概率统计复习重点

概率与统计知识点及专练（一）统计基础知识：1. 随机抽样：（1）．简单随机抽样：设一个总体的个数为N ，如果通过逐个抽取的方法从中抽取一个样本，且每次抽取时各个个体被抽到的概率相等，就称这样的抽样为简单随机抽样.常用抽签法和随机数表法.（2）．系统抽样：当总体中的个数较多时，可将总体分成均衡的几个部分，然后按照预先定出的规则，从每一部分抽取1个个体，得到所需要的样本，这种抽样叫做系统抽样（也称为机械抽样）.（3）．分层抽样：当已知总体由差异明显的几部分组成时，常将总体分成几部分，然后按照各部分所占的比进行抽样，这种抽样叫做分层抽样.2. 普通的众数、平均数、中位数及方差： （1）.众数：一组数据中，出现次数最多的数（2）.平均数：常规平均数：12nx x x x n ++⋅⋅⋅+=（3）.中位数：从大到小或者从小到大排列，最中间或最中间两个数的平均数（4）.方差：2222121[()()()]n s x x x x x x n =-+-+⋅⋅⋅+-（5）.标准差：s3 .频率直方分布图中的频率：（1）.频率 =小长方形面积：f S y d ==⨯距；频率=频数/总数； 频数=总数*频率（2）.频率之和等于1：121n f f f ++⋅⋅⋅+=；即面积之和为1： 121n S S S ++⋅⋅⋅+=4. 频率直方分布图下的众数、平均数、中位数及方差： （1）.众数：最高小矩形底边的中点（2）.平均数：112233n n x x f x f x f x f =+++⋅⋅⋅+ 112233n n x x S x S x S x S =+++⋅⋅⋅+（3）.中位数：从左到右或者从右到左累加，面积等于0.5时x 的值（4）.方差：22221122()()()nn s x x f x x f x x f =-+-+⋅⋅⋅+-5.线性回归直线方程：（1）.公式：ˆˆˆy bx a=+其中：1122211()()ˆ()n ni i i ii in ni ii ix x y y x y nxybx x x nx====---∑∑==--∑∑（展开）ˆˆa y bx=-（2）.线性回归直线方程必过样本中心(,) x y（3）.ˆ0:b>正相关；ˆ0:b<负相关（4）.线性回归直线方程：ˆˆˆy bx a=+的斜率ˆb中，两个公式中分子、分母对应也相等；中间可以推导得到6. 回归分析：（1）.残差：ˆˆi i ie y y=-（残差=真实值—预报值）分析：ˆie越小越好（2）.残差平方和：2 1ˆ() ni iiy y =-∑分析：①意义：越小越好；②计算：222211221ˆˆˆˆ()()()() ni i n niy y y y y y y y =-=-+-+⋅⋅⋅+-∑（3）.拟合度（相关指数）：2 2121ˆ()1()ni iiniiy y Ry y==-∑=--∑分析：①.(]20,1R∈的常数；②.越大拟合度越高（4）.相关系数：()()n ni i i ix x y y x y nx y r---⋅∑∑==分析：①.[1,1]r∈-的常数；②.0:r>正相关；0:r<负相关③.[0,0.25]r∈；相关性很弱；(0.25,0.75)r∈；相关性一般；[0.75,1]r∈；相关性很强7. 独立性检验：（1）.2×2列联表（卡方图）： （2）.独立性检验公式①．22()()()()()n ad bc k a b c d a c b d -=++++②．上界P 对照表：（3）.独立性检验步骤：①．计算观察值k ：2()()()()()n ad bc k a b c d a c b d -=++++ ②．查找临界值0k ：由犯错误概率P ，根据上表查找临界值0k③．下结论：0k k ≥即认为有P 的没把握、有1-P 以上的有把握认为两个量相关；0k k <：即认为没有1-P 以上的把握认为两个量是相关关系。

概率统计公式大全(复习重点)第一章随机事件和概率（1）排列组合公式)!(!nmmP nm-=从m个人中挑出n个人进行排列的可能数。

)!(!!nmnmC nm-=从m个人中挑出n个人进行组合的可能数。

（2）加法和乘法原理加法原理（两种方法均能完成此事）：m+n 某件事由两种方法来完成，第一种方法可由m种方法完成，第二种方法可由n种方法来完成，则这件事可由m+n 种方法来完成。

乘法原理（两个步骤分别不能完成这件事）：m×n某件事由两个步骤来完成，第一个步骤可由m种方法完成，第二个步骤可由n 种方法来完成，则这件事可由m×n 种方法来完成。

（3）一些常见排列重复排列和非重复排列（有序）对立事件（至少有一个）顺序问题如果一个试验在相同条件下可以重复进行，而每次试验的可能结果不止一个，但在进行一次试验之前却不能断言它出现哪个结果，则称这种试验为随机试验。

试验的可能结果称为随机事件。

在一个试验下，不管事件有多少个，总可以从其中找出这样一组事件，它具有如下性质：①每进行一次试验，必须发生且只能发生这一组中的一个事件；②任何事件，都是由这一组中的部分事件组成的。

