概率论与数理统计知识点：第一章 随机事件及其概率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E .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E 的所有可能结果组成的集合称为E 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e .（3）随机事件：在一次试验中可能出现也可能不出现的事件称为随机事件，简称事件，常用A 、B 、C 等大写字母表示；可表述为样本空间中样本点的某个集合，分为复合事件和简单事件，还有必然事件（记为Ω）和不可能事件（记为Φ）. 2、事件的关系与运算（1）包含关系与相等：“事件A 发生必导致B 发生”，记为B A ⊂或A B ⊃；B A B A ⊂⇔=且A B ⊂.（2）和事件（并）：“事件A 与B 至少有一个发生”，记为B A ⋃. （3）积事件（交）：“ 事件A 与B 同时发生”，记为B A ⋂或AB .（4）差事件、对立事件(余事件)：“事件A 发生而B 不发生”，记为A －B 称为A 与B 的差事件；B B =-Ω称为B 的对立事件；易知：B A B A =-.（5）互不相容性：φ=AB ；B A 、互为对立事件Ω=⋃⇔B A 且Φ=AB . （6）事件的运算法则：1) 交换律：A B B A ⋃=⋃，BA AB = ； 2) 结合律：C B A C B A ⋃⋃=⋃⋃)()(，)()(BC A C AB =； 3) 分配律：BC AC C B A ⋃=⋃)(，))(()(C B C A C AB ⋃⋃=⋃；4) 对偶(De Morgan)律：B A B A =⋃，B A AB ⋃=，可推广kkkkkkkkAA A A ==,.3、频率与概率（1）频率的定义：事件A 在n 次重复试验中出现A n 次，则比值nn A称为事件A 在n 次重复试验中出现的频率，记为)(A f n ，即n n A f An =)(. （2）统计概率：当∞→n 时，频率)()(A P nnA f A n →=.当n 很大时，)()(A f P A P n ≈=称为事件A 的统计概率.（3）古典概率：若试验的基本事件数为有限个，且每个事件发生的可能性相等，则试验对应古典概型（等可能概型），事件A 发生的概率为：nA k n k A A P )()(＝＝中样本点总数中所含样本点数Ω=.（4）几何概率：若试验基本事件数无限，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Ω中随机地取一点落在区域g 中”这一事件g A 发生的概率为：的测度的测度＝Ωg A P g )(.（5）概率的公理化定义：设(F ,Ω)为可测空间，在事件域F 上定义一个实值函数),(A P F A ∈，满足：1) 非负性：0)(≥A P ，对任意F A ∈；2) 规范性：1)(=ΩP ；3) 可列可加性：若有一列,,2,1, =∈i F A i i Φ=j i A A ，使得∑∞=∞==11)()(j jj jA P A P ，则称),(A P F A ∈为σ域F 上的概率测度，简称“概率”． 4、概率的基本性质（1）不可能事件概率零：)(ΦP ＝0.（2）有限可加性：设n A A A ,,,21 是n 个两两互不相容的事件，即j i A A ＝Φ，（j i ≠）n j i ,2,1,,=，则有)(21n A A A P ⋃⋃⋃ ＝)(1A P ＋)()(2n A P A P ++ .（3）单调不减性：若事件B ⊃A ，则P (B )≥P (A )，且P (B －A )＝P (B )－P (A ).（4）互补性：P (A )＝1－P (A )，且P (A )≤1.（5）加法公式：对任意两事件B A 、，有=⋃)(B A P )()(B P A P +－)(AB P ；此性质可推广到任意n 个事件n A A A ,,,21 的情形.（6）可分性：对任意两事件B A 、，有)()()(B A P AB P A P +=. 5、条件概率与乘法公式（1）条件概率：设B A 、是Ω中的两个事件，即F B A ∈、，则)()()|(A P AB P A B P =称为事件A 发生的条件下事件B 发生的条件概率．