概率论知识点总结及心得体会
- 格式:docx
- 大小:263.30 KB
- 文档页数:21
概率与数理统计学习心得概率与数理统计是现代科学的重要基础,广泛应用于各个领域。
在学习概率与数理统计的过程中,我深刻体会到了它们的重要性和实用性,下面将对我学习概率与数理统计的心得进行总结和分享。
一、概率论的学习心得1. 概率的基本定义和性质:概率是描述随机事件发生可能性的一种数学工具。
在学习过程中,我深刻理解了事件的样本空间、随机事件、必然事件、不可能事件等概念。
同时,我还学习到了概率的加法定理、乘法定理以及条件概率、独立性等重要性质。
2. 排列组合与概率:排列组合是概率论的重要工具,能够帮助我们计算出各种事件的可能性。
在学习排列组合的过程中,我掌握了排列、组合以及二项式定理等基本概念和性质。
这些知识对于计算事件的可能性和计算概率具有重要作用。
3. 随机变量与概率分布:随机变量是概率论的核心概念,它能够将随机事件映射到实数集上。
在学习随机变量的过程中,我了解了离散随机变量和连续随机变量的基本性质和分布规律。
概率分布是描述随机变量取值的概率的函数,包括离散分布和连续分布两种类型。
学习概率分布的过程中,我掌握了二项分布、泊松分布、正态分布等常见概率分布的特征和应用。
4. 大数定理与中心极限定理:大数定理和中心极限定理是概率论的重要结果,它们描述了随机现象的规律性。
大数定理指出,随着随机试验次数的增加,随机事件的概率趋近于其理论概率。
中心极限定理则指出,大量独立同分布的随机变量的和的分布近似于正态分布。
学习大数定理和中心极限定理的过程中,我深刻认识到概率的稳定性和可靠性,也意识到了随机现象中规律的存在。
二、数理统计学的学习心得1. 统计与总体与样本:统计是指根据样本信息,对总体进行推断和判断的一种方法。
在学习统计学的过程中,我了解到了总体和样本的基本概念,以及样本的抽样方法和统计量的计算。
通过对样本数据的分析和总体参数的估计,可以推断总体的特征和性质。
2. 抽样分布与参数估计:抽样分布是指在总体参数已知的情况下,抽样样本统计量的分布。
概率论知识点总结概率论知识点总结「篇一」概率,现实生活中存在着大量的随机事件,而概率正是研究随机事件的一门学科,教学中,首先以一个学生喜闻乐见的摸球游戏为背景,通过试验与分析,使学生体验有些事件的发生是必然的、有些是不确定的、有些是不可能的,引出必然发生的事件、随机事件、不可能发生的事件,然后,通过对不同事件的分析判断,让学生进一步理解必然发生的事件、随机事件、不可能发生的事件的特点,结合具体问题情境,引领学生设计提出必然发生的事件、随机事件、不可能发生的事件,具有相当的开放度,鼓励学生的逆向思维与创新思维,在一定程度上满足了不同层次学生的学习需要。
其次,做游戏是学习数学最好的方法之一,根据课的内容的特点,教师设计了转盘游戏,力求引领学生在游戏中形成新认识,学习新概念,获得新知识,充分调动了学生学习数学的积极性,体现了学生学习的自主性,在游戏中参与数学活动,在游戏中分析、归纳、合作、思考,领悟数学道理,在快乐轻松的学习氛围中,显性目标和隐性目标自然达成,在一定程度上,开创了一个崭新的数学课堂教学模式。
再次,我们教师在上课的时候要理解频率和概率的关系,教材中概率的概念是通过频率建立的,即频率的稳定值及概率,也就是用频率值估计概率的大小。
通过实验,让学生经历“猜测结果一进行实验一分析实验结果”的过程,建立概率的含义。
要建立学生正确的概率含义,必须让他们亲自经历对随机现象的探索过程,引导他们亲自动手实验收集实验数据,分析实验结果,并将所得结果与自己的猜测进行比较,真正树立正确的概率含义。
第四,我们努力让学生在具体情景中体会概率的意义。