这样一组事件中的每一个事件称为基本事件，用ω来表示。

基本事件的全体，称为试验的样本空间，用Ω表示。

一个事件就是由Ω中的部分点（基本事件ω）组成的集合。

通常用大写字母A，B，C，…表示事件，它们是Ω的子集。

Ω为必然事件，Ø为不可能事件。

不可能事件（Ø）的概率为零，而概率为零的事件不一定是不可能事件；同理，必然事件（Ω）的概率为1，而概率为1的事件也不一定是必然事件。

①关系：如果事件A的组成部分也是事件B的组成部分，（A发生必有事件B发生）：BA⊂如果同时有BB⊃，则称事件A与A⊂，A事件B等价，或称A等于B：A=B。

A、B中至少有一个发生的事件：A Y B，或者A+B。

属于A而不属于B的部分所构成的事件，称为A与B的差，记为A-B，也可表示为A-AB或者B A，它表示A发生而B不发生的事件。

概率与统计知识点总结（一）知识点思维导图（二）常用定理、公式及其变形1．用样本的数字特征估计总体的数字特征（1）样本本均值：nx x x x n +++= 21 （2）样本标准差：nx x x x x x s s n 222212)()()(-++-+-== （3）频率分布直方图估算样本众数、中位数、平均数①众数：最高小矩形中点值；②中位数：先确定中位数所在小组，设中位数为m ，由直线x=m 两侧小矩形面积之和等于0.5列方程求m ． ③平均数：各小矩形中点值与其面积的积的和．2．随机事件的概率及概率的意义（1）随机事件：在条件S 下可能发生也可能不发生的事件，叫相对于条件S 的随机事件；（2）概率定义：在相同的条件S 下重复n 次试验，观察某一事件A 是否出现，称n 次试验中事件A 出现的次数n A 为事件A 出现的频数；称事件A 出现的比例f n (A)=n n A为事件A 出现的频率：对于给定的随机事件A ，如果随着试验次数的增加，事件A 发生的频率f n (A)稳定在某个常数上，把这个常数记作P （A ），称为事件A 的概率．3．概率的基本性质（1）事件的包含、并事件、交事件、相等事件（2）若A∩B 为不可能事件，即A∩B=ф，那么称事件A 与事件B 互斥；（3）若A∩B 为不可能事件，A∪B 为必然事件，那么称事件A 与事件B 互为对立事件；（4）当事件A 与B 互斥时，满足加法公式：P(A∪B)= P(A)+ P(B)；若事件A 与B 为对立事件，则A∪B 为必然事件，所以P(A∪B)= P(A)+ P(B)=1，于是有P(A)=1—P(B)4．古典概型及随机数的产生（1）古典概型的使用条件：试验结果的有限性和所有结果的等可能性．（2）公式P （A ）=总的基本事件个数包含的基本事件数A 5．几何概型及均匀随机数的产生（1）几何概率模型：如果每个事件发生的概率只与构成该事件区域的长度（面积或体积）成比例，则称这样的概率模型为几何概率模型；（2）公式：P （A ）=积）的区域长度（面积或体试验的全部结果所构成积）的区域长度（面积或体构成事件A ． 6．随机变量：如果随机试验可能出现的结果可以用一个变量X 来表示，并且X 是随着试验的结果的不同而变化，那么这样的变量叫做随机变量． 随机变量常用大写字母X 、Y 等或希腊字母 ξ、η等表示．7．离散型随机变量的分布列：一般的，设离散型随机变量X 可能取的值为x 1，x 2，．．．．． ，x i ，．．．．．．，x n ．X 取每一个值 x i (i=1，2，．．．．．．）的概率P(ξ=x i ）＝P i ，则称表为离散型随机变量X 的概率分布，简称分布列分布列性质：∪ p i ≥0， i =1，2， … ；∪ p 1 + p 2 +…+p n = 1．9．条件概率：对任意事件A 和事件B ，在已知事件A 发生的条件下事件B 发生的概率，叫做条件概率．记作P(B|A)，读作A 发生的条件下B 的概率公式：.0)(,)()()|(>=A P A P AB P A B P 10．相互独立事件：事件A(或B)是否发生对事件B(或A)发生的概率没有影响，这样的两个事件叫做相互独立事件，)()()(B P A P B A P ⋅=⋅12．数学期望：一般地，若离散型随机变量ξ的概率分布为 则称 Eξ＝x 1p 1＋x 2p 2＋…＋x n p n 为ξ的数学期望或平均数、均值，数学期望又简称为期望．是离散型随机变量．13．方差：D(ξ)=(x 1-Eξ)2·P 1+（x 2-Eξ)2·P 2 +．．．．．．+（x n -Eξ)2·P n 叫随机变量ξ的均方差，简称方差．14．正态分布：（1）定义：若概率密度曲线就是或近似地是函数 的图象，其中解析式中的实数0)μσσ>、（是参数，分别表示总体的平均数与标准差．则其分布叫正态分布(,)N μσ记作：，f( x )的图象称为正态曲线；（2）基本性质：∪曲线在x 轴的上方，与x 轴不相交；∪曲线关于直线x=对称，且在x=时位于最高点；∪当一定时，曲线的形状由确定．越大，曲线越“矮胖”；表示总体的分布越分散；越小，曲线越“瘦高”，表示总体的分布越集中；∪正态曲线下的总面积等于1．15．3原则：从上表看到，正态总体在 以外取值的概率只有4．6%，在 以外取值的概率只有0．3% 由于这些概率很小，通常称这些情况发生为小概率事件．也就是说，通常认为这些情况在一次试验中几乎是不可能发生的．),(,21)(222)(+∞-∞∈=--x e x f x σμσπμμμσσσσ)2,2(σμσμ+-)3,3(σμσμ+-17．回归分析。