（2）乘法公式：设F B A ⊂、，则)|()()|()()(B A P B P A B P A P AB P == 称为事件A 、B 的概率乘法公式.6、全概率公式与贝叶斯(Bayes)公式（1）全概率公式：设n A A A ,,,21 是Ω的一个划分，且0)(>i A P ，),,2,1(n i =，则对任何事件F B ∈，有∑=ni iiA B P A P B P 1)|()()(＝，称为全概率公式.（2）贝叶斯(Bayes)公式：设n A A A ,,,21 是Ω的一个划分，且0)(>i A P ),,2,1(n i =，则对任何事件F B ∈，有),,1(,)|()()|()()|(1n j A B P A P A B P A P B A P ni iij j j ==∑=，称为贝叶斯公式或逆概率公式. 7、事件的独立性（1）两事件的独立：设),,(P F Ω为一概率空间，事件F B A ∈、，且0)(>A P ，若)|()(A B P B P =，则称事件A 与B 相互独立；等价于：)()()(B P A P AB P =.（2）多个事件的独立：设n A A A ,,,21 是n 个事件，如果对任意的)1(n k k ≤<，任意的n i i i k ≤<<<≤ 211，具有等式)()()()(2121k k i i i i i i A P A P A P A A A P =，称n 个事件n A A A ,,,21 相互独立． 8、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E ．E 也叫做“成功—失败”试验,“成功”的概率常用)(A P p =表示，其中A ＝“成功”.（2）把E 重复独立地进行n 次，所得的试验称为n 重贝努里试验，记为nE ． （3）把E 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∞E ．以上三种贝努里试验统称为贝努里概型．（4）nE 中成功k 次的概率是：)0(,)1(n k q p C p p C k n k k n k n k k n ≤≤=---其中1=+q p .第二章 随机变量及其分布1、随机变量设Ω是随机试验的样本空间，如果对于试验的每一个可能结果Ω∈ω，都有唯一的实数)(ωX 与之对应，则称)(ωX 为定义在Ω上的随机变量，简记为X .随机变量通常用大写字母Z Y X 、、等表示. 2、分布函数及其性质设X 为随机变量，x 为任意实数，函数)}({)(+∞<<-∞≤=x x X P x F 称为随机变量X 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）)(1)(0+∞<<-∞≤≤x x F ； （2）如果21x x <，则)()(21x F x F ≤； （3）)(x F 为右连续，即)()0(x F x F =+； （4）1)(lim ,0)(lim ==+∞→-∞→x F x F x x ；（5）)()(}{}{}{121221x F x F x X P x X P x X x P -=≤-≤=≤<. 3、离散型随机变量及其概率分布如果随机变量X 只能取有限个或可列个可能值，则称X 为离散型随机变量.如果X 的一切可能值为 ,,21x x ，并且X 取k x 的概率为k p ，则称),3,2,1}({ ===k x X P p k k 为离散型随机变量X 的概率函数（概率分布或分布律）.列成表格形式，也称为分布列(表2-1)： 表2-1其中1,0=≥∑iii pp .常见的离散型随机变量的分布有： （1）0-1分布，记为)10(~-X ，概率函数10,1,0,)1(}{1<<=-==-p k p p k X P k k ；（2）二项分布，记为),(~p n B X ，概率函数10,,,1,0,)1(}{<<=-==-p n k p p C k X P k n kk n ；（3）泊松分布，记为)(~λP X ，概率函数0,,1,0,!}{>===-λλλ k k e k X P k ；泊松定理 设0>λ是一常数，n 是任意正整数，设λ=n np ，则对于任一固定的非负整数k ，有!)1(lim k e p p C k kn n k nkn n λλ--∞→=-.