型随机变量的密度函数性质的运用。分布中待定参数的确定,分布律、密度函数与分布函数的关系,联合分布与边缘分布、条件分布的关系,求数学期望、方差、协方差、相关系数,求函数的分布律、密度函数及期望和方差。(1)已知一维离散型随机变量X的分布律P(X=x i)=p i,i=1,2,…,n,…
确定参数
求概率P(a 求分布函数F(x) 求期望E(X),方差D(X) 求函数Y=g(X)的分布律及期望E[g(X)] 例:随机变量X 的分布律为. 确定参数k 求概率P (0 求期望E (X ),方差D (X ) 求函数2)3(-=X Y 的分布律及期望2)3(-X E (2)已知一维连续型随机变量X 的密度函数f (x ) 确定参数 求概率P (a 求期望E (X ),方差D (X ) 求函数Y =g (X )的密度函数及期望E [g (X )] 例:已知随机变量X 的概率密度为()???<<=其他0 2 02x kx x f , 确定参数k 求概率}31{< 求期望E (X ),方差D (X ) 求函数X Y =的密度及期望)(X E (3)已知二维离散型随机变量(X ,Y )的联合分布律P (X =x i ,Y =y j )=p ij ,i =1,2,…,m ,…;j =1,2,…,n ,… 确定参数 求概率P {(X ,Y )∈G } 求边缘分布律P (X =x i )=p i.,i =1,2,…,m ,…;P (Y =y j )=p .j , j =1,2,…,n ,… 求条件分布律P (X =x i |Y =y j ),i =1,2,…,m ,…和P (Y =y j |X =x i ), j =1,2,…,n ,… 求期望E (X ),E (Y ),方差D (X ),D (Y ) 求协方差 cov(X ,Y ),相关系数XY ρ,判断是否不相关 求函数Z =g (X , Y )的分布律及期望E [g (X , Y )] 例 求概率P (X 求边缘分布律P (X =k ) k =0,1,2 和P (Y =k ) k =0,1,2,3 求条件分布律P (X =k |Y =2) k =0,1,2和P (Y =k |X =1) k =0,1,2,3 求期望E (X ),E (Y ),方差D (X ),D (Y ) 求协方差 cov(X ,Y ),相关系数XY ρ,判断是否不相关 求Z =X +Y ,W =max{X ,Y },V =min{X ,Y }的分布律 (4)已知二维连续型随机变量X 的联合密度函数f (x , y ) 确定参数 求概率P {(X ,Y )∈G } 求边缘密度)(x f X ,)(y f Y ,判断Y X ,是否相互独立 求条件密度)|(|y x f Y X ,)|(|x y f X Y 求期望E (X ),E (Y ),方差D (X ),D (Y ) 求协方差 cov(X ,Y ),相关系数XY ρ,判断是否不相关 求函数Z =g (X , Y )的密度函数及期望E [g (X , Y )] 例:已知二维随机变量(X ,Y )的概率密度为???<<=其它, 01 ,),(22y x y cx y x f , 确定常数c 的值; 求概率P (X 求边缘密度)(x f X ,)(y f Y ,判断Y X ,是否相互独立 求条件密度)|(|y x f Y X ,)|(|x y f X Y 求期望E (X ),E (Y ),方差D (X ),D (Y ) 求协方差 cov(X ,Y ),相关系数XY ρ,判断是否不相关 5.会用中心极限定理解题。 例1:每次射击中,命中目标的炮弹数的均值为2,方差为25.1,求在100次射击中有180到220发炮弹命中目标的概率. 例2:设从大批发芽率为0.9的种子中随意抽取1000粒,试求这1000粒种子中至少有880粒发芽的概率。 6.熟记(0-1)分布、二项分布、泊松分布的分布律、期望和方差,指数分布(参数λ)、均匀分布、正态分布的密度函数、期望和方差。 数理统计部分必须要掌握的内容以及题型 1.统计量的判断。 对于来自总体X 的样本n X X X ,,,21 ,由样本构成的各种函数是否是统计量。 2.计算样本均值与样本方差及样本矩。 3.熟记正态总体样本均值与样本方差的抽样分布定理。 4.会求未知参数的矩估计、极大似然估计。 例:设总体X 的概率密度为()()???<<+=其它 ,01 0,1x x x f θθ,n X X ,,1 是来自总体X 的一个样本, 求未知参数θ的矩估计量与极大似然估计量. 5.掌握无偏性与有效性的判断方法。 对于来自总体X 的样本n X X X ,,,21 ,判断估计量是否无偏,比较哪个更有效。 