概率论复习知识点总结

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。

概率论的知识点总结1.概率的基本概念概率是描述随机事件发生可能性的数学工具，其基本概念包括样本空间、事件和概率空间。

样本空间是随机试验的所有可能结果的集合，事件是样本空间的子集，概率空间包括样本空间和定义在样本空间上的概率测度。

2.概率分布概率分布描述了随机变量可能取值的概率情况。

概率分布分为离散分布和连续分布两种。

常见的离散分布包括伯努利分布、二项分布、泊松分布等；常见的连续分布包括均匀分布、正态分布、指数分布等。

概率密度函数和累积分布函数是描述连续分布的重要工具。

3.随机变量随机变量是一种具有随机性的变量，它可以取样本空间中的某些值。

随机变量分为离散随机变量和连续随机变量。

离散随机变量的概率分布由概率质量函数描述，连续随机变量的概率分布由概率密度函数描述。

4.数学期望和方差数学期望是随机变量的平均值，描述了随机变量的位置参数；方差是随机变量与其数学期望之间的离散程度，描述了随机变量的分散程度。

数学期望和方差是描述随机变量性质的重要指标，它们具有许多重要的性质，如线性性质、切比雪夫不等式等。

5.大数定律大数定律是描述随机变量序列平均值的收敛性质的定理。

大数定律包括弱大数定律和强大数定律两种。

弱大数定律描述了随机变量序列平均值收敛于数学期望的概率性质，强大数定律描述了随机变量序列平均值几乎必然收敛于数学期望的性质。

6.中心极限定理中心极限定理是概率论中一个重要的定理，描述了大量独立随机变量的和呈现出正态分布的性质。

中心极限定理包括林德伯格-莱维中心极限定理、李亥莱中心极限定理等。

中心极限定理在统计学和金融学中具有重要的应用价值，它解释了正态分布在自然界和人类活动中的普遍性。

以上是概率论的一些重要知识点，概率论作为一门基础数学学科，不仅具有重要的理论意义，而且在实际应用中有着广泛的应用价值。

随着数据科学和人工智能的快速发展，概率论的应用前景将更加广阔。

概率论知识点总结归纳概率论是数学中的一个分支，研究随机现象发生的规律性及其数学模型。

概率论广泛应用于统计学、金融、生物学等领域。

本文将对概率论的基本概念、概率计算方法、常见概率分布以及概率论在实际问题中的应用进行总结归纳。

一、基本概念1. 随机试验：在相同的条件下可以重复进行的实验，结果不确定。

2. 样本空间：随机试验所有可能结果的集合，用S表示。

3. 事件：由样本空间S的一个或多个元素构成的子集，表示试验结果的一个集合。

4. 概率：事件发生的可能性大小的度量，用P(A)表示。

二、概率计算方法1. 古典概型：指随机试验中每个基本事件发生的概率相等的情况。

计算概率时可以根据样本空间和事件个数进行计算。

2. 频率派概率：根据大量实验的频率来计算概率，概率等于事件发生的次数与试验次数之比的极限。

3. 主观概率：根据个人主观判断来计算概率，没有明确的计算方法。

三、常见概率分布1. 离散概率分布：表示随机变量在有限取值集合上的概率分布。

a. 伯努利分布：只有两个可能取值的离散概率分布。

b. 二项分布：多次伯努利试验的结果相加，每次试验相互独立。

c. 泊松分布：表示单位时间或空间内随机事件发生的次数的概率分布。

2. 连续概率分布：表示随机变量在一个区间上的概率分布。

a. 均匀分布：随机变量在一段区间上取值的概率相等。

b. 正态分布：最常见的连续概率分布，具有钟形曲线的特点。

四、概率论的应用1. 统计学：概率论是统计学的基础，通过概率论可以推导出统计学各种假设检验和置信区间的计算方法。

2. 金融学：概率论在金融学中被广泛应用，例如在风险管理、期权定价、投资组合构建等方面。

3. 生物学：概率论能够帮助解释生物学中的随机现象，如遗传、进化等过程中的概率计算。

4. 工程学：概率论可以用于工程问题的风险评估和可靠性分析，如工程结构的寿命预测等。

总结：概率论是研究随机现象的规律性及其数学模型的学科，它包括了基本概念、概率计算方法、常见概率分布以及在各个领域的应用。

概率知识点总结1、确定性现象：在一定条件下必然出现的现象。

2、随机现象：在一定条件下可能发生也可能不发生的现象。

3、概率论：是研究随机现象统计规律的科学。

4、随机试验：对随机现象进行的观察或实验统称为随机试验。

5、样本点：随机试验的每个可能出现的实验结果称为这个试验的一个样本点。

6、样本空间：所有样本点组成的集合称为这个试验的样本空间。

