概率论与数理统计复习资料

概率论与数理统计复习第一章 概率论的基本概念一.基本概念随机试验E:(1)可以在相同的条件下重复地进行;(2)每次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)进行一次试验之前不能确定哪一个结果会出现.样本空间S: E 的所有可能结果组成的集合. 样本点(基本事件):E 的每个结果. 随机事件(事件):样本空间S 的子集.必然事件(S):每次试验中一定发生的事件. 不可能事件(Φ):每次试验中一定不会发生的事件. 二. 事件间的关系和运算1.A ⊂B(事件B 包含事件A )事件A 发生必然导致事件B 发生.2.A ∪B(和事件)事件A 与B 至少有一个发生.3. A ∩B=AB(积事件)事件A 与B 同时发生.4. A -B(差事件)事件A 发生而B 不发生.5. AB=Φ (A 与B 互不相容或互斥)事件A 与B 不能同时发生.6. AB=Φ且A ∪B=S (A 与B 互为逆事件或对立事件)表示一次试验中A 与B 必有一个且仅有一个发生. B=A, A=B . 运算规则 交换律 结合律 分配律 德•摩根律B A B A = B A B A =三. 概率的定义与性质1.定义 对于E 的每一事件A 赋予一个实数,记为P(A),称为事件A 的概率.(1)非负性 P(A)≥0 ; (2)归一性或规范性 P(S)=1 ;(3)可列可加性 对于两两互不相容的事件A 1,A 2,…(A i A j =φ, i ≠j, i,j=1,2,…),P(A 1∪A 2∪…)=P( A 1)+P(A 2)+…2.性质(1) P(Φ) = 0 , 注意: A 为不可能事件 P(A)=0 .(2)有限可加性 对于n 个两两互不相容的事件A 1,A 2,…,A n ,P(A 1∪A 2∪…∪A n )=P(A 1)+P(A 2)+…+P(A n ) (有限可加性与可列可加性合称加法定理) (3)若A ⊂B, 则P(A)≤P(B), P(B -A)=P(B)-P(A) .(4)对于任一事件A, P(A)≤1, P(A)=1-P(A) .(5)广义加法定理 对于任意二事件A,B ,P(A ∪B)=P(A)+P(B)-P(AB) . 对于任意n 个事件A 1,A 2,…,A n()()()()+∑+∑-∑=≤<<≤≤<≤=nk j i k j i nj i j i ni i n A A A P A A P A P A A A P 11121…+(-1)n-1P(A 1A 2…A n )四.等可能(古典)概型1.定义 如果试验E 满足:(1)样本空间的元素只有有限个,即S={e 1,e 2,…,e n };(2)每一个基本事件的概率相等,即P(e 1)=P(e 2)=…= P(e n ).则称试验E 所对应的概率模型为等可能(古典)概型.2.计算公式 P(A)=k / n 其中k 是A 中包含的基本事件数, n 是S 中包含的基本事件总数. 五.条件概率1.定义 事件A 发生的条件下事件B 发生的条件概率P(B|A)=P(AB) / P(A) ( P(A)>0).2.乘法定理 P(AB)=P(A) P (B|A) (P(A)>0); P(AB)=P(B) P (A|B) (P(B)>0).P(A 1A 2…A n )=P(A 1)P(A 2|A 1)P(A 3|A 1A 2)…P(A n |A 1A 2…A n-1) (n ≥2, P(A 1A 2…A n-1) > 0) 3. B 1,B 2,…,B n 是样本空间S 的一个划分(B i B j =φ,i ≠j,i,j=1,2,…,n, B 1∪B 2∪…∪B n =S) ,则 当P(B i )>0时,有全概率公式 P(A)=()()i ni i B A P B P∑=1当P(A)>0, P(B i )>0时,有贝叶斯公式P (B i |A)=()()()()()()∑==ni i i i i i B A P B P B A P B P A P AB P 1. 六.事件的独立性1.两个事件A,B,满足P(AB) = P(A) P(B)时,称A,B 为相互独立的事件.(1)两个事件A,B 相互独立⇔ P(B)= P (B|A) .(2)若A 与B ,A 与B ,A 与B, ,A 与B 中有一对相互独立,则另外三对也相互独立.2.三个事件A,B,C 满足P(AB) =P(A) P(B), P(AC)= P(A) P(C), P(BC)= P(B) P(C),称A,B,C 三事件两两相互独立. 若再满足P(ABC) =P(A) P(B) P(C),则称A,B,C 三事件相互独立.3.n 个事件A 1,A 2,…,A n ,如果对任意k (1<k ≤n),任意1≤i 1<i 2<…<i k ≤n.有()()()()kkii i i i i A P A P A P A A A P 2121=,则称这n 个事件A 1,A 2,…,A n相互独立.第二章 随机变量及其概率分布一.随机变量及其分布函数1.在随机试验E 的样本空间S={e}上定义的单值实值函数X=X (e)称为随机变量.2.随机变量X 的分布函数F(x)=P{X ≤x} , x 是任意实数. 其性质为:(1)0≤F(x)≤1 ,F(-∞)=0,F(∞)=1. (2)F(x)单调不减,即若x 1<x 2 ,则 F(x 1)≤F(x 2). (3)F(x)右连续,即F(x+0)=F(x). (4)P{x 1<X≤x 2}=F(x 2)-F(x 1). 