由于初中学生的知识水平和理解能力,初中阶段概率教学的基本原则是:从学生熟悉的生活实例出发,创设情境,贴近生活现实的问题情境,不仅易于激发学生的求知欲与探索热情,而且会促进他们面对要解决的问题大胆猜想,主动试验,收集数据,分析结果,为寻求问题解决主动与他人交流合作,在知识的主动建构过程中,促进了教学目标的有效达成,更重要的是,主动参与数学活动的经历会使他们终身受益,在具体情境中体验概率的意义。
概率论心得体会概率论是一门研究随机现象的数学学科,它具有广泛的应用。
在学习和实践过程中,我对概率论有了一些深刻的体会和心得,总结如下。
首先,概率论教会了我如何量化不确定性。
在现实生活中,有很多事情是随机发生的,我们无法准确预测它们的结果。
通过概率论的学习,我了解到可以用概率来描述和度量不确定性。
概率越高,表示事件发生的可能性越大,反之亦然。
在决策和风险管理中,准确评估不确定性是非常重要的,因为它可以帮助我们权衡利益和风险。
其次,概率论让我明白了大数定律的意义。
大数定律告诉我们,当重复进行一个随机实验时,随着实验次数的增加,实验结果会逐渐接近其理论概率。
也就是说,虽然单次实验的结果是随机的,但当我们进行足够多的实验时,结果的平均值会趋向于某个期望值。
这个观点对于依靠统计学方法进行决策和推断的方法至关重要,因为它确保了我们的实验结果是可靠的。
概率论还教会了我如何计算复杂问题的概率。
在概率论中,有很多计算方法和技巧可以帮助我们解决不同类型的问题,比如排列组合、条件概率、贝叶斯定理等。
通过学习这些方法,我可以更加灵活地运用概率论来解决现实生活中的问题,比如在赌场中计算赢的概率,或者在生产过程中预测产品的质量。
此外,概率论的学习还增强了我的逻辑思维能力。
在概率论中,我们需要用符号和公式来描述问题,并通过逻辑推理来分析和解决问题。
这样的学习让我更加注重细节和逻辑的思考,提高了我在解决问题时的准确性和效率。
最后,概率论还开阔了我的思维,让我看到了事物的多样性和复杂性。
在现实生活中,有很多事件的发生涉及到多个因素的影响,这就需要我们将这些因素加入到概率模型中进行计算。
通过学习概率论,我可以更好地理解和分析这些复杂现象,并找到合适的数学模型来描述它们。
这样的思维方式使我能够从更宏观的角度来看待问题,并提供更全面和准确的解决方案。
总的来说,概率论是一门非常重要和实用的数学学科,它不仅为我们提供了量化不确定性的工具,还培养了我们的逻辑思维能力和问题解决能力。
第1篇一、引言概率论作为数学的一个重要分支,广泛应用于自然科学、工程技术、社会科学等领域。
在我国高等教育中,概率论是数学专业和部分非数学专业的基础课程。
作为一名概率论教师,我深知概率论教学的重要性。
在教学实践中,我不断总结经验,现将心得体会分享如下。
二、概率论教学目标1. 培养学生的数学思维能力:通过概率论的学习,使学生掌握概率论的基本概念、基本理论和基本方法,提高学生的数学思维能力。
2. 培养学生的实际应用能力:概率论在实际生活中有着广泛的应用,通过教学,使学生能够将概率论知识应用于实际问题,提高学生的实际应用能力。
3. 培养学生的创新能力:概率论是一门具有挑战性的学科,通过教学,激发学生的创新意识,培养学生的创新能力。
三、概率论教学策略1. 注重基础知识的讲解:在概率论教学中,首先要注重基础知识的讲解,使学生掌握概率论的基本概念、基本理论和基本方法。
例如,在讲解概率的定义时,要引导学生理解概率的客观性和随机性,以及概率与频率之间的关系。
2. 强化数学思维的训练:概率论教学过程中,要注重数学思维的训练,培养学生的逻辑推理、归纳总结、演绎证明等能力。
例如,在讲解条件概率时,引导学生运用条件概率的定义进行证明,提高学生的逻辑思维能力。
3. 结合实际案例,提高学生的应用能力:概率论在实际生活中有着广泛的应用,教师在教学中要结合实际案例,引导学生将概率论知识应用于实际问题。
例如,在讲解随机变量及其分布时,可以引用天气预报、彩票中奖等实例,使学生了解概率论在现实生活中的应用。
