第一讲 随机事件与概率考试要求1. 了解样本空间的概念, 理解随机事件的概念, 掌握事件的关系与运算.2. 理解概率、条件概率的概念, 掌握概率的基本性质, 会计算古典型概率和几何型概率, 掌握概率的加法公式、减法公式、乘法公式、全概率公式, 以及贝叶斯公式.3. 理解事件独立性的概念, 掌握用事件独立性进行概率计算；理解独立重复试验的概率, 掌握计算有关事件概率的方法. 一、古典概型与几何概型1．试验，样本空间与事件.2．古典概型：设样本空间Ω为一个有限集，且每个样本点的出现具有等可能性，则 基本事件总数中有利事件数A A P =)(3．几何概型：设Ω为欧氏空间中的一个有界区域, 样本点的出现具有等可能性，则、体积）Ω的度量（长度、面积、体积）A的度量（长度、面积=)(A P【例1】 一个盒中有4个黄球, 5个白球, 现按下列三种方式从中任取3个球, 试求取出的球中有2个黄球, 1 个白球的概率. （1） 一次取3个；（2） 一次取1 个, 取后不放回； （3） 一次取1个, 取后放回.【例2 】从 （0，1） 中随机地取两个数，试求下列概率： （1） 两数之和小于1.2； （2） 两数之和小于1且其积小于163. 一、 事件的关系与概率的性质1. 事件之间的关系与运算律（与集合对应）, 其中特别重要的关系有： （1） A 与B 互斥（互不相容） ⇔ Φ=AB （2） A 与B 互逆（对立事件） ⇔ Φ=AB ,Ω=B A（3） A 与B 相互独立⇔ P （AB ）=P （A ）P （B ）.⇔ P （B|A ）=P （B ） （P （A ）>0）. ⇔(|)(|)1P B A P B A += （0<P （A ）<1）.⇔P （B|A ） =P （B|A ） （ 0 < P （A ） < 1 ）注: 若（0<P （B ）<1）,则,A B 独立⇔ P （A|B ）=P （A ） （P （B ）>0）⇔ 1)|()|(=+B A P B A P （0<P （B ）<1）. ⇔ P （A |B ）=P （A |B ） （0<P （B ）<1） ⇔ P （A |B ）=P （A |B ） （0<P （B ）<1）（4） A, B, C 两两独立 ⇔ P （AB ）=P （A ）P （B ）;P （BC ）=P （B ）P （C ）; P （AC ）=P （A ）P （C ）.（5） A, B, C 相互独立 ⇔ P （AB ）=P （A ）P （B ）;P （BC ）=P （B ）P （C ）; P （AC ）=P （A ）P （C ）;P （ABC ）=P （A ）P （B ）P （C ）.2. 重要公式 （1） )(1)(A P A P -=（2）)()()(AB P A P B A P -=-（3） )()()()(AB P B P A P B A P -+=)()()()()()()()(ABC P AC P BC P AB P C P B P A P C B A P +---++=（4） 若A 1, A 2,…,A n 两两互斥, 则∑===ni i ni iA P AP 11)()(.（5） 若A 21,A , …, A n 相互独立, 则 )(1)(11in i n i iA P A P ∏==-= )](1[11ini A P ∏=--=.∏===ni i n i i A P A P 11)()( .（6） 条件概率公式: )()()|(A P AB P A B P =（P （A ）>0）【例3】 已知（A ＋B ）（B A +）＋B A B A +++＝C, 且P （ C ）＝31, 试求P （B ）. 【例4】 设两两相互独立的三事件A, B, C 满足条件: ABC ＝Φ, P （A ）＝P （B ）＝P （C ）<21,且已知9()16P A B C =, 则P （A ）＝ .【例5】 设三个事件A 、B 、C 满足P （AB ）＝P （ABC ）, 且0<P （C ）<1, 则 【 】（A ）P （A B|C ）＝P （A|C ）+ P （B|C ）. （B ）P （A B|C ）＝P （AB ）.（C ）P （AB|C ）＝P （A|C ）+ P （B|C ）. （D ）P （AB|C ）＝P （AB ）.