当n 很大且p 很小时，二项分布可以用泊松分布近似代替，即!)1(k e p p C k kn k k nλλ--≈-，其中np =λ.（4）超几何分布，记为),,(~N M n H X ，概率函数),min(,,1,0,}{M n k C C C k X P nNk n MN k M ===--，其中M N n 、、为正整数，且N n N M ≤≤,.当N 很大，且Nn p =较小时，有k n k k n nN k n MN k M p p C C C C ----≈)1(.] （5）几何分布，记为)(~p G X ，概率函数10,,1,0,)1(}{1<<=-==-p k p p k X P k .4、连续型随机变量及其概率分布如果对于随机变量X 的分布函数)(x F ，存在非负函数)(x f ，使对于任一实数x ，有⎰∞-=xdt t f x F )()(，则称X 为连续型随机变量.函数)(x f称为X 的概率密度函数.概率密度函数具有以下性质：（1）0)(≥x f ； （2）1)(=⎰+∞∞-dt t f ；（3）⎰=≤<21)(}{21x x dt t f x X x P ； （4）0}{1==x X P ；（5）如果)(x f 在x 处连续，则)()(x f x F ='. 常见的连续型随机变量的分布有：（1）均匀分布，记为),(~b a U X ，概率密度为⎪⎩⎪⎨⎧≤≤-=其它,0,,1)(b x a a b x f .相应的分布函数为⎪⎩⎪⎨⎧>≤≤--<=b x b x a a b a x a x x F ,1,,0)(；（2）指数分布，记为)(~λE X ，概率密度为⎩⎨⎧≥=-其它,0,0,)(x e x f λλ.相应的分布函数为⎩⎨⎧<≥-=-0,00,1)(x x e x F x λ； （3）正态分布，记为),(~2σμN X ，概率密度为+∞<<-∞=--X ex f x ,21)(222)(σμπ，相应的分布函数为⎰∞---=xx dt ex F 222)(21)(σμπ；当1,0==σμ时，即)1,0(~N X 时，称X 服从标准正态分布.这时分别用)(x ϕ和)(x Φ表示X 的密度函数和分布函数，即⎰∞---=Φ=x t x dt e x ex 222221)(,21)(ππϕ.具有性质：)(1)(x x Φ-=-Φ.一般正态分布),(~2σμN X 的分布函数)(x F 与标准正态分布的分布函数)(x Φ有关系：)()(σμ-Φ=x x F .5、随机变量函数的分布（1）离散型随机变量函数的分布设X 为离散型随机变量，其分布列为(表2-2)： 表2-2则)(X g Y =任为离散型随机变量，其分布列为(表2-3)： 表2-3i y 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X 为离散型随机变量，概率密度为)(x f X ，则)(X g Y =的概率密度有两种方法可求.1）定理法：若)(x g y =在X 的取值区间内有连续导数)(x g '，且)(x g 单调时，)(X g Y =是连续型随机变量，其概率密度为⎩⎨⎧<<'=其它,0,)()]([)(βαy y h y h f y f X Y . 其中)()}.(),(max{)},(),(min{y h g g g g +∞-∞=+∞-∞=βα是)(x g 的反函数.2）分布函数法：先求)(X g Y =的分布函数∑⎰∆=≤=≤=k y xY k dx x fy X g P y Y P y F )()(})({}{)(，然后求])([)('=y F y f Y Y .第三章 多维随机变量及其分布1、二维随机变量及其联合分布函数设X ，Y 为随机变量，则称它们的有序数组（Y X ,）为二维随机变量. 设（Y X ,）为二维随机变量，对于任意实数x 、y ，称二元函数},{),(y Y x X P y x F ≤≤=为（Y X ,）的联合分布函数.