下载文档原格式
前言由于汤老师不给力，下面由刘老师来为你们划重点 内部使用，仅供参考，不承当任何后果。
参考： 课本 课件第一章该章概型和公式比较多，每个都配上了一个例题便于理解第一节重点：德·摩根律公式交换律：A ∪B=B ∪A ，AB=BA 结合律(A ∪B)∪C=A ∪(B ∪C ）（A∩B)∩C=A∩(B∩C ）分配律：A∩(B ∪C) = (A∩B)∪( A∩C )A ∪(B∩C) = (A ∪B)∩(A ∪C ） 德·摩根律A B AB A B A B ==第二节频率性质1. 样本任意一事件概率不小于0（非负性）2. 样本事件概率和为1（规范性）3. 如果AB 互斥 ()()()n n n f A B f A f B =+4. 如果AB 不排斥 ()()()()n n n n f A B f A f B f A B =+-⋂5. ()1().P A P A =-第三节 古典概型性质1. 样本空间中样本点有限，既事件有限2. 样本点概率等可能发生3. ()==k A P A n 中所含的基本事件数基本事件总数例题排列组合问题（要是考应该不会太难）几何概型求法：1.求出状态方程2.根据定义域画图3.求概率=阴影面积/总面积第四节条件概型公式：()()()() (|).()()()()AB AB P AB P A BB B P BμμμΩμμμΩ===条件概率满足概率的一切性质既非法性，规范性，可加性例题11()()()()n ni i i i i P B P BA P A P B A ====∑∑例题 书 p251()(|)(|)()(|)i i i ni ii P A P B A P A B P A P B A ==∑第五节独立性如果AB事件独立P AB P A P B()()()若多事件相互独立，理论仍然成立贝努利概型既服从二项分布模型抽取n次的组合次数第二章重点章节，几大分布都是后几章的基础第二节 离散型随机变量及其分布律1. 两点分布、0﹣1分布既随机变量 X 只可能取0或1两个值，事件执行一次只有两种情况，例如抛硬币 记为 X~b （1，p ） p 表示事件的概率，样本点个数为1, 并且1-p 表示相反事件概率 2. 二项分布（应用于上章的贝努利概型）与0-1分布类似，事件执行n 次，记为 X~b （n ，p ） p 表示事件的概率 样本点个数为n 3. 泊松分布{}e ,0,1,2,,!kP X k k k λλ-===⋅⋅⋅记为 X~π(λ)，如果出题，应该会标明是泊松分布，或者给出明确的λ二项分布X~b （n ，p ）当n 充分大，p 充分小时，对于任意固定的非负整数k ，与泊松分布概率近视相等，并且λ=nb （数学期望相等） 4. 几何分布既抽取问题中可放回情况，该分布具有无记忆性-1{}(1),1,2,k P X k p p k ==-=5. 超几何分布既抽取问题不放回情况12{},0,1,2,k n k N N nNC C P X k k C-===第三节 随机变量及其分布随机变量分布（感觉这个知识点必考，虽然不知道会是什么题） 求事件概率公式，p511. 已知分布函数求分布律，并求事件概率（习题2第一题）根据公式000{}(0)(0)P X x F x F x ==+--求出各个点的概率，并画出分布表，求事件概率可以不会套公式，可以直接看表。
第一章概率论的基本概论确定现象：在一定条件下必然发生的现象，如向上抛一石子必然下落，等随机现象：称某一现象是“随机的”，如果该现象（事件或试验）的结果是不能确切地预测的。
由此产生的概念有：随机现象，随机事件，随机试验。
例：有一位科学家，他通晓现有的所有学科，如果对一项试验（比如：掷硬币），该万能科学家也无法确切地预测该实验的结果（是正面朝上还是反面朝上），这一实验就是随机实验，其结果是“随机的”----为一随机事件。
例：明天下午三点钟”深圳市区下雨”这一现象是随机的，其结果为随机事件。
随机现象的结果（随机事件）的随机度如何解释或如何量化呢？这就要引入”概率”的概念。
概率的描述性定义：对于一随机事件A，用一个数P(A)来表示该事件发生的可能性大小，这个数P(A)就称为随机事件A发生的概率。
§1.1随机试验以上试验的共同特点是:1．试验可以在相同的条件下重复进行；2．试验的全部可能结果不止一个，并且在试验之前能明确知道所有的可能结果；3．每次试验必发生全部可能结果中的一个且仅发生一个，但某一次试验究竟发生哪一个可能结果在试验之前不能预言。
我们把对随机现象进行一次观察和实验统称为随机试验，它一定满足以上三个条件。
我们把满足上述三个条件的试验叫随机试验，简称试验，记E。
§1.2样本空间与随机事件(一) 样本空间与基本事件E的一个可能结果称为E的一个基本事件，记为ω，e等。
E的基本事件全体构成的集，称为E的样本空间，记为S或Ω,即：S={ω|ω为E的基本事件}，Ω={e}.注意：ω的完备性，互斥性特点。