【例6】 设事件A, B, C 满足条件: P （AB ）＝P （AC ）＝P （BC ）18=, P （ABC ）＝116, 则事件A, B, C 中至多一个发生的概率为 .【例7】 设事件A, B 满足 P （B| A ）＝1则【 】（A ） A 为必然事件. （B ） P （B|A ）=0.（C ） A B ⊃. （D ） A B ⊂.【例8】 设A, B, C 为三个相互独立的事件, 且0<P （C ）<1, 则不独立的事件为 【 】 （A ）B A +与C . （B ） AC 与C（C ）B A -与C （D ） AB 与C【例9】 设A ，B 为任意两个事件，试证P （A ）P （B ）－P （AB ） ≤ P （A －B ） P （B －A ） ≤41. 三、乘法公式，全概率公式，Bayes 公式与二项概率公式 1． 乘法公式：).|()|()|()()().|()()|()()(1212131212121212121-===n n n A A A A P A A A P A A P A P A A A P A A P A P A A P A P A A P2． 全概率公式：11()(|)(),,,.i i i j i i i P B P B A P A A A i j A ∞∞====Φ≠=Ω∑ 3．Bayes 公式：11(|)()(|),,,.(|)()j j j i j i i iii P B A P A P A B A i j A P B A P A ∞∞====Φ≠=Ω∑ A 4．二项概率公式:()(1),0,1,2,,.k kn k n n P k C P P k n -=-= ,【例10】 10件产品中有4件次品, 6件正品, 现从中任取2件, 若已知其中有一件为次品,试求另一件也为次品的概率.【例11】设10件产品中有3件次品, 7件正品, 现每次从中任取一件, 取后不放回.试求下列事件的概率. （1） 第三次取得次品; （2） 第三次才取得次品;（3） 已知前两次没有取得次品, 第三次取得次品; （4） 不超过三次取到次品;【例12】 甲, 乙两人对同一目标进行射击,命中率分别为0.6和0.5, 试在下列两种情形下, 分别求事件“已知目标被命中,它是甲射中”的概率.（1）在甲, 乙两人中随机地挑选一人, 由他射击一次; （ 2）甲, 乙两人独立地各射击一次.【例13】设有来自三个地区的各10名、15名和25名考生的报名表,其中女生的报名表分别为3份,7份和5份. 随机地取一个地区的报名表,从中先后任意抽出两份. (1) 求先抽到的一份是女生表的概率p;(2)已知后抽到的一份是男生表,求先抽到的一份是女生表的概率q .第二讲 随机变量及其分布考试要求1. 理解随机变量及其概率分布的概念.理解分布函数（()()F x P X x =≤） 的概念及性质.会计算与随机变量有关的事件的概率.2. 理解离散型随机变量及其概率分布的概念，掌握0－1分布、二项分布、几何分布、超几何分布、泊松（Poisson ）分布及其应用.3. 了解泊松定理的结论和应用条件，会用泊松分布近似表示二项分布.4. 理解连续型随机变量及其概率密度的概念，掌握均匀分布、正态分布2(,)N μσ、指数分布及其应用，其中参数为(0)λλ>的指数分布的概率密度为,0,()0,0.x e x f x x λλ-⎧>=⎨≤⎩5. 会求随机变量函数的分布. 一、分布函数1．随机变量：定义在样本空间上，取值于实数的函数称为随机变量. 2．分布函数：∞+-∞=＜＜),≤ ()(x x X P x FF （x ）为分布函数 ⇔（1） 0≤F （x ） ≤1（2） F （x ）单调不减 （3） 右连续F （x+0）=F （x ） （4）1)(,0)(=+∞=-∞F F3．离散型随机变量与连续型随机变量（1） 离散型随机变量∑∞=====1i 10,≥,,,2,1,)(i i i i p p n i p x X P分布函数为阶梯跳跃函数.（2） 连续型随机变量⎰∞-=xtt f x F d )( )(f （x ）为概率密度 ⇔ （1） f （x ）≥0, （2） ⎰+∞∞- f （x ）1d =x⎰=≤≤=<<bax f b X a P b X a P )()()(4．