联合分布函数具有以下基本性质： （1）),(y x F 是变量x 或y 的非减函数； （2）1),(0≤≤y x F 且1),(0),(0),(0),(=+∞+∞=-∞-∞=-∞=-∞F F x F y F ， ， ，；（3）),(y x F 关于x 右连续，关于y 也右连续；（4）对任意点),(),,(2211y x y x ，若2121,y y x x <<，则0),(),(),(),(11211222≥+--y x F y x F y x F y x F .上式表示随机点),(Y X 落在区域],[2121y Y y x X x ≤<≤<内的概率为：},{2121y Y y x X x P ≤<≤<.2、二维离散型随机变量及其联合分布律如果二维随机变量),(Y X 所有可能取值是有限对或可列对，则称),(Y X 为二维离散型随机变量.设),(Y X 为二维离散型随机变量,它的所有可能取值为 ,2,1,),,(=j i y x j i 将),2,1,(},{ ====j i p y Y x X P ij j i 或表3.1称为),(Y X 的联合分布律.表3.1联合分布律具有下列性质：（1）0≥ij p ；（2）111=∑∑∞=∞=i j ijp.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),(y x p ,使得二维随机变量),(Y X 的分布函数),(y x F 对任意实数y x ,有 ⎰⎰∞-∞-=x ydy dx y x p y x F ),(),(，则称),(Y X 是二维连续型随机变量，称),(y x p 为),(Y X 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）对一切实数y x ,，有0),(≥y x p ； （2）1),(=⎰⎰+∞∞-+∞∞-dy dx y x p ；（3）在任意平面域D 上，),(Y X 取值的概率⎰⎰=∈Ddxdy y x p D Y X P ),(}),{(；（4）如果),(y x p 在),(y x 处连续，则),(),(2y x p yx y x F =∂∂∂. 4、二维随机变量的边缘分布设),(Y X 为二维随机变量，则称},{)(+∞<<-∞≤=Y x X P x F X ，},{)(y Y X P y F Y ≤+∞<<-∞=分别为),(Y X 关于X 和关于Y 的边缘分布函数.当),(Y X 为离散型随机变量，则称),2,1(),2,1(1.1. ====∑∑∞=∞=j p p i p p i ij j j ij i 分别为),(Y X 关于X 和关于Y的边缘分布律.当),(Y X 为连续型随机变量，则称⎰⎰+∞∞-+∞∞-==dx y x p y p dy y x p x p Y X ),()(,),()( 分别为),(Y X 关于X 和关于Y 的边缘密度函数.5、二维随机变量的条件分布（1）离散型随机变量的条件分布设),(Y X 为二维离散型随机变量，其联合分布律和边缘分布律分别为),2,1,(}{,}{,},{.. ========j i p y Y P p x X P p y Y x X P j j i i ij j i ，则当j 固定，且0}{.>==j j p y Y P 时，称,2,1,}{},{}|{.========i p p y Y P y Y x X P y Y x X P jij j j i j i 为j y Y =条件下随机变量X的条件分布律.同理，有 ,2,1,}|{.====j p p x X y Y P i ij i j（2）连续型随机变量的条件分布设),(Y X 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：)(),(),,(y p x p y x p Y X .则当0)(>y p Y 时，在),(y x p 和)(x p X 的连续点处，),(Y X 在条件y Y =下，X 的条件概率密度函数为：)(),()|(|y p y x p y x p Y Y X =.同理，有)(),()|(|x p y x p y x p X X Y =.6、随机变量的独立性设),(y x F 及)()(y F x F Y X 、分别是),(Y X 的联合分布函数及边缘分布函数.如果对任何实数y x ,有)()(),(y F x F y x F Y X ⋅=则称随机变量X 与Y 相互独立.