二.离散型随机变量 (只能取有限个或可列无限多个值的随机变量)1.离散型随机变量的分布律 P{X= x k }= p k (k=1,2,…) 也可以列表表示. 其性质为: (1)非负性 0≤P k ≤1 ; (2)归一性 11=∑∞=k k p .2.离散型随机变量的分布函数 F(x)=∑≤xX kk P 为阶梯函数,它在x=x k (k=1,2,…)处具有跳跃点,其跳跃值为p k =P{X=x k } .3.三种重要的离散型随机变量的分布(1)X~(0-1)分布 P{X=1}= p ,P{X=0}=1–p (0<p<1) .(2)X~b(n,p)参数为n,p 的二项分布P{X=k}=()kn k p p k n --⎪⎪⎭⎫ ⎝⎛1(k=0,1,2,…,n) (0<p<1) (3))X~π(λ)参数为λ的泊松分布 P{X=k}=λλ-e k k !(k=0,1,2,…) (λ>0) 三.连续型随机变量1.定义 如果随机变量X 的分布函数F(x)可以表示成某一非负函数f(x)的积分F(x)=()dt t f x⎰∞-,-∞< x <∞,则称X 为连续型随机变量,其中f (x)称为X 的概率密度(函数). 2.概率密度的性质(1)非负性 f(x)≥0 ; (2)归一性 ⎰∞∞-dx x f )(=1 ;(3) P{x 1<X ≤x 2}=⎰21)(xx dx x f ; (4)若f (x)在点x 处连续,则f (x)=F / (x) .注意：连续型随机变量X 取任一指定实数值a 的概率为零,即P{X= a}=0 .3.三种重要的连续型随机变量的分布 (1)X ～U (a,b) 区间(a,b)上的均匀分布⎩⎨⎧=-0)(1a b x f其它b x a << . (2)X 服从参数为θ的指数分布.()⎩⎨⎧=-0/1θθx ex f 00≤>x x 若若 (θ>0). (3)X~N (μ,σ2)参数为μ,σ的正态分布222)(21)(σμσπ--=x ex f -∞<x<∞, σ>0. 特别, μ=0, σ2 =1时,称X 服从标准正态分布,记为X~N (0,1),其概率密度2221)(x e x -=πϕ , 标准正态分布函数⎰=Φ∞--xt dt e x 2221)(π, Φ(-x)=1-Φ(x) .若X ～N ((μ,σ2), 则Z=σμ-X ~N (0,1), P{x 1<X ≤x 2}=Φ(σμ-2x )-Φ(σμ-1x ).若P{Z>z α}= P{Z<-z α}= P{|Z|>z α/2}= α,则点z α,-z α, ±z α/ 2分别称为标准正态分布的上,下,双侧α分位点. 注意：Φ(zα)=1-α , z 1- α= -z α.四.随机变量X 的函数Y= g (X)的分布 1.若g(x k ) (k=1,2,…)的值全不相等,则由上表立得Y=g(X)的分布律.若g(x k ) (k=1,2,…)的值有相等的,则应将相等的值的概率相加,才能得到Y=g(X)的分布律. 2.连续型随机变量的函数若X 的概率密度为f X (x),则求其函数Y=g(X)的概率密度f Y (y)常用两种方法： (1)分布函数法 先求Y 的分布函数F Y (y)=P{Y ≤y}=P{g(X)≤y}=()()dx x f ky X k∑⎰∆其中Δk (y)是与g(X)≤y 对应的X 的可能值x 所在的区间(可能不只一个),然后对y 求导即得f Y (y)=F Y /(y) .(2)公式法 若g(x)处处可导,且恒有g /(x)>0 (或g / (x)<0 ),则Y=g (X)是连续型随机变量,其概率密度为()()()()⎩⎨⎧'=0y h y h f y f X Y其它βα<<y其中h(y)是g(x)的反函数 , α= min (g (-∞),g (∞)) β= max (g (-∞),g (∞)) .如果f (x)在有限区间[a,b]以外等于零,则 α= min (g (a),g (b)) β= max (g (a),g (b)) .第三章 二维随机变量及其概率分布 一.二维随机变量与联合分布函数1.定义 若X 和Y 是定义在样本空间S 上的两个随机变量,则由它们所组成的向量(X,Y)称为二维随机向量或二维随机变量.对任意实数x,y,二元函数F(x,y)=P{X ≤x,Y ≤y}称为(X,Y)的(X 和Y 的联合)分布函数. 2.分布函数的性质(1)F(x,y)分别关于x 和y 单调不减.(2)0≤F(x,y)≤1 , F(x,- ∞)=0, F(-∞,y)=0, F(-∞,-∞)=0, F(∞,∞)=1 .(3) F(x,y)关于每个变量都是右连续的,即 F(x+0,y)= F(x,y), F(x,y+0)= F(x,y) . (4)对于任意实数x 1<x 2 , y 1<y 2P{x 1<X ≤x 2 , y 1<Y ≤y 2}= F(x 2,y 2)- F(x 2,y 1)- F(x 1,y 2)+ F(x 1,y 1)二.二维离散型随机变量及其联合分布律1.定义 若随机变量(X,Y)只能取有限对或可列无限多对值(x i ,y j ) (i ,j =1,2,… )称(X,Y)为二维离散型随机变量.并称P{X= x i ,Y= y j }= p i j 为(X,Y)的联合分布律.也可列表表示.2.