7、随机事件：如果在每次试验的结果中，某事件可能发生，也可能不发生，则这一事件称为随机事件。

8、必然事件：某事件一定发生，则为必然事件。

9、不可能事件：某事件一定不发生，则为不可能事件。

10、基本事件：有单个样本点构成的集合称为基本事件。

11、任一随机事件都是样本空间的一个子集，该子集中任一样本点发生，则该事件发生。

利用集合论之间的关系和运算研究事件之间的关系和运算。

〔1〕事件的包含A B⊂〔2〕事件的并〔和〕A B〔3〕事件的交〔积〕A B〔4〕事件的差A B A B-=-=AB A〔5〕互不相容事件〔互斥事件〕A Bφ=〔6〕对立事件〔互逆事件〕A B Ω=，A B φ=，记B A = 〔7〕完备事件组：事件12,,,n A A A 两两互不相容，且1n A A AΩ=〔8〕事件之间的运算规律：交换律、结合律、分配率、De Morgan 定理 12、概率()1P Ω=，()0P φ=如果12,,,n A A A 两两互不相容，则112()()()()n n P A AP A P P A A A =+++如果,A B 是任意两个随机事件，则()()()P A B P A P AB -=- 如果B A ⊂，则()()()P A B P A P B -=-()()()()P A B P A P B P AB =+-()()()()()()()()P A B C P A P B P C P AB P AC P BC P ABC =++---+ 1111121()()()()()()(1())()nn j i j i ni n j k n i i i j k nP A AP A P A P A P A P A P A P A A A A ≤<≤=-≤<<≤=-+--+∑∑∑12、古典概型每次试验中，所有可能发生的结果只有有限个，即样本空间是有限集 每次试验中，每一个结果发生的可能性相同()A P A =包含的基本事件数试验的基本事件总数13、条件概率：()(|)()P AB P A B P B =为事件B 发生的条件下，事件A 发生的条件概率加法公式：()()()()P A B P A P B P AB =+-，若,A B 互斥，则()()()P A B P A P B =+乘法公式：()()(|)()(|)P AB P A P B A P B P A B ==，若,A B 独立，则()()()P AB P A P B = 全概率公式：1221()()(|)()(|)()(|)n n P A P B P A B P B P A B P B P A B =+++贝叶斯公式：11()()(|)(|)()()(|)()(|)k k k n n k P AB P B P A B P B A P A P B P A B P B P A B =+=+14、事件独立：如果(|)()P B A P B =，则称事件B 对于事件A 独立，此时，事件A 对于事件B 独立，称,A B 相互独立。

考研数学概率论重要考点总结概率论是考研数学中的重要考点之一。

下面是概率论中的一些重要考点总结。

一、概率基本概念1. 随机试验与样本空间2. 事件与事件的关系3. 概率的定义、性质和运算法则4. 条件概率及其性质二、随机变量与概率分布1. 随机变量的概念及其分类2. 离散型随机变量与连续型随机变量3. 随机变量的分布函数和密度函数4. 两个随机变量的独立性5. 随机变量的函数及其分布三、数学期望与方差1. 数学期望的概念及其性质2. 数学期望的计算3. 方差的概念及其性质4. 方差的计算5. 协方差和相关系数四、大数定律与中心极限定理1. 大数定律的概念及其性质2. 切比雪夫不等式3. 中心极限定理的概念及其性质4. 泊松定理5. 极限定理的应用五、随机变量的常见分布1. 二项分布、泊松分布2. 均匀分布、指数分布3. 正态分布4. 伽马分布、贝塔分布5. t分布、F分布、卡方分布六、矩母函数与特征函数1. 矩母函数的概念及性质2. 矩母函数的计算3. 特征函数的概念及性质4. 特征函数的计算5. 中心极限定理的特征函数证明七、样本与抽样分布1. 随机样本的概念及其性质2. 样本统计量的概念及其性质3. 样本均值和样本方差4. 正态总体抽样分布5. t分布，x^2分布，F分布的定义及其应用八、参数估计与假设检验1. 点估计的概念及性质2. 极大似然估计3. 置信区间的概念及计算4. 参数假设检验的概念及流程5. 正态总体均值的假设检验九、回归与方差分析1. 回归分析的概念及方法2. 多元回归模型、回归模型的检验3. 方差分析的概念及方法4. 单因素方差分析、双因素方差分析以上是概率论中的一些重要考点总结。