概率统计公式大全(复习重点)概率统计公式大全（复习重点）在学习概率统计的过程中，熟练掌握相关的公式是非常关键的。

本文将为大家详细介绍一些常用的概率统计公式，并对其进行简要的说明和应用举例，以便复习和巩固知识。

一、基本概率公式1. 事件的概率计算公式P(A) = n(A) / n(S)其中，P(A)表示事件A发生的概率；n(A)表示事件A中有利的结果数；n(S)表示样本空间S中的全部结果数。

例如：从一副扑克牌中随机抽取一张牌，求抽到红心牌的概率。

解：样本空间S中共有52张牌，红心牌有13张，所以 P(红心牌) = 13 / 52 = 1 / 4。

2. 条件概率计算公式P(A|B) = P(A∩B) / P(B)其中，P(A|B)表示在事件B发生的条件下事件A发生的概率；P(A∩B)表示事件A和事件B同时发生的概率；P(B)表示事件B发生的概率。

例如：某班级男女生分别有30人和40人，从中随机选择一名学生，求选到女生并且是优等生的概率。

解：女生优等生有20人，所以 P(女生且是优等生) = 20 / （30+ 40）= 1 / 7。

二、常用离散型随机变量的数学期望与方差1. 随机变量的数学期望计算公式E(X) = ∑[x * P(X=x)]其中，E(X)表示随机变量X的数学期望；x表示随机变量X的取值；P(X=x)表示随机变量X取值为x的概率。

例如：随机变量X的可能取值为1、2、3，对应的概率分别是1/4、1/2、1/4，求X的数学期望。

解：E(X) = 1 * (1/4) + 2 * (1/2) + 3 * (1/4) = 5/2 = 2.5。

2. 随机变量的方差计算公式Var(X) = E((X - E(X))²)其中，Var(X)表示随机变量X的方差；E(X)表示随机变量X的数学期望。

例如：随机变量X的可能取值为1、2、3，对应的概率分别是1/4、1/2、1/4，求X的方差。

解：E(X) = 1 * (1/4) + 2 * (1/2) + 3 * (1/4) = 5/2 = 2.5。

概率统计公式大全复习重点在学习概率统计这门学科时，掌握各种公式是至关重要的。

这些公式不仅是解决问题的工具，更是理解概率统计概念的关键。

本文将为您梳理概率统计中的重点公式，帮助您更好地复习和掌握这部分知识。

一、随机事件与概率1、古典概型概率公式如果一个随机试验所包含的基本事件总数为 n，事件 A 所包含的基本事件数为 m，则事件 A 发生的概率为：P(A) ＝ m ／ n2、几何概型概率公式设样本空间为几何区域Ω，事件 A 对应的区域为ω，则事件 A 发生的概率为：P(A) ＝ω 的测度／Ω 的测度3、条件概率公式设 A、B 是两个事件，且 P(B) ＞ 0，则在事件 B 发生的条件下，事件 A 发生的条件概率为：P(A|B) ＝ P(AB) ／ P(B)4、乘法公式P(AB) ＝ P(A|B)P(B) 或 P(AB) ＝ P(B|A)P(A)5、全概率公式设 B₁, B₂,， Bₙ 是样本空间Ω 的一个划分，且 P(Bᵢ) ＞ 0（i ＝ 1, 2,， n），A 是Ω 中的任意一个事件，则有：P(A) ＝∑ P(Bᵢ)P(A|Bᵢ)（i从 1 到 n）6、贝叶斯公式设 B₁, B₂,， Bₙ 是样本空间Ω 的一个划分，且 P(Bᵢ) ＞ 0（i ＝ 1, 2,， n），A 是Ω 中的任意一个事件，在事件 A 已经发生的条件下，事件 Bᵢ发生的概率为：P(Bᵢ|A) ＝ P(Bᵢ)P(A|Bᵢ) ／∑ P(Bₙ)P(A|Bₙ) （i从 1 到 n，k 从 1 到 n）二、随机变量及其分布1、离散型随机变量的概率分布设离散型随机变量 X 的可能取值为 x₁, x₂,， xₙ，对应的概率为p₁, p₂,， pₙ，则概率分布为：P(X ＝ xᵢ) ＝ pᵢ（i ＝ 1, 2,， n），且∑pᵢ＝ 12、二项分布如果随机变量 X 服从参数为 n 和 p 的二项分布，记为 X ～ B(n, p)，则概率质量函数为：P(X ＝ k) ＝ C(n, k) p^k （1 p)＾（n k) （k ＝ 0, 1, 2,， n）3、泊松分布如果随机变量 X 服从参数为λ 的泊松分布，记为 X ～P(λ)，则概率质量函数为：P(X ＝ k) ＝（e^（λ) λ^k) ／ k! （k ＝ 0, 1, 2,）4、连续型随机变量的概率密度函数设连续型随机变量 X 的概率密度函数为 f(x)，则分布函数为：F(x)＝∫∞， x f(t) dt5、正态分布如果随机变量 X 服从参数为μ 和σ² 的正态分布，记为 X ～N(μ, σ²)，则概率密度函数为：f(x) ＝（1 ／（σ√（2π)）） e^（（x μ)² ／（2σ²)）三、随机变量的数字特征1、数学期望离散型随机变量 X 的数学期望为：E(X) ＝∑ xᵢ pᵢ（i 从 1 到 n）连续型随机变量 X 的数学期望为：E(X) ＝∫∞，＋∞ x f(x) dx2、方差离散型随机变量 X 的方差为：D(X) ＝∑ （xᵢ E(X)）² pᵢ（i 从 1 到n）连续型随机变量 X 的方差为：D(X) ＝∫∞，＋∞ （x E(X)）² f(x) dx3、标准差随机变量 X 的标准差为：σ(X) ＝√D(X)4、协方差设随机变量 X 和 Y，其协方差为：Cov(X, Y) ＝ E(（X E(X)）（Y E(Y)））5、相关系数随机变量 X 和 Y 的相关系数为：ρ(X, Y) ＝ Cov(X, Y) ／（σ(X)σ(Y)）四、大数定律和中心极限定理1、大数定律当 n 足够大时，样本均值X依概率收敛于总体均值μ，即：P(｜Xμ| ＞ε) → 0 （n → ∞）2、中心极限定理设随机变量 X₁, X₂,， Xₙ 相互独立，且具有相同的分布和有限的数学期望μ 和方差σ²。