例：§1.1中试验E1--- E7E1：S1={H,T}HTT,THT,TTH,TTT }E 3：S 3={0，1，2，3} E 4：S 4={1,2,3,4,5,6} E 5: S 5={0,1,2,3,…} E 6：S 5={t 0≥t }E 7：S 7={()y x ,10T y x T ≤≤≤}（二） 随机事件我们把试验 E 的全部可能结果中某一确定的部分称为随机事件。
概率的全部知识点总结一、定义概率是指某一随机现象发生的可能性大小的度量。
通常用P(A)表示事件A发生的概率。
概率的取值范围是0到1之间，即0 ≤ P(A) ≤ 1。
当概率为0时，表示事件不可能发生；当概率为1时，表示事件一定发生；当概率为0.5时，表示事件发生的可能性为50%。
二、事件在概率论中，事件是指随机试验的某一结果，用大写字母A、B、C等表示。
事件可以包含一个或多个基本事件，基本事件是随机试验的最小基本单位，用小写字母a、b、c等表示。
例如，掷一枚硬币的结果可以是正面（基本事件H）或反面（基本事件T），而事件可以是“出现正面”或“出现反面”。
三、概率的性质1. 非负性：对任意事件A，有P(A) ≥ 0。
2. 规范性：对样本空间Ω中的事件，有P(Ω) = 1。
3. 互斥事件的加法规则：对互斥事件A和B，有P(A ∪ B) = P(A) + P(B)。
4. 对立事件的性质：对对立事件A和A'，有P(A) + P(A') = 1。
四、古典概率古典概率是指在样本空间有限且等可能的情况下，根据事件发生的可能性来计算概率。
例如，掷一枚硬币得到正面的概率为1/2，掷一个骰子得到点数为3的概率为1/6。
古典概率的计算公式为P(A) = n(A) / n(Ω)，其中n(A)表示事件A包含的基本事件个数，n(Ω)表示样本空间Ω中基本事件的总数。
五、条件概率条件概率是指在已知某一事件发生的条件下，另一事件发生的概率。
条件概率的计算公式为P(B|A) = P(A ∩ B) / P(A)，表示在事件A发生的条件下，事件B发生的概率。
条件概率的性质包括P(B|A) ≥ 0，P(B|A)P(A) = P(A ∩ B) = P(A|B)P(B)，以及全概率公式和贝叶斯公式等。
六、贝叶斯公式贝叶斯公式是根据条件概率和全概率公式推导出来的一种计算概率的方法。
贝叶斯公式的计算公式为P(A|B) = P(B|A)P(A) / P(B)，表示在事件B发生的条件下，事件A发生的概率。
第一章概率论的基本概论确定现象：在一定条件下必然发生的现象，如向上抛一石子必然下落，等随机现象：称某一现象是“随机的”，如果该现象（事件或实验）的结果是不能确切地预测的。
由此产生的概念有：随机现象，随机事件，随机实验。
例：有一位科学家，他通晓现有的所有学科，如果对一项实验（比如：掷硬币），该万能科学家也无法确切地预测该实验的结果（是正面朝上还是反面朝上），这一实验就是随机实验，其结果是“随机的”----为一随机事件。
例：明天下午三点钟”深圳市区下雨”这一现象是随机的，其结果为随机事件。
随机现象的结果（随机事件）的随机度如何解释或如何量化呢？这就要引入”概率”的概念。
概率的描述性定义：对于一随机事件A，用一个数P(A)来表示该事件发生的可能性大小，这个数P(A)就称为随机事件A发生的概率。
§1.1 随机实验以上实验的共同特点是:1．实验可以在相同的条件下重复进行；2．实验的全部可能结果不止一个，并且在实验之前能明确知道所有的可能结果；3．每次实验必发生全部可能结果中的一个且仅发生一个，但某一次实验究竟发生哪一个可能结果在实验之前不能预言。
我们把对随机现象进行一次观察和实验统称为随机实验，它一定满足以上三个条件。
我们把满足上述三个条件的实验叫随机实验，简称实验，记E。
§1.2样本空间与随机事件(一) 样本空间与基本事件E的一个可能结果称为E的一个基本事件，记为ω，e等。
E的基本事件全体构成的集，称为E的样本空间，记为S或Ω, 即：S={ω|ω为E的基本事件}，Ω={e}.注意：ω的完备性，互斥性特点。
例：§1.1中实验E 1--- E 7 E 1：S 1={H,T}E 2：S 2={ HHH,HHT,HTH,THH,HTT,THT,TTH,TTT }E 3：S 3={0，1，2，3} E 4：S 4={1,2,3,4,5,6} E 5: S 5={0,1,2,3,…} E 6：S 5={t0≥t }E 7：S 7={()y x ,10T y x T ≤≤≤}（二） 随机事件我们把实验 E 的全部可能结果中某一确定的部分称为随机事件。