设),(Y X 为二维离散型随机变量，X 与Y 相互独立的充要条件是),2,1,(.. ==j i p p p j i ij .设),(Y X 为二维连续型随机变量，X 与Y 相互独立的充要条件是对任何实数y x ,，有)()(),(y p x p y x p Y X =.7、两个随机变量函数的分布设二维随机变量),(Y X 的联合概率密度函数为),(y x p ，),(Y X Z ϕ=是Y X ,的函数，则Z 的分布函数为dxdy y x p z F zy x Z ⎰⎰≤=),(),()(ϕ.（1）Y X Z +=的分布若),(Y X 为离散型随机变量，联合分布律为ij p ，则Z 的概率函数为：∑-=ii k i k Z x z x p z P ),()(或∑-=jj k j k Z y z y p z P ),()(.若),(Y X 为连续型随机变量，概率密度函数为),(y x p ，则Z 的概率函数为：dy y y z p dx x z x p z p Z ⎰⎰+∞∞-+∞∞--=-=),(),()(.（2）YXZ =的分布 若),(Y X 为连续型随机变量，概率密度函数为),(y x p ，则Z 的概率函数为：⎰+∞∞-=dy y yz p y z p Z ),()(.第四章 随机变量的数字特征1、随机变量的数学期望设离散型随机变量X 的分布律为 ,2,1,}{===k p x X P k k ，如果级数∑∞=1k k kp x绝对收敛，则称级数的和为随机变量X 的数学期望.设连续型随机变量X 的密度函数为)(x p ，如果广义积分⎰+∞∞-dx x xp )(绝对收敛，则称此积分值⎰+∞∞-=dx x xp X E )()(为随机变量X 的数学期望.数学期望有如下性质：（1）设C 是常数，则C C E =)(； （2）设C 是常数，则)()(X CE CX E =；（3）若21X X 、是随机变量，则)()()(2121X E X E X X E +=+； 对任意n 个随机变量n X X X ,,,21 ，有)()()()(2121n n X E X E X E X X X E +++=+++ ；（4）若21X X 、相互独立，则)()()(2121X E X E X X E =； 对任意n 个相互独立的随机变量n X X X ,,,21 ，有)()()()(2121n n X E X E X E X X X E =.2、随机变量函数的数学期望设离散型随机变量X 的分布律为 ,2,1,}{===k p x X P k k ，则X 的函数)(X g Y =的数学期望为 2,1,)()]([1==∑∞=k p x g x g E k k k ，式中级数绝对收敛.设连续型随机变量X 的密度函数为)(x p ，则X 的函数)(X g Y =的数学期望为⎰+∞∞-=dx x p x g x g E )()()]([，式中积分绝对收敛.3、随机变量的方差设X 是一个随机变量，则})]({[)()(2X E X E X Var X D -==称为X 的方差.)()(X X D σ=称为X 的标准差或均方差.计算方差也常用公式22)]([)()(X E X E X D -=. 方差具有如下性质：（1）设C 是常数，则0)(=C D ；（2）设C 是常数，则)()(2X D C CX D =；（3）若21X X 、相互独立，则)()()(2121X D X D X X D +=+； 对任意n 个相互独立的随机变量n X X X ,,,21 ，有)()()()(2121n n X D X D X D X X X D +++=+++ ；（4）0)(=X D 的充要条件是：存在常数C ，使))((1}{X E C C X P ===. 4、几种常见分布的数学期望与方差（1）)1()(,)().10(~p p X D p X E X -==-； （2）)1()(,)().,(~p np X D np X E p n B X -==； （3）)1())(()(,)().,,(~2---==N N n N M N nM X D N nM X E N M n H X ； （4）λλλπ==)(,)().