几点注意【 例1 】 设随机变量X 的分布函数为0,1,57(),11,16161, 1.x F x x x x <-⎧⎪⎪=+-≤<⎨⎪≥⎪⎩则2(1)P X== .【 例2 】 设随机变量X 的密度函数为 f （x ）, 且 f （－x ） = f （x ）, 记()X F x 和()X F x -分别是X 和X -的分布函数, 则对任意实数x 有 【 】 （A ）()()X X F x F x -=. （B ）()()X X F x F x -=-.（C ）()1()X X F x F x -=-.（D ）()2()1X X F x F x -=-.【 例3 】 设 随机变量X 服从参数为0λ>的指数分布, 试求随机变量 Y= min { X, 2 } 的分布函数【 例4 】设某个系统由 6 个相同的元件经两两串联再并联而成, 且各元件工作状态相互独立 每个元件正常工作时间服从参数为 0λ>的指数分布, 试求系统正常工作的时间 T 的概率分布.【 例5】设随机变量X 的概率密度为⎩⎨⎧<-=.,0,1|||,|1)(其他x x x f 试求（1）X 的分布函数)(x F ; （2）概率)412(<<-X P .二、 常见的一维分布（1） 0-1分布：1,0,)1()(1 =-==-k p p k XP k k .（2） 二项分布n k p p C k X P p n B k n k k n ,,1,0,)1()(:),( =-==- .（3） Poisson 分布)(λP ： ,2,1,0,0＞,e !)(===-k k k XP k λλλ.（4） 均匀分布⎪⎩⎪⎨⎧-=.,＜＜1)(:),(其他０，， b x a a b x f b a U（5） 正态分布N （μ，σ2）：0,,eπ21)(222)(+∞<<∞->=--μσσσμ x x f（6） 指数分布⎩⎨⎧=-. ,0 ＞0,,e )(:)(其他x x f E x λλλ ＞0λ.（7） 几何分布.2110,)1()(:)(1 ,,k ,＜p＜p p k XP p G k =-==- （8） 超几何分布H （N,M,n ）: },min{,,1,0,)(M n k C C C k X P nNkn M N k M ===-- . 【例6】某人向同一目标独立重复射击,每次射击命中目标的概率为p （0<p<1）, 则此人第4次射击恰好第2次命中目标的概率为【 】 （A ） 2)1(3p p -.（B ） 2)1(6p p -.（C ） 22)1(3p p-. （D ） 22)1(6p p-.【例7】 设X ～Ｎ （μ, σ2）, 则 P （ X ≤1＋μ） 【 】 （A ） 随μ的增大而增大 . （B ） 随μ的增大而减小. （C ） 随σ的增大而不变 . （D ） 随σ的增大而减小. 【例8】 设X ～Ｎ （μ, σ2）, ()F x 为其分布函数，0μ<，则对于任意实数a ，有 【 】（A ） ()() 1.F a F a -+> （B ） ()() 1.F a F a -+= （C ） ()() 1.F a F a -+< （D ） 1()().2F a F a μμ-++=【例9】 甲袋中有1个黑球，2个白球，乙袋中有3个白球，每次从两袋中各任取一球交换放入另一袋中，试求交换n 次后，黑球仍在甲袋中的概率.三、 随机变量函数的分布： 1. 离散的情形2. 连续的情形3. 一般的情形【例10】 设随机变量X 的概率密度为⎪⎪⎪⎩⎪⎪⎪⎨⎧<≤<<-=.,0,20,41,01,21)(其他x x x f X令),(,2y x F X Y=为二维随机变量（X, Y ）的分布函数.（Ⅰ） 求Y 的概率密度)(y f Y ;（Ⅱ） )4,21(-F . 第三讲 多维随机变量及其分布考试要求1. 理解多维随机变量的概念，理解多维随机变量的分布的概念和性质，理解二维离散型随机变量的概率分布、边缘分布和条件分布，理解二维连续型随机变量的概率密度、边缘密度和条件密度.会求与二维随机变量相关事件的概率.2. 理解随机变量的独立性及不相关的概念，掌握随机变量相互独立的条件.3. 掌握二维均匀分布，了解二维正态分布的概率密度，理解其中参数的概率意义 .4. 