《概率论与数理统计》第一章 随机事件与概率1．事件的关系 φφ=Ω-⋃⊂AB A B A AB B A B A 2．运算规则 （1）BA AB A B B A =⋃=⋃（2）)()( )()(BC A C AB C B A C B A =⋃⋃=⋃⋃（3）))(()( )()()(C B C A C AB BC AC C B A ⋃⋃=⋃⋃=⋃ （4）B A AB B A B A ⋃==⋃3．概率)(A P 满足的三条公理及性质： （1）1)(0≤≤A P （2）1)(=ΩP（3）对互不相容的事件n A A A ,,,21 ，有∑===nk kn k kA P A P 11)()(（n 可以取∞）（4） 0)(=φP （5）)(1)(A P A P -=（6）)()()(AB P A P B A P -=-，若B A ⊂，则)()()(A P B P A B P -=-，)()(B P A P ≤ （7）)()()()(AB P B P A P B A P -+=⋃（8）)()()()()()()()(ABC P BC P AC P AB P C P B P A P C B A P +---++=⋃⋃ 4．古典概型：基本事件有限且等可能5．几何概率 6．条件概率（1） 定义：若0)(>B P ，则)()()|(B P AB P B A P =（2） 乘法公式：)|()()(B A P B P AB P = 若n B B B ,,21为完备事件组，0)(>i B P ，则有 （3） 全概率公式： ∑==ni iiB A P B P A P 1)|()()(（4） Bayes 公式： ∑==ni iik k k B A P B P B A P B P A B P 1)|()()|()()|(7．事件的独立性： B A ,独立)()()(B P A P AB P =⇔ （注意独立性的应用）第二章 随机变量与概率分布1． 离散随机变量：取有限或可列个值，i i p x X P ==)(满足（1）0≥i p ，（2）∑iip=1（3）对任意R D ⊂，∑∈=∈Dx i ii pD X P :)(2． 连续随机变量：具有概率密度函数)(x f ，满足（1）1)(,0)(-=≥⎰+∞∞dx x f x f ；（2）⎰=≤≤badx x f b X a P )()(；（3）对任意R a ∈，0)(==a X P4． 分布函数 )()(x X P x F ≤=，具有以下性质（1）1)( ,0)(=+∞=-∞F F ；（2）单调非降；（3）右连续； （4）)()()(a F b F b X a P -=≤<，特别)(1)(a F a X P -=>； （5）对离散随机变量，∑≤=xx i ii px F :)(；（6）对连续随机变量，⎰∞-=xdt t f x F )()(为连续函数，且在)(x f 连续点上，)()('x f x F =5． 正态分布的概率计算 以)(x Φ记标准正态分布)1,0(N 的分布函数，则有 （1）5.0)0(=Φ；（2）)(1)(x x Φ-=-Φ；（3）若),(~2σμN X ，则)()(σμ-Φ=x x F ；（4）以αu 记标准正态分布)1,0(N 的上侧α分位数，则)(1)(αααu u X P Φ-==> 6． 随机变量的函数 )(X g Y =（1）离散时，求Y 的值，将相同的概率相加；（2）X 连续，)(x g 在X 的取值范围内严格单调，且有一阶连续导数，则|))((|))(()('11y g y g f y f X Y --=，若不单调，先求分布函数，再求导。