性质(1)非负性 0≤p i j ≤1 .(2)归一性∑∑=i jij p 1 .3. (X,Y)的(X 和Y 的联合)分布函数F(x,y)=∑∑≤≤x x yy ij i j p三.二维连续型随机变量及其联合概率密度1.定义 如果存在非负的函数f (x,y),使对任意的x 和y ,有F(x,y)=⎰⎰∞-∞-yxdudv v u f ),(则称(X,Y)为二维连续型随机变量,称f(x,y)为(X,Y)的(X 和Y 的联合)概率密度. 2.性质 (1)非负性 f (x,y)≥0 . (2)归一性 1),(=⎰⎰∞∞-∞∞-d x d y y x f .(3)若f (x,y)在点(x,y)连续,则yx y x F y x f ∂∂∂=),(),(2(4)若G 为xoy 平面上一个区域,则⎰⎰=∈Gdxdy y x f G y x P ),(}),{(.四.边缘分布1. (X,Y)关于X 的边缘分布函数 F X (x) = P{X ≤x , Y<∞}= F (x , ∞) . (X,Y)关于Y 的边缘分布函数 F Y (y) = P{X<∞, Y ≤y}= F (∞,y)2.二维离散型随机变量(X,Y) 关于X 的边缘分布律 P{X= x i }=∑∞=1j ij p = p i·( i =1,2,…) 归一性11=∑∞=∙i i p .关于Y 的边缘分布律 P{Y= y j }= ∑∞=1i ij p = p·j( j =1,2,…) 归一性11=∑∞=∙j j p .3.二维连续型随机变量(X,Y)关于X 的边缘概率密度f X (x)=⎰∞∞-dy y x f ),( 归一性1)(=⎰∞∞-dx x f X关于Y 的边缘概率密度f Y (y)=x d y x f ⎰∞∞-),( 归一性1)(=⎰∞∞-dyy f Y五.相互独立的随机变量1.定义 若对一切实数x,y ,均有F(x,y)= F X (x) F Y (y) ,则称X 和Y 相互独立.2.离散型随机变量X 和Y 相互独立⇔p i j= p i ··p ·j( i ,j =1,2,…)对一切x i ,y j成立.3.连续型随机变量X 和Y 相互独立⇔f (x,y)=f X(x)f Y(y)对(X,Y)所有可能取值(x,y)都成立.六．条件分布1．二维离散型随机变量的条件分布定义 设(X,Y)是二维离散型随机变量,对于固定的j,若P{Y=y j }>0,则称 P{X=x i |Y=y j }为在Y= y j 条件下随机变量X 的条件分布律. 同样,对于固定的i,若P{X=x i }>0,则称,}{},{jj i j j i p p y Y P y Y x X P ∙=====P{Y=y j |X=x i }为在X=x i 条件下随机变量Y 的条件分布律.第四章 随机变量的数字特征一.数学期望和方差的定义随机变量X 离散型随机变量 连续型随机变量分布律P{X=x i }= p i ( i =1,2,…) 概率密度f (x)数学期望(均值)E(X)∑∞=1i i i p x (级数绝对收敛)⎰∞∞-dx x xf )((积分绝对收敛)方差D(X)=E{[X-E(X)]2}[]∑-∞=12)(i i i p X E x ⎰-∞∞-dx x f X E x )()]([2=E(X 2)-[E(X)]2 (级数绝对收敛) (积分绝对收敛) 函数数学期望E(Y)=E[g(X)] i i i p x g ∑∞=1)((级数绝对收敛) ⎰∞∞-dx x f x g )()((积分绝对收敛)标准差σ(X)=√D(X) .二.数学期望与方差的性质1. c 为为任意常数时, E(c) = c , E(cX) = cE(X) , D(c) = 0 , D (cX) = c 2D(X) . 2.X,Y 为任意随机变量时, E (X ±Y)=E(X)±E(Y) .3. X 与Y 相互独立时, E(XY)=E(X)E(Y) , D(X ±Y)=D(X)+D(Y) .4. D(X) = 0 ⇔P{X = C}=1 ,C 为常数.三.六种重要分布的数学期望和方差 E(X) D(X)1.X~ (0-1)分布P{X=1}= p (0<p<1) p p (1- p)2.X~ b (n,p) (0<p<1) n p n p (1- p)3.X~ π(λ) λ λ4.X~ U(a,b) (a+b)/2 (b-a) 2/12 5.X 服从参数为θ的指数分布 θ θ2 6.X~ N (μ,σ2) μ σ2 四.矩的概念随机变量X 的k 阶(原点)矩E(X k ) k=1,2,… 随机变量X 的k 阶中心矩E {[X-E(X)] k }随机变量X 和Y 的k+l 阶混合矩E(X k Y l ) l=1,2,…随机变量X 和Y 的k+l 阶混合中心矩E{[X-E(X)] k [Y-E(Y)] l}第六章 样本和抽样分布一.基本概念总体X 即随机变量X ; 样本X 1 ,X 2 ,…,X n 是与总体同分布且相互独立的随机变量;样本值x 1 ,x 2 ,…,x n 为实数;n 是样本容量.统计量是指样本的不含任何未知参数的连续函数.如：样本均值∑==n i i X n X 11 样本方差()∑--==n i i XX n S 12211 样本标准差S样本k 阶矩∑==n i k i k X n A 11( k=1,2,…) 样本k 阶中心矩∑-==n i ki k X X n B 1)(1( k=1,2,…),}{},{∙=====i j i i j i p p x X P y Y x X P二.