(~X D X E X ；（5）2/)1()(,/1)().(~p p X D p X E p G X -==； （6）12/)()(,2/)()().,(~2a b X D b a X E b a U X -=+=； （7）2/1)(,/1)().(~λλλ==X D X E e X ； （8）22)(,)().,(~σμσμ==X D X E N X . 5、矩设X 是随机变量，则 ,2,1),(==k X E k k α称为X 的k 阶原点矩.如果)(X E 存在，则 ,2,1},)]({[=-=k X E X E k k μ称为X 的k 阶中心矩. 设),(Y X 是二维随机变量，则 ,2,1,),(==l k Y X E l k kl α称为),(Y X 的l k +阶混合原点矩； ,2,1,},)]([)]({[=-⋅-=l k Y E Y X E X E l k kl μ称为),(Y X 的l k +阶混合中心矩.5、二维随机变量的数字特征(1) ),(Y X 的数学期望)](),([),(Y E X E Y X E =；若),(Y X 是离散型随机变量，则∑∑∞=∞==11)(i j ijipx X E ，∑∑∞=∞==11)(i j ijipy Y E .若),(Y X 是连续型随机变量，则⎰⎰+∞∞-+∞∞-=dxdy y x xp X E ),()(，⎰⎰+∞∞-+∞∞-=dxdy y x yp Y E ),()(.这里，级数与积分都是绝对收敛的.（2）),(Y X 的方差)](),([),(Y D X D Y X D =若),(Y X 是离散型随机变量，则∑∑∞=∞=-=112)]([)(i j ij ip X E xX D ，∑∑∞=∞=-=112)]([)(i j ij i p Y E y Y D .若),(Y X 是连续型随机变量，则⎰⎰+∞∞-+∞∞--=dxdy y x p X E x X D ),()]([)(2，⎰⎰+∞∞-+∞∞--=dxdy y x p Y E y Y D ),()]([)(2.这里，级数与积分都是绝对收敛的.6、协方差与相关系数随机变量),(Y X 的协方差为)]}()][({[),cov(Y E Y X E X E Y X --=.它是1+1阶混合中心矩，有计算公式：)()()(),cov(Y E X E XY E Y X -=.随机变量),(Y X 的相关系数为DYDX Y X XY ),cov(=ρ.相关系数具有如下性质： （1）1≤XY ρ；（2）⇔=1XY ρ存在常数b a ,，使}{b aX Y P +==1，即X 与Y 以概率1线性相关； （3）若Y X ,独立，则0=XY ρ，即Y X ,不相关.反之，不一定成立.第五章 大数定律和中心极限定理1、切贝雪夫不等式设随机变量X 的数学期望μ=)(X E ，方差2)(σ=X D ，则对任意正数ε，有不等式22}{εσεμ≤≥-X P 或221}{εσεμ-><-X P 成立.2、大数定律（1）切贝雪夫大数定理:设 ,,,,21n X X X 是相互独立的随机变量序列，数学期望)(i X E 和方差)(i X D 都存在，且C X D i <)(),2,1( =i ，则对任意给定的0>ε，有1}|)]([1{|lim 1=<-∑=∞→εni i i n X E X n P . （2）贝努利大数定理:设A n 是n 次重复独立试验中事件A 发生的次数，p 是事件A 在一次试验中发生的概率，则对于任意给定的0>ε，有1}|{|lim =<-∞→εp nn P An . 贝努利大数定理给出了当n 很大时，A 发生的频率A n A /依概率收敛于A 的概率，证明了频率的稳定性. 3、中心极限定律（1）独立同分布中心极限定理:设 ,,,,21n X X X 是独立同分布的随机变量序列，有有限的数学期望和方差，μ=)(i X E ，),2,1(0)(2 =≠=i X D i σ.则对任意实数x ，随机变量σμσμn n Xn XY ni ini in ∑∑==-=-=11)(的分布函数)(x F n 满足⎰∞--∞→∞→=≤=xtn n n n dt e x Y P x F 2/221}{lim )(lim π.