4. 创设问题情境,激发学生的创新意识:在概率论教学中,要创设问题情境,激发学生的创新意识。
例如,在讲解大数定律和中心极限定理时,可以引导学生思考如何将这些定理应用于实际问题,培养学生的创新能力。
5. 运用多种教学方法,提高教学效果:在概率论教学中,要运用多种教学方法,如讲授法、讨论法、案例分析法等,提高教学效果。
例如,在讲解随机变量的期望和方差时,可以采用讲授法介绍基本概念和性质,然后通过讨论法引导学生运用期望和方差解决实际问题。
2024年学习概率与数理统计总结概率与数理统计是一门研究随机现象及其规律的数学学科,广泛应用于自然科学、社会科学、工程技术等领域。
____年,我在学习概率与数理统计的过程中,深入理解了其基本概念、理论框架和应用方法,逐渐掌握了分析和解决实际问题的能力。
以下是我的总结,共____字。
第一部分:概率论基础1. 概率的基本概念1.1 随机试验与样本空间1.2 事件与事件的概率1.3 概率的性质与运算1.4 条件概率与独立性1.5 贝叶斯定理与全概率公式2. 概率分布2.1 随机变量与概率分布函数2.2 离散型随机变量与概率质量函数2.3 连续型随机变量与概率密度函数2.4 随机变量的函数的分布2.5 多维随机变量的联合分布3. 随机变量的数字特征3.1 期望、方差和标准差3.2 协方差、相关系数与独立性3.3 经典概型的数字特征4. 大数定律与中心极限定理4.1 大数定律的概念和类型4.2 中心极限定理的概念和形式第二部分:数理统计基础1. 统计推断的基本思想1.1 参数估计和假设检验的基本概念1.2 点估计与区间估计1.3 假设检验的步骤和原理2. 参数估计2.1 最大似然估计方法及其性质2.2 矩估计方法及其性质2.3 无偏估计与有效估计2.4 偏差和均方误差3. 置信区间估计3.1 单个参数的置信区间3.2 多个参数的置信区间4. 假设检验4.1 基本概念和步骤4.2 正态总体的参数假设检验4.3 非正态总体的参数假设检验4.4 假设检验中的错误和功效函数第三部分:数理统计方法1. 统计分布检验1.1 卡方分布及其检验1.2 t分布及其检验1.3 F分布及其检验2. 方差分析2.1 单因素方差分析2.2 多因素方差分析2.3 协方差分析3. 相关与回归分析3.1 相关分析3.2 简单线性回归分析3.3 多元线性回归分析4. 非参数统计方法4.1 秩和检验4.2 秩和检验4.3 秩和检验4.4 Wilcoxon检验第四部分:实际应用及案例分析1. 生物医学领域的概率与数理统计应用1.1 生物样本分析的统计方法1.2 临床试验的统计设计和分析1.3 遗传学研究中的统计方法2. 社会科学领域的概率与数理统计应用2.1 调查数据的统计分析2.2 社会行为与态度的统计分析2.3 教育统计与评估分析3. 工程技术领域的概率与数理统计应用3.1 可靠性分析与维修3.2 质量控制与工艺改进3.3 金融与风险管理的统计分析通过学习概率与数理统计,我深刻认识到其在实际问题中的重要性和应用广泛性。
概率论与数理统计学习心得模板学习概率论与数理统计是我大学数学系的一门重要课程,在学习过程中,我深刻体会到了概率论与数理统计对于数学理论的严谨性和实际应用的广泛性。
通过系统的课程学习和大量的习题练习,我对于概率论与数理统计的基本概念、方法和应用有了较为扎实的理解,并在此过程中培养了一定的数学思维能力和问题解决能力。
一、概率论学习心得概率论是研究随机事件发生的规律性的数学理论,它广泛应用于自然科学、社会科学和工程技术等领域。
学习概率论的过程中,我深刻体会到了概率概念与实际问题之间的联系,以及概率论在解决实际问题中的重要性。
首先,概率论的基本概念对于理解和描述随机事件发生的规律性起着重要作用。
在学习中,我了解了概率的三种基本定义:经典概率、统计概率和主观概率。