在备考过程中，需要对这些知识点有一定的掌握，并进行大量的练习和习题训练，只有充分理解和掌握这些知识，并能运用到实际问题中，才能在考试中取得好成绩。

概率论知识点总结第一章 随机事件及其概率第一节 基本概念随机实验：将一切具有下面三个特点：（1）可重复性（2）多结果性（3）不确定性的试验或观察称为随机试验，简称为试验，常用 E 表示。

随机事件：在一次试验中，可能出现也可能不出现的事情（结果）称为随机事件，简称为事件。

不可能事件：在试验中不可能出现的事情，记为Ф。

必然事件：在试验中必然出现的事情，记为Ω。

样本点：随机试验的每个基本结果称为样本点，记作ω.样本空间：所有样本点组成的集合称为样本空间. 样本空间用Ω表示.一个随机事件就是样本空间的一个子集。

基本事件—单点集，复合事件—多点集一个随机事件发生，当且仅当该事件所包含的一个样本点出现。

事件的关系与运算（就是集合的关系和运算）包含关系：若事件 A 发生必然导致事件B 发生，则称B 包含A ，记为或。

A B ⊇B A ⊆相等关系：若且，则称事件A 与事件B 相等，记为A ＝B 。

A B ⊇B A ⊆事件的和：“事件A 与事件B 至少有一个发生”是一事件，称此事件为事件A 与事件B 的和事件。

记为 A ∪B 。

事件的积：称事件“事件A 与事件B 都发生”为A 与B 的积事件，记为A∩ B 或AB 。

事件的差：称事件“事件A 发生而事件B 不发生”为事件A 与事件B 的差事件,记为 A －B 。

用交并补可以表示为。

B A B A =-互斥事件：如果A ，B 两事件不能同时发生，即AB ＝Φ，则称事件A 与事件B 是互不相容事件或互斥事件。

互斥时可记为A ＋B 。

B A ⋃对立事件：称事件“A 不发生”为事件A 的对立事件（逆事件），记为。

对立事件的性质：A 。

Ω=⋃Φ=⋂B A B A ,事件运算律：设A ，B ，C 为事件，则有（1）交换律：A ∪B=B ∪A ，AB=BA（2）结合律：A ∪(B ∪C)=(A ∪B)∪C=A ∪B ∪C A(BC)=(AB)C=ABC（3）分配律：A ∪(B∩C)＝(A ∪B)∩(A ∪C) A(B ∪C)＝(A∩B)∪(A∩C)= AB ∪AC （4）对偶律（摩根律）： B A B A ⋂=⋃BA B A ⋃=⋂第二节 事件的概率概率的公理化体系：（1）非负性：P(A)≥0；（2）规范性：P(Ω)＝1（3）可数可加性：两两不相容时⋃⋃⋃⋃n A A A 21++++=⋃⋃⋃⋃)()()()(2121n n A P A P A P A A A P 概率的性质：（1）P(Φ)＝0（2）有限可加性：两两不相容时n A A A ⋃⋃⋃ 21)()()()(2121n n A P A P A P A A A P +++=⋃⋃⋃ 当AB=Φ时P(A∪B)＝P(A)＋P(B)（3）)(1)(A P A P -=（4）P(A －B)＝P(A)－P(AB)（5）P （A ∪B ）＝P(A)＋P(B)－P(AB)第三节 古典概率模型1、设试验E 是古典概型,其样本空间Ω由n 个样本点组成,事件A 由k 个样本点组成.则定义事件A 的概率为nk A P =)(2、几何概率：设事件A 是Ω的某个区域，它的面积为 μ(A)，则向区域Ω上随机投掷一点，该点落在区域 A 的概率为)()()(Ω=μμA A P 假如样本空间Ω可用一线段，或空间中某个区域表示，则事件A 的概率仍可用上式确定，只不过把μ理解为长度或体积即可.第四节 条件概率条件概率：在事件B 发生的条件下，事件A 发生的概率称为条件概率，记作 P(A|B).)()()|(B P AB P B A P =乘法公式：P(AB)=P(B)P(A|B)＝P(A)P(B|A)全概率公式：设是一个完备事件组，则P(B)=∑P()P(B|)n A A A ,,,21 i A i A 贝叶斯公式：设是一个完备事件组,则n A A A ,,,21 ∑==)|()()|()()()()|(j j i i i i A B P A P A B P A P B P B A P B A P 第五节 事件的独立性两个事件的相互独立：若两事件A 、B 满足P(AB)= P(A) P(B)，则称A 、B 独立，或称A 、B 相互独立.三个事件的相互独立：对于三个事件A 、B 、C ，若P(AB)= P(A) P(B)，P(AC)= P(A)P(C)，P(BC)= P(B) P(C)，P(ABC)= P(A) P(B)P(C)，则称A 、B 、C 相互独立三个事件的两两独立：对于三个事件A 、B 、C ，若P(AB)= P(A) P(B)，P(AC)= P(A)P(C)，P(BC)= P(B) P(C)，则称A 、B 、C 两两独立独立的性质：若A 与B 相互独立，则与B ，A 与，与均相互独立A B A B 总结：1.条件概率是概率论中的重要概念，其与独立性有密切的关系，在不具有独立性的场合，它将扮演主要的角色。