（2）李雅普诺夫定理:设 ,,,,21n X X X 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：i i X E μ=)(,),2,1(0)(2=≠=i X D i i σ .记 ∑==ni inB 122σ,若存在正数δ，，使得当∞→n 时，有0}{1122→-∑=++ni ii nX E Bδδμ, 则随机变量nni ini ini i ni i ni in B X X D X E XZ ∑∑∑∑∑=====-=-=11111)()(μ的分布函数)(x F n 对于任意的x ，满足⎰∑∑∞--==∞→∞→=⎪⎪⎭⎪⎪⎬⎫⎪⎪⎩⎪⎪⎨⎧≤-=x t n ni i n i i n n n dt e x B X x F 2/11221lim )(lim πμ.当n 很大时,),(~),1,0(~12.1.∑∑==ni n i ni in B N XN Z μ.（3）德莫佛—拉普拉斯定理:设随机变量),2,1( =n n η服从参数为)10(,<<p p n 的二项分布，则对于任意的x ，恒有⎰∞--∞→=⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧≤--x t n n dt e x p np np P 2/221)1(lim πη.第六章 数理统计的基本概念1、总体与样本在数理统计中，将研究对象的全体称为总体；组成总体的每个元素称为个体.从总体中抽取的一部分个体，称为总体的一个样本；样本中个体的个数称为样本的容量. 从分布函数为)(x F 的随机变量X 中随机地抽取的相互独立的n 个随机变量，具有与总体相同的分布，则n X X X ,,,21 称为从总体X 得到的容量为n 的随机样本.一次具体的抽取记录n x x x ,,,21 是随机变量n X X X ,,,21 的一个观察值，也用来表示这些随机变量. 2、统计量设n X X X ,,,21 是总体X 的一个样本，则不含未知参数的样本的连续函数),,,(21n X X X f 称为统计量.统计量也是一个随机变量，常见的统计量有（1）样本均值 ∑==ni i X n X 11；（2）样本方差 ][11)(11122122∑∑==--=--=ni in i i X n X n X X n S ； （3）样本标准差 2S S =；（4）样本k 阶原点矩 ,2,1,11==∑=k X n A n i ki k ；（5）样本k 阶中心矩 ,2,1,)(11=-=∑=k X X n B k ni i k .2、经验分布函数设n x x x ,,,21 是总体X 的一组观察值将它们按大小顺序排列为：**2*1n x x x ≤≤≤ ，称它为顺序统计量.则称⎪⎪⎪⎪⎩⎪⎪⎪⎪⎨⎧≥<≤<≤<=+**1**2*1*1,1,,1,0)(nk k n x x x x x nkx x x n x x x F 为经验分布函数（或样本分布函数）. 3、一些常用统计量的分布（1）2χ分布设)1,0(~N X ，n X X X ,,,21 是X 的一个样本，则统计量∑==ni i X 122χ服从自由度为n 的2χ分布，记作)(~22n χχ.（2）t 分布 设)1,0(~N X ，)(~2n Y χ，且Y X ,相互独立，则随机变量nY X t /=服从自由度为n 的t 分布，记作)(~n t t .t 分布又称为学生分布.（3）F 分布 设)(~12n X χ，)(~22n Y χ，且Y X ,相互独立，则随机变量21//n Y n X F =服从自由度为),(21n n 的F 分布，记作),(~21n n F F . 4、正态总体统计量的分布设),(~2σμN X ，n X X X ,,,21 是X 的一个样本，则 （1）样本均值X 服从正态分布，有),(~2nN X σμ或)1,0(~/2N nX U σμ-=；（2）样本方差)1(~)1(222--n S n χσ；（3）统计量)1(~/--n t nS X μ.设),(~),,(~222211σμσμN Y N X ，1,,,21n X X X 是X 的一个样本，2,,,21n Y Y Y 是Y 的一个样本，两者相互独立.