抽样分布 即统计量的分布 1.X 的分布 不论总体X 服从什么分布, E (X ) = E(X) , D (X ) = D(X) / n .特别,若X~ N (μ,σ2 ) ,则X ~ N (μ, σ2/n) .2.χ2分布 (1)定义 若X ～N (0,1) ,则Y =∑=ni i X 12~ χ2(n)自由度为n 的χ2分布.(2)性质 ①若Y~ χ2(n),则E(Y) = n , D(Y) = 2n .②若Y 1~ χ2(n 1) Y 2~ χ2(n 2) ,则Y 1+Y 2~ χ2(n 1 + n 2).③若X~ N (μ,σ2 ), 则22)1(σS n -~ χ2(n-1),且X 与S 2相互独立.(3)分位点 若Y~ χ2(n),0< α <1 ,则满足αχχχχαααα=<>=<=>--))}(())({()}({)}({22/122/212n Y n Y P n Y P n Y P的点)()(),(),(22/122/212n n n n ααααχχχχ--和分别称为χ2分布的上、下、双侧α分位点. 3. t 分布(1)定义 若X~N (0,1),Y~ χ2(n),且X,Y 相互独立,则t=nY X~t(n)自由度为n 的t 分布. (2)性质①n →∞时,t 分布的极限为标准正态分布.②X ～N (μ,σ2 )时, nS X μ-~ t (n-1) .③两个正态总体相互独立的样本 样本均值 样本方差X~ N (μ1,σ12 ) 且σ12=σ22=σ2 X 1 ,X 2 ,…,X n1 X S 12Y~ N (μ2,σ22 ) Y 1 ,Y 2 ,…,Y n2Y S22则212111)()(n n S Y X w +---μμ~ t (n 1+n 2-2) , 其中 2)1()1(212222112-+-+-=n n S n S n S w(3)分位点 若t ~ t (n) ,0 < α<1 , 则满足αααα=>=-<=>)}({)}({)}({2/n t t P n t t P n t t P的点)(),(),(2/n t n t n t ααα±-分别称t 分布的上、下、双侧α分位点.注意: t 1- α (n) = - t α (n).4.F 分布 (1)定义 若U~χ2(n 1), V~ χ2(n 2), 且U,V 相互独立,则F =21n V n U ~F(n 1,n 2)自由度为(n 1,n 2)的F 分布.(2)性质(条件同3.(2)③)22212221σσS S ~F(n 1-1,n 2-1)(3)分位点 若F~ F(n 1,n 2) ,0< α <1,则满足)},({)},({21121n n F F P n n F F P αα-<=>ααα=<>=-))},(()),({(212/1212/n n F F n n F F P的点),(),(),,(),,(212/1212/21121n n F n n F n n F n n F αααα--和分别称为F 分布的上、下、双侧α分位点. 注意:.).(1),(12211n n F n n F αα=-第七章 参数估计一.点估计 总体X 的分布中有k 个待估参数θ1, θ2,…, θk .X 1 ,X 2 ,…,X n 是X 的一个样本, x 1 ,x 2 ,…,x n 是样本值.1.矩估计法先求总体矩⎪⎩⎪⎨⎧===),,,(),,,(),,,(2121222111k k k k k θθθμμθθθμμθθθμμ 解此方程组,得到⎪⎩⎪⎨⎧===),,,(),,,(),,,(2121222111k k k k k μμμθθμμμθθμμμθθ ,以样本矩A l 取代总体矩μ l ( l=1,2,…,k)得到矩估计量⎪⎪⎩⎪⎪⎨⎧===∧∧∧),,,(),,,(),,,(2121222111k k k k k A A A A A A A A A θθθθθθ,若代入样本值则得到矩估计值. 2.最大似然估计法若总体分布形式(可以是分布律或概率密度)为p (x, θ1, θ2,…, θk ),称样本X 1 ,X 2 ,…,Xn的联合分布∏==ni k i k x p L 12121),,,,(),,,(θθθθθθ 为似然函数.取使似然函数达到最大值的∧∧∧kθθθ,,,21 ,称为参数θ1, θ2,…,θk 的最大似然估计值,代入样本得到最大似然估计量.若L(θ1, θ2,…, θk )关于θ1, θ2,…, θk 可微,则一般可由 似然方程组0=∂∂i L θ 或 对数似然方程组 0ln =∂∂iLθ (i =1,2,…,k) 求出最大似然估计. 3.估计量的标准(1) 无偏性 若E(∧θ)=θ,则估计量∧θ称为参数θ的无偏估计量.不论总体X 服从什么分布, E (X )= E(X) , E(S 2)=D(X), E(A k )=μk =E(X k ),即样本均值X , 样本方差S 2,样本k 阶矩A k 分别是总体均值E(X),方差D(X),总体k 阶矩μk 的无偏估计,(2)有效性 若E(∧θ1 )=E(∧θ2)= θ, 而D(∧θ1)< D(∧θ2), 则称估计量∧θ1比∧θ2有效. (3)一致性(相合性) 若n →∞时,θθP →∧,则称估计量∧θ是参数θ的相合估计量.文 - 汉语汉字 编辑词条文，wen ，从玄从爻。