例:设321,,X X X 是来自总体X 的一个样本,下列统计量是不是总体均值的无偏估计 3212110351X X X ++;)(31321X X X ++;321X X X -+;)(2121X X +;32112 14331X X X ++ 求出方差,比较哪个更有效。 6.会求正态总体均值与方差的置信区间。 对于正态总体,由样本结合给出条件,导出参数的置信区间。 7.理解假设检验的基本思想和原理,明确正态总体均值与方差的假设检验的基本步骤。 对于单、双正态总体根据给定条件,确定使用什么检验方法,明确基本步骤。 例:设),(~2σu N X ,u 和2σ未知,(X 1,…,X n )为样本,(x 1,…,x n )为样本观察值。(1)试写出 检验u 与给定常数u 0有无显著差异的步骤;(2)试写出检验2σ与给定常数2 0σ比较是否显著偏 大的步骤。 1.古典概型中计算概率用到的基本的计数方法。 古典概型例子 摸球模型 例1:袋中有a 个白球,b个黑球,从中接连任意取出m (m ≤a +b)个球,且每次取出的球不再放回去,求第m 次取出的球是白球的概率; 分析:本例的样本点就是从a +b中有次序地取出m 个球的不同取法;第m 次取出的球是白球意味着:第m次是从a 个白球中取出一球,再在a +b-1个球中取出m-1个球。 解:设B ={第m 次取出的球是白球} 样本空间的样本点总数: m b a A n += 事件B 包含的样本点: 11 1 --+=m b a a A C r ,则 b a a A aA n r B P m b a m b a +===+--+1 1 )( 注:本例实质上也是抽签问题,结论说明按上述规则抽签,每人抽中白球的机会相等,同抽签次序无关。 例2:袋中有4个白球,5个黑球,6个红球,从中任意取出9个球,求取出的9个球中有1 个白球、3个黑球、5个红球的概率. 解:设B ={取出的9个球中有1个白球、3个黑球、5个红球} 样本空间的样本点总数: 9 15C n ==5005 事件B 包含的样本点: 5 63514C C C r ==240,则 P (B )=120/1001=0.048 占位模型 例:n 个质点在N 个格子中的分布问题.设有n 个不同质点,每个质点都以概率1/N 落入N 个格子(N ≥n)的任一个之中,求下列事件的概率: (1) A ={指定n 个格子中各有一个质点};(2) B ={任意n 个格子中各有一个质点}; (3) C ={指定的一个格子中恰有m (m ≤n )个质点}. 解:样本点为n 个质点在N 个格子中的任一种分布,每个质点都有N 种不同分布,即n 个质点共有N n 种分布。故样本点总数为:N n (1)在n 个格子中放有n 个质点,且每格有一个质点,共有n !种不同放法;因此,事件A 包含 的样本点数:n!,则 n N n A P ! )(= (2)先在N 个格子中任意指定n 个格子,共有n N C 种不同的方法;在n 个格子中放n 个质点, 且每格一个质点,共有n !种不同方法;因此,事件B 包含的样本点数: n N n N A C n =!,则n n N N A B P =)( (3)在指定的一个格子中放m (m ≤n )个质点共有m n C 种不同方法;余下n-m 个质点任意放在余下 的N-1个格子中,共有m n N --)1(种不同方法.因此,事件C 包含的样本点数:m n C m n N --)1(, 则m n m m n n m n m n N N N C N N C C P ---=-=)1()1( )1()( 抽数模型 例:在0~9十个整数中任取四个,能排成一个四位偶数的概率是多少? 解:考虑次序.基本事件总数为:4 10A =5040,设B ={能排成一个四位偶数} 。 若允许千位数为0,此时千位数可在0、2、4、6、8这五个数字中任选其一,共有5种选法; 其余三位数则在余下的九个数字中任选,有39A 种选法;从而共有53 9A =2520个。其中,千位 数为0的“四位偶数”有多少个?此时个位数只能在2、4、6、8这四个数字中任选其一,有4种选法;十位数与百位数在余下的八个数字中任选两个,有28A 种选法;从而共有428A =224 个。 因此4 10 2 83945)(A A A B P -==2296/5040=0.456 2.概率的基本性质、条件概率、加法、乘法公式的应用;掌握事件独立性的概念及性质。 