《概率论与数理统计》总复习提纲第一块随机事件及其概率内容提要基本内容：随机事件与样本空间，事件的关系与运算，概率的概念和基本性质，古典概率，几何概率，条件概率，与条件概率有关的三个公式，事件的独立性，贝努里试验.1、随机试验、样本空间与随机事件（1）随机试验：具有以下三个特点的试验称为随机试验，记为.1）试验可在相同的条件下重复进行；2）每次试验的结果具有多种可能性，但试验之前可确知试验的所有可能结果；3）每次试验前不能确定哪一个结果会出现.（2）样本空间：随机试验的所有可能结果组成的集合称为的样本空间记为Ω；试验的每一个可能结果，即Ω中的元素，称为样本点，记为.（3）随机事件：在一定条件下，可能出现也可能不出现的事件称为随机事件，简称事件；也可表述为事件就是样本空间的子集，必然事件（记为）和不可能事件（记为）.2、事件的关系与运算（1）包含关系与相等：“事件发生必导致发生”，记为或；且.（2）互不相容性：；互为对立事件且.（3）独立性：（1）设为事件，若有，则称事件与相互独立. 等价于：若().（2）多个事件的独立：设是n个事件，如果对任意的，任意的，具有等式，称个事件相互独立．3、事件的运算（1）和事件（并）：“事件与至少有一个发生”，记为.（2）积事件（交）：“事件与同时发生”，记为或.（3）差事件、对立事件(余事件)：“事件发生而不发生”，记为称为与的差事件；称为的对立事件；易知：.4、事件的运算法则1) 交换律：，；2) 结合律：，；3) 分配律：，；4) 对偶(De Morgan)律：，，可推广5、概率的概念（1）概率的公理化定义：（2）频率的定义：事件在次重复试验中出现次，则比值称为事件在次重复试验中出现的频率，记为，即.（3）统计概率：称为事件的（统计）概率.在实际问题中，当很大时，取（4）古典概率：若试验的基本结果数为有限个，且每个事件发生的可能性相等，则（试验对应古典概型）事件发生的概率为：.（5）几何概率：若试验基本结果数无限，随机点落在某区域g的概率与区域g的测度(长度、面积、体积等)成正比，而与其位置及形状无关，则（试验对应几何概型），“在区域中随机地取一点落在区域中”这一事件发生的概率为：.（6）主观概率：人们根据经验对该事件发生的可能性所给出的个人信念.6、概率的基本性质（1）不可能事件概率零：＝0.（2）有限可加性：设是n个两两互不相容的事件，即＝，（），则有＝＋.（3）单调不减性：若事件，且.（4）互逆性：且.（5）加法公式：对任意两事件，有－；此性质可推广到任意个事件的情形.（6）可分性：对任意两事件，有，且7、条件概率与乘法公式（1）条件概率：设是两个事件，即，则称为事件发生的条件下事件发生的条件概率．（2）乘法公式：设且则称为事件的概率乘法公式.8、全概率公式与贝叶斯(Bayes)公式（1）全概率公式：设是的一个划分，且，，则对任何事件，有称为全概率公式.（2）贝叶斯(Bayes)公式：设是的一个划分，且，则对任何事件，有称为贝叶斯公式或逆概率公式.9、贝努里(Bernoulli)概型（1）只有两个可能结果的试验称为贝努里试验，常记为．也叫做“成功—失败”试验,“成功”的概率常用表示，其中＝“成功”.（2）把重复独立地进行次，所得的试验称为重贝努里试验，记为．（3）把重复独立地进行可列多次，所得的试验称为可列重贝努里试验，记为．以上三种贝努里试验统称为贝努里概型．（4）中成功次的概率是：其中.疑难分析1、必然事件与不可能事件必然事件是在一定条件下必然发生的事件，不可能事件指的是在一定条件下必然不发生的事件.它们都不具有随机性，是确定性的现象，但为研究的方便，把它们看作特殊的随机事件.2、互逆事件与互斥（不相容）事件如果两个事件与必有一个事件发生，且至多有一个事件发生，则、为互逆事件；如果两个事件与不能同时发生，则、为互斥事件.因而，互逆必定互斥，互斥未必互逆.区别两者的关键是：当样本空间只有两个事件时，两事件才可能互逆，而互斥适用与多个事件的情形.作为互斥事件在一次试验中两者可以都不发生，而互逆事件必发生一个且只发生一个.3、两事件独立与两事件互斥两事件、独立，则与中任一个事件的发生与另一个事件的发生无关，这时；而两事件互斥，则其中任一个事件的发生必然导致另一个事件不发生，这两事件的发生是有影响的，这时.可以用图形作一直观解释.在图1.1左边的正方形中，图1.1，表示样本空间中两事件的独立关系，而在右边的正方形中，，表示样本空间中两事件的互斥关系.4、条件概率与积事件概率是在样本空间内，事件的概率，而是在试验增加了新条件发生后的缩减的样本空间中计算事件的概率.虽然、都发生，但两者是不同的，一般说来，当、同时发生时，常用，而在有包含关系或明确的主从关系时，用.如袋中有9个白球1个红球，作不放回抽样，每次任取一球，取2次，求：（1）第二次才取到白球的概率；（2）第一次取到的是白球的条件下，第二次取到白球的概率.问题（1）求的就是一个积事件概率的问题，而问题（2）求的就是一个条件概率的问题.5、全概率公式与贝叶斯(Bayes)公式当所求的事件概率为许多因素引发的某种结果，而该结果又不能简单地看作这诸多事件之和时，可考虑用全概率公式，在对样本空间进行划分时，一定要注意它必须满足的两个条件.贝叶斯公式用于试验结果已知，追查是何种原因（情况、条件）下引发的概率.第二块随机变量及其分布内容提要基本内容：随机变量，随机变量的分布的概念及其性质，离散型随机变量的概率分布，连续型随机变量的概率分布，常见随机变量的分布，随机变量函数的分布.1、随机变量设是随机试验的样本空间，如果对于试验的每一个可能结果，都有唯一的实数与之对应，则称为定义在上的随机变量，简记为.随机变量通常用大写字母等表示.2、离散型随机变量及其分布列如果随机变量只能取有限个或可列个可能值，则称为离散型随机变量.如果的一切可能值为，并且取的概率为，则称为离散型随机变量的概率函数（概率分布或分布律）.也称分布列，常记为其中.常见的离散型随机变量的分布有：（1）两点分布（0-1分布）：记为，分布列为或（2）二项分布：记为，概率函数（3）泊松分布，记为，概率函数泊松定理设是一常数，是任意正整数，设，则对于任一固定的非负整数，有.当很大且很小时，二项分布可以用泊松分布近似代替，即，其中（4）超几何分布：记为，概率函数，其中为正整数，且.当很大，且较小时，有（5）几何分布：记为，概率函数.3、分布函数及其性质分布函数的定义：设为随机变量，为任意实数，函数称为随机变量的分布函数.