概率论与数理统计总复习知识点归纳1.概率论的基础概念-随机事件、样本空间和事件的关系。

-频率和概率的关系，概率的基本性质。

-古典概型和几何概型的概念。

-条件概率和乘法定理。

-全概率公式和贝叶斯公式。

-随机变量和概率分布函数的概念。

-离散型随机变量和连续型随机变量的定义、概率质量函数和概率密度函数的性质。

2.随机变量的数字特征-随机变量的数学期望、方差、标准差和切比雪夫不等式。

-协方差、相关系数和线性变换的数学期望和方差公式。

-两个随机变量的和、差、积的数学期望和方差公式。

3.大数定律和中心极限定理-大数定律的概念和三级强大数定律。

-中心极限定理的概念和中心极限定理的两种形式。

4.数理统计的基本概念和方法-总体、样本和抽样方法的概念。

-样本统计量和抽样分布的概念。

-点估计和区间估计的概念。

-假设检验的基本思想和步骤。

-正态总体的参数的假设检验和区间估计。

5.参数估计和假设检验的方法和推广-极大似然估计的原理和方法。

-矩估计的原理和方法。

-最小二乘估计的原理和方法。

-一般参数的假设检验和区间估计。

6.相关分析和回归分析-相关系数和线性相关的概念和性质。

-回归分析的一般原理。

-简单线性回归的估计和检验。

7.非参数统计方法-秩和检验和符号检验的基本思想和应用。

-秩相关系数的计算和检验。

8.分布拟合检验和贝叶斯统计-卡方拟合检验的原理和方法。

-正态总体参数的拟合优度检验。

-贝叶斯估计的基本思想和方法。

9.时间序列分析和质量控制-时间序列的基本性质和分析方法。

-时间序列预测的方法和模型。

-质量控制的基本概念和控制图的应用。

以上是概率论与数理统计总复习知识点的归纳，希望对你的复习有所帮助。

概率论与数理统计总复习1、研究和揭示随机现象 统计规律性的科学。

随机现象：是在个别试验中结果呈现不确定性，但在大量重复试验中结果又具有统计规律性的现象。

2、互斥的或互不相容的事件：A B φ⋂=3、逆事件或对立事件：φ=⋂=⋃B A S B A 且4、德∙摩根律：B A B A ⋂=⋃，B A B A ⋃=⋂5、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A n 称为事件A 发生的频数，比值/A n n 称为事件A 发生的频率，并记为()n f A 。

6、概率的性质（1）非负性：(A)0P ≥； （2）规范性：(S)1P =；（3）有限可加性：设A 1，A 2，…，A n ，是n 个两两互不相容的事件，即A i A j ＝φ，(i ≠j), i , j ＝1, 2, …, n , 则有∑==ni i n A P A A P 11)()...(（4）()0P φ=；（5）单调不减性：若事件A ⊂B ，则P(B)≥P(A) （6）对于任一事件A ，P(A)≤1 （7）差事件概率：对于任意两事件A 和B ，()()()P B A P B P AB -=-（8）互补性（逆事件的概率）：对于任一事件A ，有 P(A )=1-P(A) （9）加法公式：P(A ⋃B)＝P(A)＋P(B)－P(AB))()()()()()()()(321323121321321A A A P A A P A A P A A P A P A P A P A A A P +---++=⋃⋃7、古典概型中的概率: ()()()N A P A N S =①乘法原理：设完成一件事需分两步， 第一步有n 1种方法，第二步有n 2种方法， 则完成这件事共有n 1n 2种方法。

例：从甲、乙两班各选一个代表。

②加法原理：设完成一件事可有两类方法，第一类有n 1种方法，第二类有n 2种方法，则完成这件事共有n 1+n 2种方法。

自考04183概率论与数理统计(经管类)笔记-自考概率论与数理统§1.1 随机事件1.随机现象：确定现象：太阳从东方升起，重感冒会发烧等；不确定现象：随机现象：相同条件下掷骰子出现的点数：在装有红、白球的口袋里摸某种球出现的可能性等；其他不确定现象：在某人群中找到的一个人是否漂亮等。

结论：随机现象是不确定现象之一。

2.随机试验和样本空间随机试验举例：E1：抛一枚硬币，观察正面H、反面T出现的情况。

E2：掷一枚骰子，观察出现的点数。

E3：记录110报警台一天接到的报警次数。

E4：在一批灯泡中任意抽取一个，测试它的寿命。

E5：记录某物理量（长度、直径等）的测量误差。

E6：在区间[0，1]上任取一点，记录它的坐标。

随机试验的特点：①试验的可重复性；②全部结果的可知性；③一次试验结果的随机性，满足这些条件的试验称为随机试验，简称试验。

样本空间：试验中出现的每一个不可分的结果，称为一个样本点，记作。

所有样本点的集合称为样本空间，记作。

举例：掷骰子：＝{1，2，3，4，5，6},＝1，2，3，4，5，6；非样本点：“大于2点”，“小于4点”等。

3.随机事件：样本空间的子集，称为随机事件，简称事件，用A,B,C,…表示。

只包含一个样本点的单点子集{}称为基本事件。

必然事件：一定发生的事件，记作不可能事件：永远不能发生的事件，记作4.随机事件的关系和运算由于随机事件是样本空间的子集，所以，随机事件及其运算自然可以用集合的有关运算来处理，并且可以用表示集合的文氏图来直观描述。