则（1）统计量)1,0(~//)()(22212121N n n Y X σσμμ+---；（2）当21σσ=时，统计量)2(~/2/1)()(212121-+⋅+---n n t S n n Y X wμμ，其中2)1()1(21222211-+-+-=n n S n S n S w ； （3）统计量 )1,1(~//2122222121--n n F S S σσ； （4）统计量),(~/)(/)(2112221222112121n n F n n yx n j jn i i⋅--∑∑==σμσμ.第七章 参数估计1、参数的点估计及其求法根据总体X 的一个样本来估计参数的真值称为参数的点估计. （1）估计量根据总体X 的一个样本n X X X ,,,21 构造的用其观察值来估计参数θ真值的统计量),,,(ˆ21n X X X θ称为估计量，),,,(ˆ21nx x x θ称为估计值. (2)矩估计法用样本矩作为相应的总体矩估计来求出估计量的方法.其思想是：如果总体中有k 个未知参数，可以用前k 阶样本矩估计相应的前k 阶总体矩，然后利用未知参数与总体矩的函数关系，求出参数的估计量.（3）极大似然估计法设总体X 的密度函数为),(θx p ，其中θ为未知参数， n X X X ,,,21 是取自总体X 的样本，n x x x ,,,21 为一组样本观测值，则总体X 的联合密度函数称为似然函数，记作∏==n i i x p L 1),(θ，取对数 ∑==ni i x p L 1),(ln ln θ，由0ln =θd Ld ，求得似然函数L 的极大值θˆ，即为未知参数θ的极大似然估计.其思想是：在已知总体X 概率分布时，对总体进行n 次观测，得到一个样本，选取概率最大的θ值θˆ作为未知参数θ的真值的估计是最合理的. （4）估计量的优劣标准1）无偏性.设)ˆ(),,,,(ˆˆ21θθθE X X X n=存在，且θθ=)ˆ(E ，则称值θˆ是θ的无偏估计量.否则称为有偏估计量.2）有效性.设1ˆθ和2ˆθ均为参数θ的无偏估计量，如果)ˆ()ˆ(21θθD D <，则称估计量1ˆθ比2ˆθ有效. 3）一致性（相合性）.设θˆ为θ的估计量，θˆ与样本容量n 有关，记为nθθˆˆ=，对于任意给定的0>ε，都有 1}ˆ{lim =<-∞→εθθnn P ，则称θˆ为参数θ的一致估计量.2、参数的区间估计设总体X 的分布);(θx F 中含有未知参数θ，若存在样本的两个函数),,,(21n X X X θ和),,,(21n X X X θ，使对于给定的)10(<<αα，有αθθθ-=<<1}{P ，则随机区间（θθ,）称为参数θ的置信度为α-1的双侧置信区间.若有αθθ-=<1}{P 或αθθ-=<1}{P ，则定义),(∞θ或),(θ-∞为θ的置信度为α-1的单侧置信区间.（1）单个正态总体均值与方差的置信区间（见表7-1） 表7-1（2）两个正态总体均值差与方差比的置信区间（见表7-2）表7-2第八章 假设检验1、假设检验的基本概念 （1）假设检验对总体的分布提出某种假设，然后利用样本所提供的信息，根据概率论的原理对假设作出“接受”还是“拒绝”的判断，这一类统计推断问题统称为假设检验. 假设检验所依据的原则是：小概率事件在一次试验中是不该发生的. （2）两类错误在根据样本作推断时，由于样本的随机性，难免会作出错误的决定.当原假设0H 为真时，而作出拒绝0H 的判断，称为犯第一类错误；当原假设0H 不真时，而作出接受0H 的判断，称为犯第二类错误.控制犯第一类错误的概率不大于一个较小的数)10(<<αα称为检验的显著性水平. （3）假设检验的基本步骤 1）建立原假设0H ；2）根据检验对象，构造合适的统计量；3）求出在假设0H 成立的条件下，该统计量服从的概率分布； 4）选择显著性水平α，确定临界值；5）根据样本值计算统计量的观察值，由此作出接受或拒绝0H 的结论. 2、单个正态总体的假设检验 设总体),(~2σμN X .关于均值μ的检验（见表8-1） 表8-1（2）关于方差2σ的检验（见表8-2）表8-13、两个正态总体的假设检验设总体),(~211σμN X ，样本容量为1n ；),(~222σμN Y ，样本容量为2n . （1）两个正态总体均值的检验（见表8-3） 表8-3（2）两个正态总体方差的检验（见表8-4）。