概率知识点归纳整理总结概率基础知识1. 样本空间和事件概率论的基本概念是样本空间和事件。

样本空间是一个随机试验所有可能结果的集合，通常用Ω表示。

事件是样本空间的一个子集，表示随机试验的一些结果。

事件的概率描述了该事件发生的可能性有多大。

2. 概率的定义在样本空间Ω中，事件A包含n(A)个基本事件，概率P(A)定义为P(A)=n(A)/n(Ω)，即事件A的发生可能性是A包含的基本事件数目与样本空间的基本事件数目之比。

3. 概率的性质概率具有以下几个性质：（1）非负性：对于任意事件A，有0≤P(A)≤1；（2）规范性：样本空间的概率为1，即P(Ω)=1；（3）可列可加性：若事件A1，A2，A3，...两两互斥，则P(A1∪A2∪A3∪...)=P(A1)+P(A2)+P(A3)+...。

4. 条件概率条件概率是指在事件B已经发生的条件下，事件A发生的概率，表示为P(A|B)，其定义为P(A|B)=P(A∩B)/P(B)。

5. 独立事件两个事件A和B称为独立事件，当且仅当P(A∩B)=P(A)P(B)。

6. 贝叶斯定理贝叶斯定理是用来计算逆概率的定理，它表示为P(A|B)=P(B|A)P(A)/P(B)。

概率的应用1. 排列与组合排列和组合是概率论的一个重要应用。

排列是指从n个不同元素中取出m个元素进行排列的种数，用P(n,m)表示，其公式为P(n,m)=n!/(n-m)!。

组合是指从n个不同元素中取出m个元素进行组合的种数，用C(n,m)表示，其公式为C(n,m)=n!/(m!(n-m)!）。

2. 事件的独立性在概率论中，独立性是一个重要的概念。

事件A和事件B称为独立事件，如果P(A∩B)=P(A)P(B)，即事件A的发生与事件B的发生互不影响。

在实际应用中，很多情况下要求两个事件的独立性，以便于计算事情发生的可能性。

3. 随机变量随机变量是概率论中的一个重要概念，它是一个从样本空间到实数的映射。

随机变量可分为离散型和连续型两种。

概率论知识点总结概率论是数学中的一个重要分支，主要研究随机现象的规律性和概率分布。

在现实生活中，概率论广泛应用于统计学、金融、工程、生物学等领域。

下面将对概率论中的一些重要知识点进行总结。

一、基本概念1. 样本空间：随机试验所有可能结果的集合。

2. 随机事件：样本空间中的一个子集。

3. 概率：随机事件发生的可能性大小，用P(A)表示。

4. 事件的互斥与对立：互斥事件指两个事件不可能同时发生，对立事件指两个事件至少有一个发生。

二、概率的性质1. 非负性：概率值始终大于等于0。

2. 规范性：样本空间的概率为1。

3. 可数可加性：如果事件A和事件B互斥，则P(A∪B) = P(A) + P(B)。

4. 加法定理：P(A∪B) = P(A) + P(B) - P(A∩B)。

三、条件概率1. 定义：在事件B发生的条件下，事件A发生的概率。

2. 计算公式：P(A|B) = P(A∩B) / P(B)。

3. 乘法公式：P(A∩B) = P(A|B) * P(B) = P(B|A) * P(A)。

四、独立事件1. 定义：事件A发生与否不受事件B发生与否的影响。

2. 判别条件：P(A∩B) = P(A) * P(B)。

五、全概率公式与贝叶斯定理1. 全概率公式：设事件B1、B2、...、Bn为样本空间的一个划分，即B1∪B2∪...∪Bn = S，且P(Bi) > 0，有P(A) = ∑P(A|Bi) * P(Bi)。