（1）事件的包含和相等包含：设A，B为二事件，若A发生必然导致B发生，则称事件B包含事件A，或事A包含于事件B，记作，或。

性质：例：掷骰子，A：“出现3点”，B：“出现奇数点”，则。

注：与集合包含的区别。

相等：若且，则称事件A与事件B相等，记作A＝B。

（2）和事件概念：称事件“A与B至少有一个发生”为事件A与事件B的和事件，或称为事件A与事件B的并，记作或A＋B。

《概率论与数理统计》第一章随机事件与概率基本概念：随机试验E----指试验可在相同条件下重复进行，试验的结果具有多种可能性（每次试验有且仅有一个结果出现，且事先知道试验可能出现的一切结果，但不能预知每次试验的确切结果样本点---随机试验E的每一个可能出现的结果样本空间----随机试验E的样本点的全体随机事件-----由样本空间中的若干个样本点组成的集合，即随机事件是样本空间的一个子集必然事件---每次试验中必定发生的事件。

不可能事件--每次试验中一定不发生的事件。

事件之间的关系：⑧A，B相互独立P(AB)=P(A)P(B)例1事件A，B互为对立事件等价于（D）A、A，B互不相容B、A，B相互独立C、A∪B＝ΩD、A，B构成对样本空间的一个剖分例2设P(A)=0，B为任一事件，则（C）A、A=B、A BC、A与B相互独立D、A与B互不相容例3.设甲乙两人朝同一目标射击，设A＝“甲命中目标且乙未命中目标”，则：A=（D）A)甲未命中目标且乙命中目标B)甲乙都没命中目标C)甲未命中目标D)甲未命中目标或乙命中目标事件之间的运算：事件的交AB或A∩B事件的并A∪B事件的差A-B注意：A-B=A‾B=A-AB=(A∪B)-BnA n构成的一个完备事件组(或分斥)指A,A2,…,A1,A2,…,A n两两互不相容，且i∪=1A i=1例1设事件A、B满足A∩¯B=，由此推导不出(D)A、A BB、¯A¯BC、A∪B=BD、A∩B=B例2若事件B与A满足B–A=B，则一定有(B)A、A=B、AB=C、A¯B=D、B=¯A运算法则：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=(AC)∪(BC)(A∩B)∪C=(A∪C)∩(B∪C)对偶律A‾∪‾B=‾A∩‾B‾A∩‾B=‾A∪‾B文氏图事件与集合论的对应关系表： 记号概率论集合论样本空间，必然事件 全集不可能事件 空集基本事件 元素A 事件 全集中的一个子集 ‾ A 的对立事件A 的补集 A AB 事件 A 发生导致事件 B 发生 A 是 B 的子集 A=B 事件 A 与事件 B 相等A 与B 相等 A ∪B 事件 A 与事件 B 至少有一个发生 A 与 B 的并集 AB 事件 A 与事件 B 同时发生 A 与 B 的交集 A-B 事件 A 发生但事件 B 不发生 A 与 B 的差集AB=事件 A 与事件 B 互不相容（互斥）A 与B 没有相同的元素古典概型：古典概型的前提是={1,2,3,…,n,}, n 为有限正整数，且每个样本点i出现的可能性相等。

第一章 随机事件及其概率一、随机事件及其运算 1. 样本空间、随机事件①样本点：随机试验的每一个可能结果，用ω表示； ②样本空间：样本点的全集，用Ω表示； 注：样本空间不唯一.③随机事件：样本点的某个集合或样本空间的某个子集，用A,B,C,…表示； ④必然事件就等于样本空间；不可能事件()∅是不包含任何样本点的空集； ⑤基本事件就是仅包含单个样本点的子集。

2. 事件的四种关系①包含关系：A B ⊂，事件A 发生必有事件B 发生； ②等价关系：A B =， 事件A 发生必有事件B 发生，且事件B 发生必有事件A 发生；③互不相容（互斥）： AB =∅ ，事件A 与事件B 一定不会同时发生。

④互逆关系（对立）：A ，事件A 发生事件A 必不发生，反之也成立；互逆满足A A AA ⎧⋃=Ω⎨=∅⎩注：互不相容和对立的关系（对立事件一定是互不相容事件，但互不相容事件不一定是对立事件。

） 3. 事件的三大运算①事件的并：A B ⋃，事件A 与事件B 至少有一个发生。

若AB =∅，则A B A B ⋃=+；②事件的交：A B AB ⋂或，事件A 与事件B 都发生； ③事件的差：-A B ，事件A 发生且事件B 不发生。

4. 事件的运算规律①交换律：,A B B A AB BA ⋃=⋃=②结合律：()(),()()A B C A B C A B C A B C ⋃⋃=⋃⋃⋂⋂=⋂⋂③分配律：()()(),()()()A B C A B A C A B C A B A C ⋃⋂=⋃⋂⋃⋂⋃=⋂⋃⋂ ④德摩根（De Morgan ）定律：,A B AB AB A B⋃==⋃对于n 个事件，有1111,n ni i i i nni ii i A A A A ======二、随机事件的概率定义和性质1．公理化定义：设试验的样本空间为Ω，对于任一随机事件),(Ω⊂A A 都有确定的实值P(A)，满足下列性质： (1) 非负性：;0)(≥A P (2) 规范性：;1)(=ΩP(3)有限可加性(概率加法公式)：对于k 个互不相容事件k A A A ,,21 ，有∑∑===ki i ki i A P A P 11)()(.则称P(A)为随机事件A 的概率. 2．概率的性质 ①()1,()0P P Ω=∅= ②()1()P A P A =-③若A B ⊂，则()(),()()()P A P B P B A P B P A ≤-=-且 ④()()()()P A B P A P B P AB ⋃=+-()()()()()()()()P A B C P A P B P C P AB P BC P AC P ABC ⋃⋃=++---+注：性质的逆命题不一定成立的. 如 若),()(B P A P ≤则B A ⊂。