《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 A B 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A B {x x A或x B} 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 A B 发生A B {x x A且x B} 称为事件 A 与事件 B 的积事件，指当A，B 同时发生时，事件A B 发生A—B {x x A且x B} 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 A — B 发生A B ，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A B S A B ，则称事件 A 与事件 B 互为逆事件，又称事件 A 与事件 B 互为且对立事件2．运算规则交换律 A B B A A B B A结合律(A B) C A (B C) ( A B)C A(B C)分配律 A （B C）(A B) ( A C)A (B C)(A B)( A C)—徳摩根律 A B A B 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n称为事件AA 发生的频数，比值n nA 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P( A)满足下列条件：（1）非负性：对于每一个事件 A 0 P( A) 1（2）规范性：对于必然事件S P (S) 11（3）可列可加性：设A1, A2 , ,A是两两互不相容的事件，有nn nP A k ) P( A) ( （n可kk 1 k 1以取）2．概率的一些重要性质：（i ）P( ) 0（ii ）若A1, A2 , ,A是两两互不相容的事件，则有n Pn n( （n可以取）A k ) P( A )kk 1 k 1（iii ）设A，B 是两个事件若 A B ，则P(B A) P( B) P( A) ，P( B) P(A) （iv）对于任意事件A，P(A) 1（v）P( A) 1 P(A) （逆事件的概率）（vi）对于任意事件A，B 有P(A B) P( A) P( B) P( A B)§4等可能概型（古典概型）等可能概型：试验的样本空间只包含有限个元素，试验中每个事件发生的可能性相同若事件 A 包含k 个基本事件，即{e i } {e } {e }A ，里1 i i k] 2，k是，中某个不同的数，则有i1 i 2, ，i k 1,2 nP( A)j k1P { eij}knA包含的基本事件数S中基本事件的总数§5．条件概率（1）定义：设A,B 是两个事件，且P( A) 0 ，称P( A B)P(B | A) 为事件 A 发生的条P(A)件下事件 B 发生的条件概率（2）条件概率符合概率定义中的三个条件。
第一章概率论的基本概念 第一节随机试验一、随机试验E1．试验可以在相同的条件下重复进行； 2．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．进行试验之前不能确定哪一个结果会出现。
说明：随机试验简称为试验,随机试验通常用E 来表示.实例：“抛掷一枚硬币,观察字面,花面出现的情况”.分析：1) 试验可以在相同的条件下重复地进行;2) 试验的所有可能结果:正面、反面;3) 进行一次试验之前不能确定哪个结果会出现故为随机试验同理可知下列试验都为随机试验：掷骰子观察点数；一批产品任选三件其正品与次品数；某地平均气温等第二节随样本空间、随机事件一、 样本空间 样本空间Ω随机试验的所有可能结果组成的集合． 样本空间Ω 中的元素，即E 的每个结果，称为样本点．样本点一般用ω表示，可记为Ω = { ω } 例：说明1. 同一试验, 若试验目的不同,则对应的样 本空间也不同.例如对于同一试验: “将一枚硬币抛掷2次”. 若观察正面H 、反面T 出现的情况,则样本空间为S = {HH , HT , TH , TT }.若观察正面出现的次数, 则样本空间为S={0,1,2,3}2. 建立样本空间,事实上就是建立随机现象的数学模型. 因此, 一个样本空间可以概括许多内容大不相同的实际问题.例如只包含两个样本点的样本空间S = {H ,T }它既可以作为抛掷硬币出现正面或出现反面的模型, 也可以作为产品检验中合格与不合格的模型, 又能用于排队现象中有人排队与无人排队的模型等.例：1. 同时掷三颗骰子,记录三颗骰子之和. S = {3, 4, 5,……, 18}.2. 生产产品直到得到10件正品,记录生产产品的总件数S = {10 , 11 , 12 ,……}. 二、 随机事件随机试验E 的样本空间Ω的子集称为E 的随机事件，简称事件。
例如，随机试验“抛骰子观察点数”的样本空间是S={1,2,3,4,5,6}对于“骰子的点数是偶数点”，它是一个事件，即{2,4,6}，显然，它是样本空间的一个子集。