会求两个随机变量简单函数的分布，会求多个相互独立随机变量简单函数的分布. 一、 各种分布与随机变量的独立性 1. 各种分布（1）一般二维随机变量 F （x, y ）=P{ X ≤ x, Y ≤ y }, x ∈ （−∞, +∞）, y ∈ （−∞, +∞）的性质F （x, y ）为联合分布函数 ⇔ 1） 0 ≤F （x, y ）≤1 , ∀x ∈ （−∞, +∞）,, y ∈ （−∞, +∞）;2） F （−∞, y ）= F （x, −∞）=0, F （+∞,+∞）=1;3） F （x, y ）关于x, y 均为单调不减函数； 4） F （x, y ）关于x, y 均分别右连续.（2）二维离散型随机变量的联合概率分布、边缘分布、条件分布联合概率分布律 P{X = x i , Y = y j } = p i j , i, j =1, 2 ,⋅⋅⋅ , p i j ≥ 0,1=∑∑ijji p.边缘分布律 p i • = P{X = x i }=∑jji p, i =1, 2 ,⋅⋅⋅ ,p • j = P{ Y = y j }=∑iji p, j =1, 2 ,⋅⋅⋅ ,条件分布律 P{X = x i |Y = y j } =jj i p p •, P{ Y = y j | X = x i } =•i j i p p .二维连续型随机变量的联合概率密度、边缘密度和条件密度f （x, y ）为联合概率密度 ⇔ 1︒ f （x, y ）≥0,2︒1=⎰⎰∞+∞-∞+∞- ),(dxdy y x f .设（ X, Y ）~ f （x, y ）则分布函数: ⎰⎰∞-∞-=xydxdy y x f y x F ),(),(;边缘概率密度:⎰∞+∞-= ),()(dy y x f x f X , ⎰∞+∞-= ),()(dx y x f x f Y .条件概率密度:)(),()|(|y f y x f y x f Y Y X =, )(),()|(|x f y x f x y f X X Y =.⎰⎰=∈Ddxdy y x f D Y X P ),(}),{(.),(),(yx y x F y x f ∂∂∂=22. 随机变量的独立性和相关性X 和Y 相互独立 ⇔ F （x, y ）= F X （x ）F Y （y ）;⇔ p i j = p i • ⨯ p • j （离散型）⇔ f （x, y ）= f X （x ）f Y （y ） （连续型）【注】1︒ X 与Y 独立, f （x ）, g （x ）为连续函数 ⇒ f （X ）与g （Y ）也独立. 2︒ 若X 1, ⋅⋅⋅⋅, X m , Y 1, ⋅⋅⋅⋅, Y n 相互独立, f , g 分别为m 元与 n 元连续函数 ⇒ f （X 1, ⋅⋅⋅⋅, X m ）与g （Y 1, ⋅⋅⋅⋅, Y n ）也独立. 3︒ 常数与任何随机变量独立.3. 常见的二维分布（1）二维均匀分布 （X, Y ）~ U （D ）, D 为一平面区域. 联合概率密度为⎪⎩⎪⎨⎧∈=.,.),(,)(),(其他01D y x D S y x f （2）二维正态分布 （X, Y ）~ N （μ1 , μ2, σ12,σ22, ρ ）, −∞ <μ1, μ2 < +∞, σ1>0, σ2 > 0, | ρ | <1. 联合概率密度为221121ρσπσϕ-=),(y x ⎥⎥⎦⎤⎢⎢⎣⎡-+------22222121212122121σμσσμμρσμρ)())(()()(y y x x e性质:（ a ） X ~ N （μ1, σ12 ）, Y ~ N （μ2, σ22） （ b ） X 与Y 相互独立 ⇔ ρX Y =0 , 即 X 与Y 不相关.（ c ） C 1X+C 2Y ~ N （C 1 μ1+ C 2 μ2, C 12σ12+ C 22σ22+2C 1C 2 ρ σ1σ2 ）. （ d ） X 关于Y=y 的条件分布为正态分布: )](),([22122111ρσμσσρμ--+y N 【 例1 】 设A ，B 为事件，且P （A ）＝41, P （B|A ）＝21, P （A|B ）＝12令 X ＝⎩⎨⎧否则发生若,0,1A , Y ＝⎩⎨⎧否则发生若,0B ,1（1） 试求（X, Y ）的联合分布律； （2）计算Cov （ X, Y ）； （3） 计算 22(2,43)Cov XY +.