《概率论与数理统计》综合复习资料一、填空题1、一个盒子中有10 个球，其中有 3 个红球， 2 个黑球， 5 个白球，从中取球两次，每次取一个（无放回），则：第二次取到黑球的概率为；取到的两只球至少有一个黑球的概率为。

2、 X 的概率密度为 f ( x)1 e x2 2 x 1(x) ，则DX。

3、已知随机变量X ~N(1，1)，Y~N(3，1) 且 X 与Y 相互独立，设随机变量Z 2X Y 5，则EX；DX。

4、已知随机变量X 的分布列为X-102P k0.40.2p则： EX=；DX =。

5、设X与Y独立同分布，且X~N(2,22) ，则D( 3X2Y) =。

6、设对于事件A、B、 C有 P(A)P(B)1，P(ABC)1P(C)，412P( AB) P( BC )P(AC)1。

，则 A 、 B、 C 都不发生的概率为87、批产品中一、二、三等品各占60% 、30%、 10%，从中任取一件，结果不是三等品，则取到的是二等品的概率为。

8、相互独立，且概率分布分别为1，1 y 3f (x)e ( x 1)x) ；( y)(，其它则：E(X Y)=；E(2X3 2 )=。

Y9 、已知工厂A、 B 生产产品的次品率分别为2%和1%，现从由A、 B 工厂分别占30%和70%的一批产品中随机抽取一件，发现是次品，则该产品是 B 工厂的概率为。

10、设X、Y的概率分布分别为， 1 x 54e4 y，y01/ 4( x)；( y)，，其它0y0则： E(X 2Y) =；(X 2 4 ) =。

E Y二、选择题1、设X 和 Y 相互独立，且分别服从N(1,22) 和N (1,1)，则。

A ．P{ X Y 1}1/ 2B．P{ X Y0}1/ 2C ．P{ X Y0}1/ 2D．P{ X Y 1}1/ 22、已知P( A)0.4，P(B)0.6，P(B | A)0.5 ，则P( A B)。

A ．1B．0.7C ．0.8D ．0.53、设某人进行射击，每次击中的概率为1/3，今独立重复射击10 次，则恰好击中 3 次的概率为。

《概率论与数理统计》复习提要第一章 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》综合复习资料一、填空题1．由长期统计资料得知，某一地区在4月份下雨（记作事件A ）的概率为4/15，刮风（记作事件B ）的概率为7/15，刮风又下雨（记作事件C ）的概率为1/10。

则：=)|(B A P ； =)(B A P 。

2．一批产品共有8个正品2个次品，从中任取两次，每次取一个（不放回）。

则： （1）第一次取到正品，第二次取到次品的概率为 ； （2）恰有一次取到次品的概率为 。

3．设随机变量)2,1(~2N X 、)3(~P Y （泊松分布），且相互独立，则：)2(Y X E += ； )2(Y X D + 。

4．设随机变量X 的概率分布为X －1 0 1 2 p k 0.1 0.2 0.3 p 则： =EX ；DX = ；Y X =-21的概率分布为。

5．设一批产品中一、二、三等品各占60%、30%、10%，从中任取一件，结果不是三等品，则取到的是二等品的概率为 。

6．设Y X 、相互独立，且概率分布分别为 2)1(1)(--=x e x f π (-∞<<+∞x ) ； ⎩⎨⎧≤≤=其它，，0312/1)(y y ϕ 则：)(Y X E += ； )32(2Y X E -= 。

7．已知随机变量X 的分布列为 X 0 1 2 P k 0.3 0.5 0.2 则：随机变量X 的期望EX = ；方差DX = 。

8．已知工厂A B 、生产产品的次品率分别为2%和1%，现从由A B 、工厂分别占30%和70%的一批产品中随机抽取一件，发现是次品，则该产品是B 工厂的概率为 。

9．设Y X 、的概率分布分别为⎩⎨⎧≤≤=其它，，0514/1)(x x ϕ； ϕ()y e y y y =>≤⎧⎨⎩-40004，，则：)2(Y X E += ；)4(2Y X E -= 。

10．设随机变量X 的概率密度为⎪⎩⎪⎨⎧≤=其它，，02cos )(πx x A x f ，则：系数A = 。

《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》总复习资料概率论部分1．古典概型中计算概率用到的基本的计数方法。

例1：袋中有4个白球，5个黑球，6个红球，从中任意取出9个球，求取出的9个球中有1个白球、3个黑球、5个红球的概率.解：设B ＝｛取出的9个球中有1个白球、3个黑球、5个红球｝样本空间的样本点总数：915C n ==5005事件B 包含的样本点：563514C C C r ==240，则P (B )=240/5005=0.048例2：在0～9十个整数中任取四个，能排成一个四位偶数的概率是多少？解：考虑次序.基本事件总数为：410A =5040，设B ={能排成一个四位偶数}。

若允许千位数为0，此时个位数可在0、2、4、6、8这五个数字中任选其一，共有5种选法；其余三位数则在余下的九个数字中任选，有39A 种选法；从而共有539A =2520个。