例1:事件A 与B 相互独立,且P (A )=0.5,P (B )=0.6,求:P (AB ),P (A -B ),P (A B ) 解:P (AB )= P (A )P (B )=0.3,P (A -B )= P (A )-P (AB )=0.2,P (A B )= P (A )+P (B )-P (AB )=0.8 例2:若P (A )=0.4,P (B )=0.7,P (AB )=0.3,求: P (A -B ),P (A B ),)|(B A P ,)|(B A P ,)|(B A P 解:P (A -B )=0.1,P (A B )=0.8,)|(B A P = )()(B P AB P =3/7,)|(B A P =) () ()()()(B P AB P B P B P B A P -==4/7,)|(B A P = ) (1) ()()(B P B A P B P B A P -= =2/3 3.准确地选择和运用全概率公式与贝叶斯公式。 例:玻璃杯成箱出售,每箱20只。假设各箱含0、1、2只残次品的概率相应为0.8、0.1和0.1,某顾客欲购买一箱玻璃杯,在购买时,售货员随意取一箱,而顾客随机地察看4只,若无残次品,则买下该箱玻璃杯,否则退回。试求:(1)顾客买下该箱的概率;(2)在顾客买下的该箱中,没有残次品的概率。 解:设事件A 表示“顾客买下该箱”,i B 表示“箱中恰好有i 件次品”,2,1,0=i 。则8.0)(0=B P , 1.0)(1=B P ,1.0)(2=B P ,1)|(0=B A P ,54)|(4204191==C C B A P ,19 12 )|(4204 182==C C B A P 。 由全概率公式得 ∑==?+?+?==2 94.01912 1.0541.018.0)|()()(i i i B A P B P A P ; 由贝叶斯公式 85.094 .01 8.0)()|()()|(000=?==A P B A P B P A B P 。 4.(1) 例:随机变量X 的分布律为. 确定参数k 求概率P (0 求期望E (X ),方差D (X ) 求函数2)3(-=X Y 的分布律及期望2)3(-X E 解:由 1=∑i i p ,有 k +2 k +3 k +4 k =1 得 k =0.1 P (0 ????? ????≥<≤<≤<≤<=41 436.0323.0211.010 )(x x x x x x F ∑=i i i p x X E )(=3,∑=i i i p x X E 22)(=10,D (X )=22))(()(X E X E -=1 2)3(-X E =1 (2) 例:已知随机变量X 的概率密度为()?? ?<<=其他 2 02 x kx x f , 确定参数k 求概率P (1 求期望E (X ),方差D (X ) 求函数X Y =的密度函数及期望)(X E 解:由 ? +∞ ∞ -dx x f )(=1,有 ? +∞ ∞ -dx x f )(=k dx kx 3 8 2 02=?=1,得 k =3/8 P (1 1 )(dx x f =? 2 1 2 8 3dx x =7/8. ???? ?≥<<≤=2 1 20800)(3 x x x x x F ?+∞ ∞-=dx x xf X E )()(=?2 0383dx x =3/2,?+∞∞ -=dx x f x X E )()(2 2=?20483dx x =12/5 D (X )=22))(()(X E X E -=3/20 ?????<<=其他 204 3)(5y y y f )(X E =? +∞ ∞ -dx x f x )(=? 2 25 83dx x = 7 2 6 (3) 例 求概率P (X 求边缘分布律P (X =k ) k =0,1,2 和P (Y =k ) k =0,1,2,3 求条件分布律P (X =k |Y =2) k =0,1,2和P (Y =k |X =1) k =0,1,2,3 求期望E (X ),E (Y ),方差D (X ),D (Y ) 求协方差 cov(X ,Y ),相关系数XY ρ,判断是否不相关 求Z =X +Y ,W =max{X ,Y },V =min{X ,Y }的分布律 解:P (X Y X Y =i ij j i p x X E )(=0.8,=i ij j i p x X E )(=1.4,D (X )=))(()(X E X E -=0.76 ∑∑=i ij j j p y Y E )(=2,∑∑=i ij j j p y Y E 22)(=5,D (Y )=2 2))(()(Y E Y E -=1 ∑∑=i ij j j i p y x XY E )(=1.64,cov(X ,Y )=)()()(Y E X E XY E -=0.04 XY ρ= )()(),cov(Y D X D Y X =0.046 相关 V (4) 例:已知二维随机变量(X ,Y )的概率密度为? ??