分布函数完整地描述了随机变量取值的统计规律性，具有以下性质：（1）有界性；（2）单调性如果，则；（3）右连续，即；（4）极限性；（5）完美性.4、连续型随机变量及其分布分布如果对于随机变量的分布函数，存在非负函数，使对于任一实数，有，则称为连续型随机变量.函数称为的概率密度函数.概率密度函数具有以下性质：（1）；（2）；（3）；（4）；（5）如果在处连续，则.常用连续型随机变量的分布：（1）均匀分布：记为，概率密度为分布函数为（2）指数分布：记为，概率密度为分布函数为（3）正态分布：记为，概率密度为，相应的分布函数为当时，即时，称服从标准正态分布.这时分别用和表示的密度函数和分布函数，即具有性质：①.②一般正态分布的分布函数与标准正态分布的分布函数有关系：.5、随机变量函数的分布（1）离散型随机变量函数的分布设为离散型随机变量，其分布列为(表2-2)：表2-2…………则任为离散型随机变量，其分布列为(表2-3)：表2-3…………有相同值时，要合并为一项，对应的概率相加.（2）连续型随机变量函数的分布设为离散型随机变量，概率密度为，则的概率密度有两种方法可求.1）定理法：若在的取值区间内有连续导数，且单调时，是连续型随机变量，其概率密度为.其中是的反函数.2）分布函数法：先求的分布函数然后求.疑难分析1、随机变量与普通函数随机变量是定义在随机试验的样本空间上，对试验的每一个可能结果，都有唯一的实数与之对应.从定义可知：普通函数的取值是按一定法则给定的，而随机变量的取值是由统计规律性给出的，具有随机性；又普通函数的定义域是一个区间，而随机变量的定义域是样本空间.2、分布函数的连续性定义左连续或右连续只是一种习惯.有的书籍定义分布函数左连续，但大多数书籍定义分布函数为右连续. 左连续与右连续的区别在于计算时，点的概率是否计算在内.对于连续型随机变量，由于，故定义左连续或右连续没有什么区别；对于离散型随机变量，由于，则定义左连续或右连续时值就不相同，这时，就要注意对定义左连续还是右连续.第三块多维随机变量及其分布内容提要基本内容：多维随机变量及其分布函数二维离散型随机变量的联合分布列，二维连续型随机变量的联合分布函数和联合密度函数，边际分布，随机变量的独立性和不相关性，常用多维随机变量，随机向量函数的分布.1、二维随机变量及其联合分布函数为n维(n元)随机变量或随机向量.联合分布函数的定义设随机变量,为随机向量的联合分布函数二维联合分布函数具有以下基本性质：（1）单调性是变量或的非减函数；（2）有界性；（3）极限性（3）连续性关于右连续，关于也右连续；（4）非负性对任意点，若，则.式表示随机点落在区域内的概率为：.2、二维离散型随机变量及其联合分布列如果二维随机变量所有可能取值是有限对或可列对，则称为二维离散型随机变量.设为二维离散型随机变量,它的所有可能取值为将或表3.1称为的联合分布列.表3.1……┇┇…………┇┇…┇………┇┇…┇…联合分布列具有下列性质：（1）；（2）.3、二维连续型随机变量及其概率密度函数如果存在一个非负函数,使得二维随机变量的分布函数对任意实数有，则称是二维连续型随机变量，称为的联合密度函数（或概率密度函数）.联合密度函数具有下列性质：（1）非负性对一切实数，有；（2）规范性；（3）在任意平面域上，取值的概率；（4）如果在处连续，则.4、二维随机变量的边缘分布设为二维随机变量，则称分别为关于和关于的边缘（边际）分布函数.当为离散型随机变量，则称分别为关于和关于的边缘分布列.当为连续型随机变量，则称分别为关于和关于的边缘密度函数.5、二维随机变量的条件分布（了解）（1）离散型随机变量的条件分布设为二维离散型随机变量，其联合分布律和边缘分布列分别为，则当固定，且时，称为条件下随机变量的条件分布律.同理，有（2）连续型随机变量的条件分布设为二维连续型随机变量，其联合密度函数和边缘密度函数分别为：.则当时，在和的连续点处，在条件下，的条件概率密度函数为.同理，.6、随机变量的独立性设及分别是的联合分布函数及边缘分布函数.如果对任何实数有则称随机变量与相互独立.设为二维离散型随机变量，与相互独立的充要条件是.设为二维连续型随机变量，与相互独立的充要条件是对几乎一切实数，有.7、两个随机变量函数的分布设二维随机变量的联合概率密度函数为，是的函数，则的分布函数为.（1）的分布若为离散型随机变量，联合分布列为，则的概率函数为：或.若为连续型随机变量，概率密度函数为，则的概率函数为：.（2）的分布若为连续型随机变量，概率密度函数为，则的概率函数为：.8．最大值与最小值的分布则9．数理统计中常用的分布（1）正态分布：（2）：（3）：（4）：疑难分析1、事件表示事件与的积事件，为什么不一定等于？如同仅当事件相互独立时，才有一样，这里依乘法原理.只有事件与相互独立时，才有，因为.2、二维随机变量的联合分布、边缘分布及条件分布之间存在什么样的关系？由边缘分布与条件分布的定义与公式知，联合分布唯一确定边缘分布，因而也唯一确定条件分布.反之，边缘分布与条件分布都不能唯一确定联合分布.但由知，一个条件分布和它对应的边缘分布，能唯一确定联合分布.但是，如果相互独立，则，即.说明当独立时，边缘分布也唯一确定联合分布，从而条件分布也唯一确定联合分布.3、两个随机变量相互独立的概念与两个事件相互独立是否相同？为什么？两个随机变量相互独立，是指组成二维随机变量的两个分量中一个分量的取值不受另一个分量取值的影响，满足.而两个事件的独立性，是指一个事件的发生不受另一个事件发生的影响，故有.两者可以说不是一个问题.但是，组成二维随机变量的两个分量是同一试验的样本空间上的两个一维随机变量，而也是一个试验的样本空间的两个事件.因此，若把“”、“”看作两个事件，那么两者的意义近乎一致，从而独立性的定义几乎是相同的.第四块随机变量的数字特征内容提要基本内容：随机变量的数学期望和方差、标准差及其性质，随机变量函数的数学期望，原点矩和中心矩，协方差和相关系数及其性质.1、随机变量的数学期望设离散型随机变量的分布列为，如果级数绝对收敛，则称级数的和为随机变量的数学期望.设连续型随机变量的密度函数为，如果广义积分绝对收敛，则称此积分值为随机变量的数学期望.数学期望有如下性质：（1）设是常数，则；（2）设是常数，则；（3）若是随机变量，则；对任意个随机变量，有；（4）若相互独立，则；对任意个相互独立的随机变量，有.2、随机变量函数的数学期望设离散型随机变量的分布律为，则的函数的数学期望为，式中级数绝对收敛.