【 例2 】设随机变量X 与Y 相互独立，下表列出了二维随机变量（X, Y ）联合分布律及关于X 和关于Y 的边缘分布律中的部分数值, 试将其余数值填入表中的空白处.【 例3 】设随机变量X 与Y 独立同分布, 且X 的概率分布为313221PX 记{}{}Y X V Y X U,m in ,,m ax ==.（I ）求（U, V ）的概率分布;（II ）求（U, V ）的协方差Cov （U, V ）.【详解】（I ）易知U, V 的可能取值均为: 1, 2. 且{}{}})1,m in ,1,(m ax )1,1(=====Y X Y X P V U P)1,1(===Y X P 94)1()1(====Y P X P , {}{}0})2,m in ,1,(m ax )2,1(======Y X Y X P V U P , {}{}})1,m in ,2,(m ax )1,2(=====Y X Y X P V U P)2,1()1,2(==+===Y X P Y X P)2()1()1()2(==+===Y P XP Y P X P 94=, {}{}})2,m in ,2,(m ax )2,2(=====Y X Y X P V U P)2()2()2,2(======Y P X P Y X P 91=, 故（U, V ）的概率分布为:（II ） 9122941209411)(⨯⨯+⨯⨯++⨯⨯=UV E 916=, 而 914952941)(=⨯+⨯=U E , 910912981)(=⨯+⨯=V E . 故 814910914916)()()(),(=⨯-=-=V E U E UV E V U Cov . 【 例4】 设随机变量X 在区间（0, 1）上服从均匀分布, 在)10(<<=x x X 的条件下,随机变量Y 在区间),0(x 上服从均匀分布, 求（Ⅰ）随机变量X 和Y 的联合概率密度;（Ⅱ）Y 的概率密度; （Ⅲ）概率}1{>+Y XP .二、 二维（或两个）随机变量函数的分布 1．分布的可加性（1）若X~B （m, p ）, Y~B （n, p ）, 且X 与Y 相互独立，则 X+Y ~ B （m+n, p ）. （2）若X~P （λ1）, Y~P （λ2）, 且X 与Y 相互独立，则 X+Y ~ P （λ1+λ2）.（3）若X~N （211,μσ）, Y~P （222,μσ）, 且X 与Y 相互独立，则 X+Y ~ N （221212,μμσσ++）.一般地，若X i ~N （2,i i μσ）, i =1, 2, …, n, 且X 1，X 2，…，X n 相互独立，则Y=C 1X 1+C 2X 2+…+C n X n +C 仍服从正态分布，且此正态分布为2211(,),n ni i i i i i N C C Cμσ==+∑∑ 其中C 1，…，C n 为不全为零的常数.2. 两个随机变量函数的分布. 【例5】 设X 与Y 相互独立, 且~(1),~(2),X P Y P 则{max(,)0}______;P X Y ≠={min(,)0}__________.P X Y ≠=【 例6】 设X 与Y 相互独立, 其密度函数分别为:1,01,()X x f x <<⎧=⎨⎩0,其他. ,0,()y Y e y f x -⎧>=⎨⎩0,其他.求Z ＝2X ＋Y 的概率密度.【 例7】设二维随机变量（X, Y ）的概率密度为2,01,01,(,)0,x y x y f x y --<<<<⎧=⎨⎩其它.（I ）求{}Y X P 2>；（II ）求Z ＝Ｘ+Ｙ的概率密度)(z f Z .【详解】（I ）{}Y X P 2>⎰⎰>=yx dxdy y x f 2),(⎰⎰--=12210)2(ydx y x dy 247=. （II ）方法一： 先求Z 的分布函数: ⎰⎰≤+=≤+=zy x Z dxdy y x f Z Y X P z F ),()()(当z<0时, 0)(=z F Z ; 当10<≤z 时, ⎰⎰=1),()(D Z dxdy y x f z F ⎰⎰---=yz zdx y x dy 00)2(3231z z -=；当21<≤z 时, ⎰⎰-=2),(1)(D Z dxdy y x f z F ⎰⎰-----=111)2(1yz z dx y x dy3)2(311z --=； 当2≥z时, 1)(=z F Z .