通过这些定义,我明白了概率是一种数值度量,表示事件的可能性大小,可以通过大量试验或者统计推断来得到。
其次,概率计算方法的学习使我深入理解了概率问题的具体解决办法。
在学习中,我学会了计算概率的基本方法,包括组合方法、排列方法、条件概率和贝叶斯定理等。
通过练习习题和解析概率问题,我提高了自己的计算能力和分析问题的能力,学会了灵活应用各种概率计算方法。
最后,概率论的应用实例的学习使我认识到概率论在实际问题中的重要性。
在课程中,我学习了常见的概率分布(如伯努利分布、二项分布、泊松分布、正态分布等),并学会了利用这些分布解决实际问题(如随机变量、极限定理、抽样分布等)。
通过应用实例的学习,我意识到概率论能够帮助我们分析和预测实际问题的发生概率和规律性,对于风险评估、决策分析等具有重要的参考作用。
二、数理统计学习心得数理统计是研究随机事件的规律性和数据的分析与应用的数学理论,广泛应用于社会科学、生物科学和工程技术等领域。
学习数理统计的过程中,我深刻体会到了数据分析与应用过程中的问题和方法,以及数理统计在实际问题中的重要性。
首先,数理统计的基本概念对于理解和描述数据规律性起着重要作用。
概率论与数理统计学习心得概率论与数理统计是一门非常重要的数学课程,通过学习这门课程,我对概率论和统计学有了更深入的理解。
在学习的过程中,我遇到了不少困难和挑战,但是通过努力和坚持,我逐渐克服了这些困难,取得了一些进步。
首先,在学习概率论的时候,我发现最困难的是理解概率的概念和计算方法。
概率是描述随机事件发生可能性大小的数值,通过学习概率分布、事件独立性和条件概率等概念,我对概率的理解逐渐深入。
但是,计算概率的方法和公式很多,有时候很难确定使用哪种方法,这给我造成了一定的困扰。
为了克服这个困难,我重点学习了概率计算的常用方法,如排列组合、二项分布、泊松分布等,并且通过大量的练习加强了对这些方法的掌握。
其次,在学习数理统计的时候,我觉得最困难的是理解和应用抽样分布的概念。
抽样分布是指从总体中抽取一定数量的样本,然后对样本进行统计推断。
对于不同的总体和样本容量,抽样分布的形式和性质都不一样。
我通过学习正态分布、t分布和卡方分布等抽样分布的性质和应用,逐渐掌握了如何通过样本对总体进行推断的方法。
同时,我也通过实例分析和模拟实验等方法,加深了对抽样分布的理解和掌握。
此外,在学习数理统计的过程中,我还遇到了处理实际问题的困难。
数理统计是将概率论的方法应用到实际问题中,通过收集和分析数据,对总体进行推断和决策。
在实际问题中,要根据实际情况选择合适的方法和模型,并进行假设检验和置信区间估计。
这需要我对问题进行合理的抽象和建模,并运用数学方法进行计算和分析。
在实际问题中,往往还需要考虑数据的质量和可靠性,对数据进行清洗和处理。
通过不断的实践和探索,我逐渐提高了解决实际问题的能力。
总的来说,通过学习概率论与数理统计,我不仅掌握了其中的概念和方法,还培养了分析问题和解决问题的能力。
概率论与数理统计是一门与生活密切相关的学科,它在风险管理、市场预测、医学诊断等领域都有广泛的应用。
我相信通过将所学知识运用到实际问题中,并不断学习和实践,我可以不断提升自己在这个领域的能力,并为社会做出积极的贡献。
2024年概率论与数理统计学习心得概率论与数理统计是一门非常重要的学科,它是现代科学研究的基础,也是解决实际问题不可或缺的工具。
在学习这门课程的过程中,我深刻体会到了概率论和数理统计的应用广泛性和强大的解决问题能力。
下面是我在学习过程中的一些心得体会。
首先,概率论是研究随机事件发生的概率规律的数学理论。
通过学习概率论,我了解了事件的概率是一个介于0和1之间的数,表示事件发生的可能性大小。
概率论的基本概念如事件、样本空间、概率等都非常重要,掌握好这些基本概念对于学习后续的内容非常关键。