其中，千位数为0的“四位偶数”有多少个？此时个位数只能在2、4、6、8这四个数字中任选其一，有4种选法；十位数与百位数在余下的八个数字中任选两个，有28A 种选法；从而共有428A =224个。

因此410283945)(A A A B P -==2296/5040=0.4562．概率的基本性质、条件概率、加法、乘法公式的应用；掌握事件独立性的概念及性质。

例1：事件A 与B 相互独立，且P (A )=0.5，P (B )=0.6，求：P (AB )，P (A －B )，P (A B )解：P (AB )=P (A )P (B )=0.3，P (A －B )=P (A )－P (AB )=0.2，P (A B )=P (A )＋P (B )－P (AB )=0.8例2：若P (A )=0.4，P (B )=0.7，P (AB )=0.3，求：P (A －B )，P (A B )，)|(B A P ，)|(B A P ，)|(B A P 解：P (A －B )=0.1，P (A B )=0.8，)|(B A P =)()(B P AB P =3/7，)|(B A P =)()()()()(B P AB P B P B P B A P -==4/7，|(B A P =)(1)()()(B P B A P B P B A P -==2/33．准确地选择和运用全概率公式与贝叶斯公式。

概率论与数理统计复习资料概率论与数理统计复习资料概率论与数理统计是数学中的重要分支，广泛应用于各个领域。

无论是在自然科学、社会科学还是工程技术领域，概率论与数理统计都扮演着重要的角色。

为了更好地理解和应用这门学科，我们需要进行系统的复习和总结。

本文将为大家提供一些有关概率论与数理统计的复习资料，帮助大家更好地掌握这门学科。

一、概率论概率论是研究随机事件发生的可能性的数学学科。

它以概率为基础，通过建立数学模型来描述随机事件的规律性。

在概率论的学习中，我们需要掌握以下几个重要概念：1. 随机事件：随机事件是指在一定条件下可能发生也可能不发生的事件。

例如，掷硬币的结果、骰子点数的出现等都属于随机事件。

2. 概率：概率是描述随机事件发生可能性的数值。

它的取值范围在0到1之间，0表示不可能发生，1表示必然发生。

3. 随机变量：随机变量是指随机事件的结果所对应的数值。

它可以是离散型的，也可以是连续型的。

离散型随机变量的取值是有限或可数的，例如掷骰子的点数；连续型随机变量的取值是无限的，例如身高、体重等。

4. 概率分布：概率分布是随机变量所有可能取值及其对应的概率的分布规律。

离散型随机变量的概率分布可以用概率质量函数来描述，连续型随机变量的概率分布可以用概率密度函数来描述。

5. 期望：期望是随机变量取值的平均值，反映了随机变量的平均水平。

对于离散型随机变量，期望可以通过加权平均的方式计算；对于连续型随机变量，期望可以通过积分的方式计算。

二、数理统计数理统计是研究如何从样本中获取总体信息的学科。

它通过对样本数据进行分析和推断，来对总体进行估计和推断。

在数理统计的学习中，我们需要掌握以下几个重要概念：1. 总体与样本：总体是指研究对象的全体，样本是从总体中抽取的一部分个体。

样本是对总体的一种观察和研究。

2. 统计量：统计量是样本数据的函数，用于对总体参数进行估计。

例如，样本均值、样本方差等都是统计量。

3. 抽样分布：抽样分布是指统计量的分布规律。

非常全面的《概率论与数理统计》复习材料一、基本概念1、随机事件随机事件是指在一定条件下，可能出现也可能不出现，而在大量重复试验中具有某种规律性的事件。

例如，掷一枚骰子，出现点数为 6就是一个随机事件。

2、样本空间样本空间是指随机试验的所有可能结果组成的集合。

例如，掷一枚骰子的样本空间就是｛1, 2, 3, 4, 5, 6}。

3、概率概率是用来衡量随机事件发生可能性大小的数值。

概率的取值范围在 0 到 1 之间，0 表示不可能事件，1 表示必然事件。

4、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。

二、随机变量1、离散型随机变量离散型随机变量是指其取值可以一一列举的随机变量。

例如，掷一枚骰子出现的点数就是一个离散型随机变量。

2、连续型随机变量连续型随机变量是指其取值充满某个区间的随机变量。

例如，某地区一天的气温就是一个连续型随机变量。

3、随机变量的分布函数分布函数是描述随机变量取值概率分布的函数。

4、常见的离散型分布（1）二项分布：描述 n 次独立重复试验中成功的次数。

（2）泊松分布：常用于描述在一定时间或空间内稀有事件发生的次数。

5、常见的连续型分布（1）正态分布：在自然界和社会现象中广泛存在，具有重要的地位。

（2）均匀分布：在某个区间内取值的概率相等。

三、数字特征1、数学期望数学期望反映了随机变量取值的平均水平。

2、方差方差衡量了随机变量取值的离散程度。

3、协方差和相关系数用于描述两个随机变量之间的线性关系程度。

四、大数定律和中心极限定理1、大数定律表明随着试验次数的增加，样本均值趋近于总体均值。

2、中心极限定理指出大量独立随机变量的和近似服从正态分布。

五、抽样分布1、样本均值和样本方差的分布了解样本均值和样本方差在不同条件下的分布规律。

2、 t 分布、F 分布和χ²分布这三种分布在假设检验和参数估计中经常用到。

六、参数估计1、点估计通过样本数据估计总体参数的值。