<<=其它,01 ,),(22y x y cx y x f , 确定常数c 的值; 求概率P (X 求边缘密度)(x f X ,)(y f Y ,判断Y X ,是否相互独立 求条件密度)|(|y x f Y X ,)|(|x y f X Y 求期望E (X ),E (Y ),方差D (X ),D (Y ) 求协方差 cov(X ,Y ),相关系数XY ρ,判断是否不相关 解:由 ?? +∞∞-+∞ ∞ -dxdy y x f ),(=1,有 ?? +∞∞-+∞ ∞ -dxdy y x f ),(=??-11 21 2ydy x c dx x =1,得 c =21/4 P (X -1 2 4 21ydx x dy y y =0.85 ?? ???≤≤--==?其它01 1)1(8 21421)(4212 2x x x ydy x x f x X ?? ???≤≤==?-其它 01027421)(252y y ydx x y f y y Y X 与Y 不独立 ?? ???≤ ≤-==-其它 02 3)(),()|(2 32|y x y y x y f y x f y x f Y Y X ?? ? ??≤≤-==其它 01 18)() ,()|(24 |y x x y x f y x f x y f X X Y ??+∞∞-+∞ ∞ -=dxdy y x f x X E ),()(=??-11312421ydy x dx x =0 ??+∞∞-+∞ ∞ -=dxdy y x f x X E ),()(22=??-11412421ydy x dx x =7/15 D (X )=22))(()(X E X E -=7/15 ??+∞∞-+∞ ∞ -=dxdy y x f y Y E ),()(=??-112212421dy y x dx x =7/9 ??+∞∞-+∞ ∞ -=dxdy y x f y Y E ),()(2 2=??-113212421dy y x dx x =7/11 D (Y )=22))(()(Y E Y E -=28/891 ??+∞∞-+∞ ∞ -=dxdy y x f xy XY E ),()(=??-112312421dy y x dx x =0 cov(X ,Y )=0, XY ρ=0,X 与Y 不相关 5.会用中心极限定理解题。 例1:每次射击中,命中目标的炮弹数的均值为2,方差为25.1,求在100次射击中有180到220发炮弹命中目标的概率. 解: 例2:设从大批发芽率为0.9的种子中随意抽取1000粒,试求这1000粒种子中至少有880粒发芽的概率。 解:设这批种子发芽数为X ,则)9.0,1000(~B X ,由中心极限定理得 所求概率为 }880{≥X P 9826.0)108.2()108.2(1)90 900 880( 1=Φ=-Φ-=-Φ-=。 数理统计部分必须要掌握的内容以及题型 1.统计量的判断。 2.计算样本均值与样本方差及样本矩。 3.熟记正态总体样本均值与样本方差的抽样分布定理。 4.会求未知参数的矩估计、极大似然估计。 例:设总体X 的概率密度为()()???<<+=其它 ,01 0,1x x x f θθ,n X X ,,1 是来自总体X 的一个样本, 求未知参数θ的矩估计量与极大似然估计量. 5.掌握无偏性与有效性的判断方法。 例:设321,,X X X 是来自总体X 的一个样本,下列统计量是不是总体均值的无偏估计 3212110351X X X ++;)(31321X X X ++;321X X X -+;)(2121X X +;32112 14331X X X ++ 求出方差,比较哪个更有效。 6.会求正态总体均值与方差的置信区间。 7.理解假设检验的基本思想和原理,明确正态总体均值与方差的假设检验的基本步骤。 例:设),(~2σu N X ,u 和2σ未知,(X 1,…,X n )为样本,(x 1,…,x n )为样本观察值。(1)试写出 检验u 与给定常数u 0有无显著差异的步骤;(2)试写出检验2σ与给定常数2 0σ比较是否显著偏大的步骤。 解: (1) 1.提出假设 u u H u u H ≠=:,:1 2.选取统计量n S u X t /) (0-= 3.对给定的显著性水平α,查表得)1(2 -n t α 4.计算 n s u x t /) (0-= 5.判断 若),1(2 ->n t t α拒绝; H 反之,接受. H (2)1.提出假设2 21202:,:σσσσ>≤H H 2.选取统计量2 2 2 )1(σ χS n -= 3.对给定的显著性水平α,查表得)1(2 -n αχ 4.计算 .)1(2 2 2 σχs n -= 5.判断 若),1(2 2- 更多课程资料请到大学课程网https://www.doczj.com/doc/ed626224.html,学习