故Z ＝Ｘ+Ｙ的概率密度)(z f Z =)(z F Z '⎪⎩⎪⎨⎧<≤-<<-=.,0,21,)2(,10,222其他z z z z z方法二：⎰∞+∞--=dx x z x f z f Z ),()(，⎩⎨⎧<-<<<---=-.,0,10,10),(2),(其他x z x x z x x z x f ⎩⎨⎧+<<<<-=.,0,1,10,2其他x z x x z 当z ≤0 或z ≥ 2时, 0)(=z f Z ;当01z <<时,⎰-=z Z dx z z f 0)2()()2(z z -=；当21<≤z 时, ⎰--=11)2()(z Z dx z z f 2)2(z -=；故Z ＝Ｘ+Ｙ的概率密度)(z f Z ⎪⎩⎪⎨⎧<≤-<<-=.,0,21,)2(,10,222其他z z z z z【例8】 设随机变量X 与Y 相互独立, X 有密度函数f （x ）, Y 的分布律为 ()i i P Y a p ==, i =1,2. 试求Z ＝X ＋Y 的概率分布.第四讲 数字特征与极限定理考试要求1．理解随机变量数字特征（数学期望、方差、标准差、矩、协方差、相关系数）的概念, 会运用数字特征的基本性质, 并掌握常用分布的数字特征.2．会根据随机变量X 的概率分布求其函数)(X g 的数学期望)(X Eg ；会根据随机变量X 和Y 的联合概率分布求其函数),(Y X g 的数学期望),(Y X Eg .3．了解切比雪夫不等式.4．了解切比雪夫大数定律、伯努利大数定律和辛钦大数定律（独立同分布随机变量的大数定律）5．了解棣莫弗—拉普拉斯定理（二项分布以正态分布为极限分布）和列维—林德伯格定理（独立同分布的中心极限定理）；（经济类还要求）会用相关定理近似计算有关随机事件的概率 一、 数学期望与方差（标准差） 1. 定义（计算公式）离散型{}i i p x X P ==, ∑=iii px X E )(连续型)(~x f X , xx xf X E d )()(⎰+∞∞-=方差：[]222)()())(()(X E X E X E X E X D -=-=标准差：)(X D ,2. 期望的性质：1° )())((,)(X E X E E C C E == 2° )()()(2121Y E C X E C Y C X C E +=+ 3° )()()(Y E X E XY E ，Y X =则独立与若4° [])()(≤)(222Y E X E XY E3. 方差的性质：1° 0))((,0))((,0)(===X D D X E D C D 2°)()()(Y D X D Y X D Y X +=±相互独立，则与3° )()(2121X D C C X C D =+ 4° 一般有 ),Cov(2)()()(Y X Y D X D Y XD ±+=±)()(2)()(Y D X D Y D X D ρ±+=5°2()()C D X E X <-, )(X E C ≠【例1】设试验成功的概率为43, 失败的概率为41, 独立重复试验直到成功两次为止. 试求试验次数的数学期望. 【例2】 n 片钥匙中只有一片能打开房门, 现从中任取一片去试开房门, 直到打开为止. 试在下列两种情况下分别求试开次数的数学期望与方差: （1）试开过的钥匙即被除去; （2）试开过的钥匙重新放回.【例3】 设随机变量X 的概率密度为⎪⎩⎪⎨⎧≤≤=.,0,0,2cos 21)(其他πx x x f 对X 独立地重复观察4次, 用Y 表示观察值大于3π的次数, 求2Y 的数学期望.【例4】 设有20人在某11层楼的底层乘电梯上楼, 电梯在中途只下不上, 每个乘客在哪一层（2-11层）下是等可能的, 且乘客之间相互独立, 试求电梯须停次数的数学期望. 