设连续型随机变量的密度函数为，则的函数的数学期望为，式中积分绝对收敛.3、随机变量的方差设是一个随机变量，则称为的方差.称为的标准差或均方差.计算方差也常用公式.方差具有如下性质：（1）设是常数，则；（2）设是常数，则；（3）若相互独立，则；对任意个相互独立的随机变量，有；（4）的充要条件是：存在常数，使.4、几种常见分布的数学期望与方差（1）；（2）；（3）；（4）；（5）；（6）；（7）；（8）.5、矩设是随机变量，则称为的阶原点矩.如果存在，则称为的阶中心矩.设是二维随机变量，则称为的阶混合原点矩；称为的阶混合中心矩.6、协方差与相关系数随机变量的协方差为.它是1+1阶混合中心矩，有计算公式：.随机变量的相关系数为.相关系数具有如下性质：（1）；（2）存在常数，使=1，即与以概率1线性相关；（3）若独立，则，即不相关.反之，不一定成立.（4）(Schwarz inequality) 设(X,Y)是二维随机变量,若X与Y的方差都存在,则疑难分析1、随机变量的数字特征在概率论中有什么意义？知道一个随机变量的分布函数，就掌握了这个随机变量的统计规律性.但求得一个随机变量的分布函数是不容易的，而且往往也没有这个必要.随机变量的数字特征则比较简单易求，也能满足我们研究分析具体问题的需要，所以在概率论中很多的应用，同时也刻画了随机变量的某些特征，有重要的实际意义.例如，数学期望反映了随机变量取值的平均值，表现为具体问题中的平均长度、平均时间、平均成绩、期望利润、期望成本等；方差反映了随机变量取值的波动程度；偏态系数、峰态系数则反映了随机变量取值的对称性和集中性.因此，在不同的问题上考察不同的数字特征，可以简单而切实地解决我们面临的实际问题.2、在数学期望定义中为什么要求级数和广义积分绝对收敛？首先，数学期望是一个有限值；其次，数学期望反映随机变量取值的平均值.因此，对级数和广义积分来说，绝对收敛保证了值的存在，且对级数来说，又与项的次序无关，从而更便于运算求值.而由于连续型随机变量可以离散化，从而广义积分与无穷级数有同样的意义.要求级数和广义积分绝对收敛是为了保证数学期望的存在与求出.3、相关系数反映了随机变量和之间的什么关系？相关系数是用随机变量和的协方差和标准差来定义的，它反映了随机变量和之间的相关程度.当时，称与依概率1线性相关；当时，称与不相关；当时，又分为强相关与弱相关.4、两个随机变量与相互独立和不相关是一种什么样的关系？（1）若、相互独立，则、不相关.因为、独立，则，故，从而，所以、不相关.（2）若、不相关，则、不一定独立.如：因为，，知、不相关.但，,,知、不独立.（3）若、相关，则、一定不独立.可由反证法说明.（4）若、不相关，则、不一定不相关.因为、不独立，，但若时，可以有，从而可以有、不相关.但是，也有特殊情况，如服从二维正态分布时，、不相关与、独立是等价的.第五块大数定律和中心极限定理内容提要基本内容：切比雪夫（Chebyshev）不等式，切比雪夫大数定律，伯努里（Bernoulli）大数定律，辛钦（Khinchine）大数定律，棣莫弗-拉普拉斯（De Moivre-Laplace）定理，列维-林维德伯格(Levy-Lindberg)定理.1、切贝雪夫不等式设随机变量的数学期望，方差，则对任意正数，有不等式或成立.2、大数定律（1）切贝雪夫大数定律:设是相互独立的随机变量序列，数学期望和方差都存在，且，则对任意给定的，有.（2）贝努利大数定律:设是次重复独立试验中事件发生的次数，是事件在一次试验中发生的概率，则对于任意给定的，有.贝努利大数定理给出了当很大时，发生的频率依概率收敛于的概率，证明了频率的稳定性.(3)辛钦大数定律：设相互独立,服从同一分布的随机变量序列,且(),则对任意给定的，有3、中心极限定律（1）林德贝格-勒维中心极限定理:设是独立同分布的随机变量序列，有有限的数学期望和方差，，.则对任意实数，随机变量的分布函数满足.（2）李雅普诺夫定理:设是不同分布且相互独立的随机变量，它们分别有数学期望和方差：,.记,若存在正数，，使得当时，有, 则随机变量的分布函数对于任意的，满足.当很大时,.（3）德莫佛—拉普拉斯定理:设随机变量服从参数为的二项分布，则对于任意的，恒有.疑难分析1、依概率收敛的意义是什么？依概率收敛即依概率1收敛.随机变量序列依概率收敛于，说明对于任给的，当很大时，事件“”的概率接近于1.但正因为是概率，所以不排除小概率事件“”发生.依概率收敛是不确定现象中关于收敛的一种说法.2、大数定律在概率论中有何意义？大数定律给出了在试验次数很大时频率和平均值的稳定性.从理论上肯定了用算术平均值代替均值，用频率代替概率的合理性，它既验证了概率论中一些假设的合理性，又为数理统计中用样本推断总体提供了理论依据.所以说，大数定律是概率论中最重要的基本定律.3、中心极限定理有何实际意义？许多随机变量本身并不属于正态分布，但它们的极限分布是正态分布.中心极限定理阐明了在什么条件下，原来不属于正态分布的一些随机变量其总和分布渐进地服从正态分布.为我们利用正态分布来解决这类随机变量的问题提供了理论依据.4、大数定律与中心极限定理有何异同？相同点：都是通过极限理论来研究概率问题，研究对象都是随机变量序列，解决的都是概率论中的基本问题，因而在概率论中有重要意义.不同点：大数定律研究当时，概率或平均值的极限，而中心极限定理则研究随机变量总和的分布的极限.古今名言敏而好学，不耻下问——孔子业精于勤，荒于嬉；行成于思，毁于随——韩愈兴于《诗》，立于礼，成于乐——孔子己所不欲，勿施于人——孔子读书破万卷，下笔如有神——杜甫读书有三到，谓心到，眼到，口到——朱熹立身以立学为先，立学以读书为本——欧阳修读万卷书，行万里路——刘彝黑发不知勤学早，白首方悔读书迟——颜真卿书卷多情似故人，晨昏忧乐每相亲——于谦书犹药也，善读之可以医愚——刘向莫等闲，白了少年头，空悲切——岳飞发奋识遍天下字，立志读尽人间书——苏轼鸟欲高飞先振翅，人求上进先读书——李苦禅立志宜思真品格，读书须尽苦功夫——阮元非淡泊无以明志，非宁静无以致远——诸葛亮熟读唐诗三百首，不会作诗也会吟——孙洙《唐诗三百首序》书到用时方恨少，事非经过不知难——陆游问渠那得清如许，为有源头活水来——朱熹旧书不厌百回读，熟读精思子自知——苏轼书痴者文必工，艺痴者技必良——蒲松龄声明访问者可将本资料提供的内容用于个人学习、研究或欣赏，以及其他非商业性或非盈利性用途，但同时应遵守著作权法及其他相关法律的规定，不得侵犯本文档及相关权利人的合法权利。