另外,学习概率论的过程中,我也学会了如何计算事件的概率,使用组合数求解排列组合问题,使用条件概率求解复杂问题等等。
这些计算方法对于解决实际问题非常有帮助。
其次,数理统计是研究利用数学方法对大量数据进行分析和推断的学科。
通过学习数理统计,我了解了统计学的两个方面,即描述统计和推断统计。
描述统计是通过对样本数据的统计指标进行计算和分析,对总体的特征进行描述和概括。
推断统计是通过对样本数据进行分析,得出总体特征的推断和判断,以及对样本之间关系的推断和判断。
学习数理统计的过程中,我还掌握了一些统计学中常用的分布,如正态分布、均匀分布、二项分布等等。
这些分布的性质和应用都非常重要,对于理解和应用统计学的方法有很大帮助。
此外,在学习过程中,我还学会了如何进行数据的收集和整理。
数据是统计学的基础,没有好的数据,统计分析就无从谈起。
通过学习数据的收集方法和整理技巧,我能够更好地理解和应用统计学的方法。
在实际生活中,我们常常会遇到各种各样的数据,如调查问卷、实验数据等等,我能够运用所学知识对这些数据进行处理和分析,得出结论和推断。
此外,概率论和数理统计还广泛应用于其他学科的研究中。
例如,在生物学、经济学、物理学等领域中,概率论和数理统计的方法经常被用来解决各种问题。
学习这门课程,我也了解到了概率论和数理统计的应用非常广泛,可以应用到各个领域。
概率论总结及心得体会2008211208班08211106号史永涛班内序号:01目录一、前五章总结第一章随机事件和概率 (1)第二章随机变量及其分布 (5)第三章多维随机变量及其分布 (10)第四章随机变量的数字特征 (13)第五章极限定理 (18)二、学习概率论这门课的心得体会 (20)一、前五章总结第一章随机事件和概率第一节:1.、将一切具有下面三个特点:(1)可重复性(2)多结果性(3)不确定性的试验或观察称为随机试验,简称为试验,常用E表示。
在一次试验中,可能出现也可能不出现的事情(结果)称为随机事件,简称为事件。
不可能事件:在试验中不可能出现的事情,记为Ф。
必然事件:在试验中必然出现的事情,记为S或Ω。
2、我们把随机试验的每个基本结果称为样本点,记作e 或ω. 全体样本点的集合称为样本空间. 样本空间用S或Ω表示.一个随机事件就是样本空间的一个子集。
基本事件—单点集,复合事件—多点集一个随机事件发生,当且仅当该事件所包含的一个样本点出现。
事件间的关系及运算,就是集合间的关系和运算。
3、定义:事件的包含与相等若事件A发生必然导致事件B发生,则称B包含A,记为B⊃A或A⊂B。
若A⊂B且A⊃B则称事件A与事件B相等,记为A=B。
定义:和事件“事件A与事件B至少有一个发生”是一事件,称此事件为事件A与事件B的和事件。
记为A∪B。
用集合表示为: A∪B={e|e∈A,或e∈B}。
定义:积事件称事件“事件A与事件B都发生”为A与B的积事件,记为A∩B或AB,用集合表示为AB={e|e∈A且e∈B}。
定义:差事件称“事件A发生而事件B不发生,这一事件为事件A与事件B的差事件,记为A-B,用集合表示为 A-B={e|e∈A,e∉B} 。
定义:互不相容事件或互斥事件如果A ,B 两事件不能同时发生,即AB =Φ ,则称事件A 与事件B 是互不相容事件或互斥事件。
定义6:逆事件/对立事件称事件“A 不发生”为事件A 的逆事件,记为Ā 。
A 与Ā满足:A ∪Ā= S,且A Ā=Φ。
运算律: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 ∪CA(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)德摩根律:小结:事件的关系、运算和运算法则可概括为四种关系:包含、相等、对立、互不相容;四种运算:和、积、差、逆;四个运算法则:交换律、结合律、分配律、对偶律。
