考研数学概率论复习重要知识点
- 格式：docx
- 大小：12.64 KB
- 文档页数：4
考研数学概率论复习重要知识点
一、基本概念
概率是指某个事件发生的可能性大小，用于量化不确定性。而随机事件是指在一次试验中，不能事先确定出现的结果。
概率的数学定义：对于任意事件 𝐴，𝑃(𝐴) 表示事件 𝐴 发生的可能性大小，0 ≤
𝑃(𝐴) ≤ 1。同时，𝑃(𝛺) = 1，其中 𝛺 是样本空间。
二、加法公式
概率公式
若 𝐴1 和 𝐴2 是两个互不相容的事件，则有：
$P(A_1 \\cup A_2) = P(A_1) + P(A_2)$
容斥原理
当两个事件不互不相容时，可以用容斥原理求出其概率：
$P(A_1 \\cup A_2) = P(A_1) + P(A_2) - P(A_1 \\cap A_2)$
其中，$P(A_1 \\cap A_2)$ 表示事件 𝐴1 和 𝐴2 同时发生的概率。
三、条件概率
条件概率是指已知事件 𝐵 发生的情况下，事件 𝐴 发生的概率。条件概率的公式：
$P(A|B) = \\frac{P(A \\cap B)}{P(B)}$
其中，$P(A \\cap B)$ 表示事件 𝐴 和 𝐵 同时发生的概率。
四、乘法公式
用乘法公式计算两个事件的概率，即：
$P(A \\cap B) = P(A|B)P(B)$
五、独立事件
若事件 𝐴 和事件 𝐵 满足以下条件，则称它们是独立的：
$P(A \\cap B) = P(A)P(B)$ 六、全概率公式与贝叶斯公式
全概率公式
如果在样本空间 𝛺 中，有一个有限或无限个互不相交的事件序列 𝐵1,𝐵2,…,𝐵𝑛，且对 𝛺 的任意一个子集 𝐴 有：
$A = (A \\cap B_1) \\cup (A \\cap B_2) \\cup \\cdots \\cup (A \\cap B_n)$
则称事件序列 𝐵1,𝐵2,…,𝐵𝑛 是一组划分，其全概率公式为：
$P(A) = P(A \\cap B_1) + P(A \\cap B_2) + \\cdots + P(A \\cap B_n)$
贝叶斯公式
如果事件 𝐵1,𝐵2,…,𝐵𝑛 是一组划分，并对每个 $i=1,2,\\cdots,n$，有 𝑃(𝐵𝑖)>0，则贝叶斯公式为：
$P(B_i|A) = \\frac{P(B_i)P(A|B_i)}{P(A)}$
其中，𝑃(𝐵𝑖|𝐴) 表示在事件 𝐴 发生的条件下，事件 𝐵𝑖 发生的概率。
七、随机变量
随机变量是一个随机实验中可以用数字表示的变量。随机变量可以分为离散型和连续性两种类型。
离散型随机变量
离散型随机变量只能取到有限或者可数个值。离散型随机变量的概率分布律是指离散型随机变量在每一个取值上所对应的概率。
连续型随机变量
连续型随机变量是指随机变量可能取连续的一些值，不能用一个具体值来表示，如时间、长度等。对于每个连续型的随机变量，它的概率密度函数 𝑓(𝑥) 满足：
（1）𝑓(𝑥)≥0，即 𝑥 取任意值时，𝑓(𝑥) 均为非负实数。
（2）$\\int_{-\\infty}^\\infty f(x) dx = 1$。
（3）对于任意一个区间 (𝑎,𝑏)，有 $P(a ≤ X ≤ b) = \\int_a^b f(x) dx$。
八、期望
期望是随机变量上的一个数学特征，用于描述其平均值。对于一个离散型随机变量 𝑋，其期望值为： $E(X) = \\sum\\limits_{i=1}^n x_i p_i$
其中，𝑥𝑖 表示离散型随机变量 𝑋 在取到第 𝑖 个值时所对应的数值，𝑝𝑖 是 𝑋 取到
𝑥𝑖 值的概率。
对于连续型随机变量 𝑋，其期望值为：
$E(X) = \\int_{-\\infty}^\\infty x f(x) dx$
其中，𝑓(𝑥) 是 𝑋 的概率密度函数。
九、方差
方差是描述随机变量取值的分散程度的度量。对于一个随机变量 𝑋，其方差为：
𝐷(𝑋)=𝐸(𝑋2)−[𝐸(𝑋)]2
其中，𝐸(𝑋) 是 𝑋 的期望值。
十、正态分布
正态分布是一种常见的概率分布，可以描述许多自然现象的分布情况。如果一个随机变量 𝑋 的概率密度函数为：
$f(x) = \\frac{1}{\\sqrt{2\\pi}\\sigma}e^{-\\frac{(x-\\mu)^2}{2\\sigma^2}}$
则称 𝑋 服从均值为 $\\mu$，方差为 $\\sigma^2$ 的正态分布，记为 $X \\sim
N(\\mu,\\sigma^2)$。
正态分布有以下性质：
• 正态分布的概率密度函数具有单峰性质，其中峰值处于均值的位置；
• 标准正态分布指均值 $\\mu=0$，方差 $\\sigma^2=1$ 的正态分布；
• 标准正态分布的累积分布函数通常记为 $\\Phi(x)$；
• 正态分布的分布函数 𝐹(𝑥) 可以用标准正态分布的累积分布函数
$\\Phi(x)$ 来表示。
十一、常用公式
二项分布
二项分布是一种离散型概率分布，表示进行 𝑛 次独立的 Bernoulli 实验，成功概率为 𝑝，失败概率为 1−𝑝，则在 𝑛 次实验中成功 𝑘 次的概率为：
$P(X=k) = {n \\choose k}p^k(1-p)^{n-k}$
其中，$n \\choose k$ 表示组合数。 泊松分布
泊松分布是一种离散型概率分布，描述在一段时间内或者一定区域内事件发生的概率分布。假设在一定时间内或一定区域内事件发生的平均数是 $\\lambda$，那么发生 𝑘 次的概率为：
$P(X=k) = \\frac{\\lambda^k}{k!}e^{-\\lambda}$
指数分布
指数分布是一种连续型概率分布，表示在时间或空间上连续一段区域内，等待第一个事件发生所需要的时间的概率分布。如果事件发生的速率为 $\\lambda$，则其概率密度函数为：
$f(x) = \\begin{cases} \\lambda e^{-\\lambda x} & x \\geq 0 \\\\ 0 & x < 0
\\end{cases}$
正态分布
见第十点。
十二、总结
本文主要介绍了考研数学概率论中的重要知识点，包括基本概念、加法公式、条件概率、乘法公式、独立事件、全概率公式与贝叶斯公式、随机变量、期望、方差、正态分布以及常用公式等内容。希望考生们能够理解和掌握这些知识点，这对于考研数学拿高分十分重要。