二、随机变量函数的期望（或方差） 1、一维的情形 )(X g Y =离散型：{}i i P Xx p == ， ∑=ii ipx g Y E )()(连续型：~()X f x x x f x g Y E d )()()(⎰+∞∞-=2、二维的情形 ),(Y X g Z =离散型{}iji i p y Y x X P Y X ===,~),(,∑∑=jij jiipy x g Z E ),()(连续型),(~),(y x f Y X , y x y x f y x g Z E d d ),(),()(⎰⎰+∞∞-+∞∞-=【例5】 设X 与Y 独立且均服从N （0，1），求Z ＝22Y X + 的数学期望与方差.【例6】设两个随机变量X 与Y 相互独立且均服从N （0，21）, 试求Z ＝｜X －Y ｜的数学期望与方差. 三 、协方差，相关系数与随机变量的矩 1、重要公式与概念：协方差 []))()((()Cov(Y E Y X E X E X,Y --=相关系数 )()()Cov(Y D X D X,Y XY =ρ)(k X E k 阶原点矩[]kX E X E k ))((- 阶中心矩2、性质：1°),(Cov ),(Cov X Y Y X =2° ),(Cov ),(Cov Y X ab bY aX = 3° ),(Cov ),(Cov ),(Cov 2121Y X Y X Y X X +=+4° |(,)|1X Y ρ≤5° 1)(1),(=+=⇔=b aX Y P Y X ρ )＞0(a 1)(1),(=+=⇔-=b aX Y P Y X ρ )＜0(a 3、下面5个条件互为充要条件：（1）0),(=Y X ρ（2）0)Cov(=X,Y （3）)()()(Y E X E XY E = （4）)()()(Y D X D Y X D +=+ （5）)()()(Y D X D Y X D +=- 【例7】设)2(,,,21>n X X X n 为独立同分布的随机变量, 且均服从)1,0(N , 记∑==ni iX n X 11,.,,2,1,n i X X Y i i =-= 求:（I ） i Y 的方差n iY D i ,,2,1),( =；（II ） 1Y 与n Y 的协方差),(1n Y Y Cov ; （III ） }.0{1≤+n Y Y P四、极限定理1. 切比雪夫不等式{}{}()()|()|,|()|<1-22D X D X P XE X P X E X εεεε-≥≤-≥或2. 大数定律3. Poisson 定理4. 中心极限定理列维—林德伯格定理: 设随机变量X 1，X 2，…，X n ，…相互独立同分布, 且2(),(),i i E X D X μσ== 1,2,,,i n =， 则对任意正数x ，有2-2lim d n t i x n X n P x t μ-∞→∞⎧⎫-⎪⎪⎪≤=⎬⎪⎪⎪⎩⎭∑⎰ 棣莫弗—拉普拉斯定理: 设~(,),nB n p η（即X 1，X 2，…，X n，…相互独立, 同服从0一1分布） 则有22lim d t x n P x t --∞→∞⎧⎫⎪≤=⎬⎪⎭⎰. 【例8】 银行为支付某日即将到期的债券须准备一笔现金，已知这批债券共发放了500张，每张须付本息1000元，设持券人（1人1券）到期到银行领取本息的概率为0.4.问银行于该日应准备多少现金才能以99.9%的把握满足客户的兑换.【分析】 若X 为该日到银行领取本息的总人数，则所需现金为1000X ，设银行该日应准备现金x 元.为使银行能以99.9%的把握满足客户的兑换，则 P （1000X ≤x ）≥0.999.【详解】 设X 为该日到银行领取本息的总人数，则X~B （500，0.4）所需支付现金为1000X ，为使银行能以99.9%的把握满足客户的兑换，设银行该日应准备现金x 元，则 P （1000 X ≤x ）≥0.999.由棣莫弗—拉普拉斯中心极限定理知：(1000)()1000x P X x P X ≤=≤5000.4x P ⎛⎫-⨯ ⎪=≤=≤0.999(3.1).ΦΦ≈≥=即3.1,≥得 x ≥ 233958.798.因此银行于该日应准备234000元现金才能以99.9%的把握满足客户的兑换.第五讲 数理统计考试要求1. 理解总体、简单随机样本、统计量、样本均值、样本方差及样本矩的概念.其中样本方差定义为.)(11212X X n S i ni --=∑=2. 