第二节: B A B A =BA B A =1、 设试验E 是古典概型, 其样本空间S 由n 个样本点组成 , 事件A 由k 个样本点组成 . 则定义事件A 的概率为:P(A)=k/n =A 包含的样本点数/S 中的样本点数。
2、 几何概率:设事件A 是S 的某个区域,它的面积为 μ(A ),则向区域S 上随机投掷一点,该点落在区域A 的概率为:P (A )=μ(A )/μ(S ) 假如样本空间S 可用一线段,或空间中某个区域表示,并且向S 上随机投掷一点的含义如前述,则事件A 的概率仍可用(*)式确定,只不过把 理解为长度或体积即可.概率的性质: (1)P(φ)=0, (2)(3) (4) 若A ⊂B ,则P(B-A)=P(B)-P(A), P(B) ≥ P(A).第四节:条件概率:在事件B 发生的条件下,事件A 发生的概率称为A 对B 的条件概率,记作P (A |B ).而条件概率P (A |B )是在原条件下又添加“B 发生”这个条件时A 发生的可能性大小,即P (A |B )仍是概率.乘法公式: 若P (B )>0,则P (AB )=P (B )P (A |B ) ()∑∞=∞==⎪⎪⎭⎫ ⎝⎛11m m P P ΦΦ ();,,,,2,1,,,11∑===⎪⎪⎭⎫ ⎝⎛≠=n k k n k k j i A P A P j i n j i A A 则两两互不相容,),(1)(A P A P -=()()B P AB P B A P =)|(P(A)>0,则P(AB)=P(A)P(B|A)全概率公式:设A 1,A 2,…,A n 是试验E 的样本空间Ω的一个划分,且P (A i )>0,i =1,2,…,n , B 是任一事件, 则 贝叶斯公式:设A 1,A 2,…,A n 是试验E 的样本空间Ω的一个划分,且P (A i )>0,i =1,2,…,n , B 是任一事件且P (B )>0, 则第五节 :若两事件A 、B 满足P (AB )= P (A ) P (B ) 则称A 、B 独立,或称A 、B 相互独立. 将两事件独立的定义推广到三个事件:对于三个事件A 、B 、C ,若P (AC )= P (A )P (C ) P (AB )= P (A )P (B )P (ABC )= P (A )P (B )P (C ) P (BC )= P (B )P (C ) 四个等式同时 成立,则称事件 A 、B 、C 相互独立.第六节:定理 对于n 重贝努利试验,事件A 在n 次试验中出现k 次的概率为总结:1. 条件概率是概率论中的重要概念,其与独立性有密切的关系,在不具有独立性的场合,它将扮演主要的角色。
2. 乘法公式、全概公式、贝叶斯公式在概率论的计算中经常使用,请牢固掌握。
3. 独立性是概率论中的最重要概念之一,亦是概率论特有的概念,应正确理解并应用于概率的计算。
∑==ni i i A B P A P B P 1)()()(|∑==nj jj i i i A B P A P A B P A P B A P 1)()()()()|(||pq n k q p C k P k n k k n n -===-1,,,1,0)(4.贝努利概型是概率论中的最重要的概型之一,在应用上相当广泛。
第二章:随机变量及其分布1 、随机变量:分为离散型随机变量和连续型随机变量。
分布函数:设 X是一个r.v,x为一个任意实数,称函数F(X)=P(X≤x)为X的分布函数。
X的分布函数是F(x)记作X ~ F(x)或F X(x).如果将X看作数轴上随机点的坐标,那么分布函数F(x) 的值就表示X落在区间(x≤X)。