2. 贝叶斯定理：在全概率公式的基础上，可以得到P(Bi|A) = P(A|Bi) * P(Bi) / ∑P(A|Bi) * P(Bi)。

六、随机变量与概率分布1. 随机变量：将数学状态与随机事件的结果联系起来的变量。

2. 离散型随机变量与连续型随机变量。

3. 概率分布：描述随机变量各个取值的概率情况。

4. 均匀分布、正态分布、泊松分布等。

七、大数定律与中心极限定理1. 大数定律：随着试验次数的增加，样本均值趋于总体均值。

概率论知识点总结归纳概率论是一门研究随机现象数量规律的数学学科，它在许多领域都有着广泛的应用，如统计学、物理学、工程学、经济学等。

下面将对概率论中的一些重要知识点进行总结归纳。

一、随机事件与概率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的事件。

例如，掷骰子出现的点数就是一个随机事件。

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。

3、事件的关系与运算包括包含、相等、和事件、积事件、差事件、互斥事件、对立事件等。

4、概率的定义概率是对随机事件发生可能性大小的度量。

概率的古典定义适用于等可能概型，几何概型则通过几何度量来计算概率。

5、概率的性质包括非负性、规范性和可加性。

二、条件概率与乘法公式1、条件概率在已知某个事件发生的条件下，另一个事件发生的概率称为条件概率。

2、乘法公式用于计算两个事件同时发生的概率。

三、全概率公式与贝叶斯公式1、全概率公式如果事件组构成一个完备事件组，那么对于任意一个事件，可以通过全概率公式计算其概率。

2、贝叶斯公式在已知结果的情况下，反推导致这个结果的某个原因的概率。

四、随机变量及其分布1、随机变量用来表示随机现象结果的变量。

2、离散型随机变量取值可以一一列举的随机变量，常见的离散型随机变量分布有二项分布、泊松分布等。

3、连续型随机变量取值充满某个区间的随机变量，其概率通过概率密度函数来描述。

常见的连续型随机变量分布有正态分布、均匀分布等。

五、期望与方差1、期望反映随机变量取值的平均水平。

2、方差描述随机变量取值的离散程度。

六、协方差与相关系数1、协方差衡量两个随机变量之间的线性关系程度。

2、相关系数是标准化后的协方差，取值范围在－1 到 1 之间。

七、大数定律与中心极限定理1、大数定律说明在大量重复试验中，随机变量的平均值趋近于其期望值。

2、中心极限定理当样本量足够大时，独立同分布的随机变量之和近似服从正态分布。

在学习概率论的过程中，需要理解各个概念的含义，掌握相关的公式和定理，并通过大量的练习来加深对知识点的理解和应用。

2024考研数学概率论重要考点总结概率论是数学的一个分支，研究随机现象的规律性和统计属性。

在2024年的考研数学中，概率论是一个重要的考点。

下面将总结一些2024考研数学概率论的重要考点。

1. 概率基本概念：- 随机试验和随机事件：随机试验是在相同条件下重复进行的试验，随机事件是随机试验可能出现的结果。

- 样本空间和事件：样本空间是随机试验所有可能结果的集合，事件是样本空间的子集。

- 概率和概率公理：概率是事件发生的可能性大小的度量，满足非负性、规范性和可列可加性的概率公理。

- 概率的性质：互斥事件的概率、必然事件和不可能事件的概率。

2. 条件概率和乘法公式：- 条件概率：条件概率是在已知某些信息的条件下，某个事件发生的概率。

- 独立事件：两个事件A和B相互独立，就是指事件A的发生与否不会对事件B的发生产生影响。

- 乘法公式：乘法公式是计算多个事件同时发生的概率的方法。

3. 全概率公式和贝叶斯公式：- 全概率公式：全概率公式是用来计算一个事件发生的概率的方法，通过将事件拆分为一系列互斥事件的并集来计算。