高考复习概率与统计知识点归纳总结概率与统计是高中数学中的一大重点和难点。

在高考中，这一部分的知识点占有相当大的比重，因此学生需要在复习阶段集中精力，深入理解和掌握相关的知识点。

本文将对高考概率与统计的知识点进行归纳总结，以帮助学生们更好地复习和备考。

一、概率基本概念1. 随机事件与样本空间：随机事件是对某一随机试验的结果的一种描述，样本空间是一个随机试验中可能出现的所有结果的集合。

2. 事件的概率：事件A发生的概率用P(A)表示，其计算公式为P(A) = 事件A的可能结果数 / 样本空间的结果总数。

3. 事件的互斥与对立：互斥事件指的是两个事件不可能同时发生，对立事件指的是两个事件中一个必然发生，另一个必然不发生。

4. 事件的独立性：两个事件相互独立指的是一个事件的发生不受另一个事件的影响，它们的概率计算是相互独立的。

二、排列与组合1. 排列：排列是从n个不同元素中取出m（m≤n）个元素，按一定的顺序排列成一列。

公式为An^m = n(n-1)(n-2)...(n-m+1)。

2. 组合：组合是从n个不同元素中取出m（m≤n）个元素，不考虑排列顺序。

公式为Cn^m = n! / (m!(n-m)!)。

三、事件概率的计算1. 加法定理：对于两个事件A和B，其和事件A∪B的概率为P(A∪B) = P(A) + P(B) - P(A∩B)。

2. 乘法定理：对于两个独立事件A和B，其积事件A∩B的概率为P(A∩B) = P(A) × P(B)。

3. 全概率公式：对于一组互斥事件A1、A2、...、An，其和事件A的概率为P(A) = P(A1) + P(A2) + ... +P(An)。

4. 条件概率公式：对于两个事件A和B，已知事件B发生的条件下事件A发生的概率为P(A|B) = P(A∩B) / P(B)。

四、随机变量与概率分布1. 随机变量：随机变量是随机试验结果的函数，它的取值是随机的。