了解2χ分布、t 分布和F 分布的概念及性质，了解分位数的概念并会查表计算. 3. 了解正态总体的常用抽样分布.4. 理解经验分布函数的概念和性质, 会根据样本值求经验分布函数.5. 理解参数的点估计、估计量与估计值的概念.6. 掌握矩估计法（一阶、二阶矩）和最大似然的估计法.7. 了解估计量的无偏性、有效性（最小方差性）和一致性（相合性）的概念，并会验证估计量的无偏性.8. 理解区间估计的概念，会求单个正态总体的均值和方差的置信区间，会求两个正态总体的均值差和方差比的置信区间. 9. 理解显著性检验的基本思想，掌握假设检验的基本步骤，了解假设检验可能产生的 两类错误.10. 了解单个及两个正态总体的均值和方差的假设检验 一、样本与抽样分布1. 总体、个体与简单随机样本:2. 常用统计量:1° 样本均值 i ni X nX ∑==112° 样本方差 212)(11X X n S i ni --=∑=3° 样本标准差: S =4° 样本k 阶原点矩 11,1,2,n kk i i A X k n ===∑5° 样本k 阶中心矩 11(),1,2,n kk i i B X X k n ==-=∑3．分位数 4. 重要抽样分布（1）分布2χ （2） t 分布 （3） F 分布5. 正态总体的常用抽样分布:22,,,(,),n X X X N μσ1设为来自正态总体的样本11nii X X n ==∑,2211()1ni i S X X n ==--∑, 则 （1）2~,~(0,1).X N N n σμ⎛⎫ ⎪⎝⎭ （2）222221(1)1()~(1).ni i n S X X n χσσ=-=--∑（3）22211()~().ni i X n μχσ=-∑（4） ~(1).X t n - （5）X 与2S 相互独立, 且 μ=)(X E , 22)(σ=S E , nX D 2)(σ=.【例1】 设总体2~(,),XN μσ设12,,,n X X X 是来自总体X 的一个样本, 且22111,()nni nii i X X S XX n====-∑∑，求21()n E X S .【例2】 设总体2~(,),X N μσ 设12,,,nX X X 是取自总体X 的一个样本, 且221111,()1nni i i i X X S X X nn ====--∑∑，则 2()_________D S=.【例3】设随机变量~()(1),X t n n >, 则 21~________Y X =【例4】 设总体X 服从正态分布)2,0(2N , 而1521,,,X X X 是来自总体X 的简单随机样本, 求随机变量)(221521121021X X X X Y ++++= 的分布. 【例5】 设总体2~(,),X N μσ 设121,,,,n n X X X X +是来自总体X 的一个样本, 且*221111,()()nni ii i X X S XX nn====-∑∑，试求统计量的分布. 二、参数估计1. 矩估计2. 最大似然估计3. 区间估计4. 估计量的评选标准 【例6】设总体12~(,)XU θθ，n X X X ,,,21 为来自总体X 的样本，试求12,θθ的矩估计和最大似然估计.【例7】设总体X 的概率密度为⎪⎩⎪⎨⎧<≤-<<=.,0,21,1,10,),(其他x x x f θθθ其中θ是未知参数)10(<<θ, n X X X ,,2,1 为来自总体X 的简单随机样本, 记N 为样本值n x x x ,,2,1 中小于1的个数, 求：（1）θ的矩估计；（2） θ的最大似然估计.【例8】设总体X 的概率密度为36(),0,()0,xx x f x θθθ⎧-<<⎪=⎨⎪⎩其他. n X X X ,,,21 为来自X 的简单随机样本，（1） 求θ的矩估计量ˆθ； （2） 判断θ的无偏性; （3） 判断θ的一致性. 三、假设检验1. 假设检验的基本思想：对总体分布中的未知参数作出某种假设，根据样本在假设为真的前提下构造一个小概率事件，基于“小概率事件”在一次试验中几乎不可能发生而对假设作出拒绝或接受.2. 单个正态总体均值和方差的假设检验.3. 假设检验两类错误：第一类错误：原假设0H 为真，但拒绝了0H .第二类错误；原假设0H 为假，但接受到了0H .。