- 贝叶斯公式：贝叶斯公式是由全概率公式推导而来的，它可以根据已知的条件概率来计算逆条件概率。

4. 随机变量和概率分布：- 随机变量：随机变量是描述随机试验结果的数值函数。

- 离散随机变量和连续随机变量：离散随机变量的取值是有限的或可列的，连续随机变量的取值是无限的。

- 概率质量函数和概率密度函数：概率质量函数是描述离散随机变量概率分布的函数，概率密度函数是描述连续随机变量概率分布的函数。

- 期望和方差：期望是描述随机变量平均取值的指标，方差是描述随机变量取值的离散程度的指标。

5. 常见概率分布：- 二项分布：描述n次独立重复试验中成功次数的概率分布。

- 泊松分布：描述单位时间或单位空间内随机事件发生次数的概率分布。

- 正态分布：具有钟形曲线的概率分布，应用广泛。

6. 大数定律和中心极限定理：- 大数定律：大数定律指出，随着随机试验次数的增加，其结果的平均值趋近于数学期望。

概率1.随机事件的概率（1）必然事件：在一定条件下，必然会发生的事件；（2）不可能事件：在一定条件下，肯定不会发生的事件；（3）随机事件：在一定条件下，可能发生也可能不发生的事件.（4）随机事件的概率：对于给定的随机事件,A 在大量重复进行同一试验时，事件A 发生的频率n m会在某个常数附近摆动并趋于稳定，我们把这个常数常数称为随机事件A 的概率，记作).(A P 注：由定义可知,1)(0≤≤A P 必然事件的概率是1，不可能事件的概率是0.2.事件的关系与运算定义符号表示包含关系如果事件A 发生，则事件B 一定发生，这时称事件B 包含事件A (或称事件A 包含于事件B )B ⊇A (或A ⊆B )相等关系若A ⊆B 且B ⊆A A ＝B并事件(和事件)若某事件发生当且仅当事件A 发生或事件B 发生，称此事件为事件A 与事件B 的并事件(或和事件)A ∪B (或A ＋B )交事件(积事件)若某事件发生当且仅当事件A 发生且事件B 发生，则称此事件为事件A 与事件B 的交事件(或积事件)A ∩B (或AB )互斥事件若A ∩B 为不可能事件(A ∩B ＝∅)，则称事件A 与事件B 互斥A ∩B ＝∅对立事件若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A ∩B ＝∅，P(A)+P(B)=13.古典概型（列举法）（1）古典概型的两大特点：①所有的基本事件只有有限个；②每个基本事件的发生都是等可能的.（2）古典概型的概率计算公式：如果一次试验的等可能基本事件共有n 个，那么每一个等可能基本事件发生的概率都是.1n 如果某个事件A 包含了其中m 个等可能基本事件，那么事件A 发生的概率为.)(nmA P =例1-1【2020全国I 文】设O 为正方形ABCD 的中心，在D CB A O ,,,,中任选三点，则取到三点共线的概率为（）A.51B.52 C.21 D.54例1-2【2016全国I 文】为美化环境，从红、黄、白、紫4种颜色的花中任取2种花种在一个花坛中，余下的2种花种在另一个花坛中，则红色和紫色的花不在同一花坛的概率是（）A.31 B.21 C.32 D.65例1-3【2016江苏高考】将一颗质地均匀的骰子（一种各个面上分别标有1,2,3,4,5,6个点的正方体玩具）先后抛掷2次，则出现向上的点数之和小于10的概率是.答：1-1：A ；1-2：C；1-3：65.4.互斥事件和对立事件（1）互斥事件：不能同时发生的两个事件叫做互斥事件.一般地，如果事件n A A A ,,,21 中的任意两个都是互斥事件，则称事件n A A A ,,,21 彼此互斥.（2）互斥事件概率公式：如果事件B A ,互斥，那么事件B A +发生（注：B A +表示事件B A ,至少有一个发生）的概率，等于事件B A ,分别发生的概率的和，即).()()(B P A P B A P +=+推广：一般地，若n A A A ,,,21 彼此互斥，那么).