3、离散型随机变量及其分布定义1 :设x k(k=1,2, …)是离散型随机变量X所取的一切可能值,称等式P(X=x k)=P K,为离散型随机变量X的概率函数或分布律,也称概率分布.其中P K,≥0;ΣP k=1分布律与分布函数的关系:(1)已知随机变量X的分布律,可求出X的分布函数:①设一离散型随机变量X 的分布律为P{X=x k }=p k (k=1,2,…)由概率的可列可加性可得X 的分布函数为②已知随机变量X 的分布律, 亦可求任意随机事件的概率。
(2)已知随机变量X 的分布函数,可求出X 的分布律:一、 三种常用离散型随机变量的分布. 1(0-1)分布:设随机变量X 只可能取0与1两个值,它的分布律为 P{X=k}=p k (1-p)1-k , k=0,1. (0<p<1)则称X 服从(0-1)分布,记为X ~(0-1)分布。
(0-1)分布的分布律用表格表示为:X 0 1P 1-p p 易求得其分布函数为2.二项分布(binomial distribution):定义:若离散型随机变量X 的分布律为 其中0<p<1,q=1-p,则称X 服从参数为n,p 的二项分布,记为X ~B(n,p).∑∑≤≤===≤=x x k x x k k k p x F x X P x X P x F )(}{}{)(即,3,2,1)0()(}{=--==k x F x F x X P k k k ⎪⎩⎪⎨⎧≥<≤-<=110100)(x p x p x x F {}n k qp C k X P k k k n ,,1,01 ===-4、 泊松分布的定义及图形特点 设随机变量X 所有可能取的值为0 , 1 , 2 , … , 且概率分布为: 其中 入 >0 是常数,则称 X 服从参数为 入 的泊松分布,记作X ~P (入).、连续型随机变量1概率密度f(x)的性质(1)f(x)≥0(2) (3).X 落在区间(x 1,x 2)的概率 几何意义:X 落在区间(x 1,x 2)的概率P{x 1<X≤x 2}等于区间(x 1,x 2)上曲线y=f(x)之下的曲边梯形的面积.(4).若f(x)在点x 处连续,则有F′(x)=f(x)。
.概率密度f(x )与分布函数F(x )的关系:(1)若连续型随机变量X 具有概率密度f(x ),则它的分布函数为 (2)若连续型随机变量X 的分布函数为F(x ),那么它的概率密度为f(x )=F′(x ).注意:对于F(x )不可导的点x 处,f(x )在该点x 处的函数值可任意给出。
三种重要的连续型分布:1.均匀分布(Uniform Distribution) 设连续随机变量X 具有概率密度 则称X 在区间(a ,b)上服从均匀分布,记为X ~U(a ,b). ,,,,,!)( 210===-k k e k X P kλλ1)(=⎰∞+∞-dt t f {}⎰=-=≤<21)()()(1221x x dx x f x F x F x X x P dtt f x F x ⎰∞-=)()(⎪⎩⎪⎨⎧<<-=其他01)(b x a a b x f若X~U(a,b),则容易计算出X的分布函数为2. 指数分布入>0则称X服从参数为入的指数分布.常简记为X~E( 入)指数分布的分布函数为指数分布的一个重要特性是”无记忆性”.设随机变量X满足:对于任意的s>o,t>0,有则称随机变量X具有无记忆性。
3. 正态分布若r.v X的概率密度为其中μ和都是常数,任意,μ >0,则称X服从参数为μ和的正态分布. 记作f (x)所确定的曲线叫作正态曲线.的正态分布称为标准正态分布.标准正态分布的重要性在于,任何一个一般的正态分布都可以通过线性变换转化为标准正态分布.随机变量函数的分布⎩⎨⎧<≥=-)(xxexfxλλ2σ2σ),(~2σμNX1,0==σμ⎪⎪⎩⎪⎪⎨⎧≥≤≤--<=bxbxaabaxaxxF1)(⎩⎨⎧≤>-=-1)(xxexFxλ{}{}tXPsXtsXP≥=≥+≥|∞<<∞-=--xexfx,)()(22221σμπσ设X 为连续型随机变量,具有概率密度f x (x),求Y=g(X) (g 连续)的概率密度。