()()()(2121n n A P A P A P A A A P +++=+++ 注：若A，B 不互斥，则).()()()(B A P B P A P B A P -+=（3）对立事件：如果两个互斥事件必有一个发生，那么称这两个事件为对立事件.事件A 的对立事件记为.A （4）对立事件的概率公式：).(1)(A P A P -=注：“至多”，“至少”的问题考虑反面（对立事件）往往比较简单.例2-1：某中学的学生积极参加体育锻炼，其中有96%的学生喜欢足球或游泳，60%的学生喜欢足球，82%的学生喜欢游泳，则该中学既喜欢足球又喜欢游泳的学生数占该校学生总数的比例是（）A.62% B.56% C.46% D.42%例2-2：将一枚骰子连续抛掷两次，至少有一次向上的点数为1的概率是.答：2-1：C；2-2：.36115.事件的独立性（1）条件概率：一般地，对于两个事件A 和,B 在已知事件B 发生的条件下事件A 发生的概率，称为事件B 发生的条件下事件A 的条件概率，记为).|(B A P 概率的乘法公式：).()|()(B P B A P AB P =注：事件AB 表示事件A 和事件B 同时发生.（2）事件的独立性①定义：一般地，若事件B A ,满足)()|(A P B A P =（即事件B 发生不影响事件A 发生的概率），则称事件B A ,独立.②性质：若事件B A ,相互独立，则事件A 与B ，A 与,B A 与B 都相互独立.③公式：事件B A ,相互独立的充要条件是).()()(B P A P AB P =④推广：若n A A A ,,,21 相互独立，则这n 个事件同时发生的概率为).()()()(2121n n A P A P A P A A A P =⑤区别：独立事件与互斥事件的根本区别在于是否能同时发生，如果不能那是互斥事件，如果能再满足)()()(B P A P AB P =则为独立事件.注：求条件概率的两个思路：思路一：缩减样本空间法计算条件概率，如求P (A |B )，可分别求出事件B ，AB 包含的基本事件的个数，再利用公式P (A |B )＝n (AB )n (B )计算；思路二：直接利用公式计算条件概率，即先分别计算出P (AB )，P (B )，再利用公式P (A |B )＝P (AB )P (B )计算.（3）全概率公式设n A A A ,,,21 是一组两两互斥的事件，,21Ω=n A A A 且,0)(>i A P ,,,2,1n i =则对任意的事件,Ω⊆B 有∑==ni i i A B P A P B P 1).|()()(我们称上面的公式为全概率公式.全概率公式是概率论中最基本的公式之一.6.离散型随机变量及其概率分布（1）随机变量：一般地，如果随机试验的结果可以用一个变量来表示，那么这样的变量叫做随机变量，通常用大写拉丁字母Z Y X ,,（或小写的希腊字母ξ，η，ζ）等表示，而用小写拉丁字母z y x ,,（加上适当下标）等表示随机变量可能的取值.（2）离散型随机变量的概率分布：一般地，假定随机变量X 有n 个不同的取值，它们分别是1x ，2x ，…，n x ，且()i i P X x p ==，1,2,,i n =⋅⋅⋅，①则称①为随机变量X 的概率分布列，简称为X 的分布列．也可以将①用表的形式来表示．X 1x 2x …nx P1p 2p …np 我们将表称为随机变量X 的概率分布表．它和①都叫做随机变量X 的概率分布．注：①),,2,1(0n i p i =≥；②121=+++n p p p ；③求随机变量的概率分布的步骤：1.确定X 的可能取值(1,2,)i x i =…；2.求出相应的概率()i i P X x p ==；3.列成表格的形式.7.常见离散型随机变量的概率分布（1）两点分布（0-1分布）若随机变量X 服从两点分布，即其分布列为X01P p-1p 则,)(p X E =).1()(p p X D -=（2）超几何分布一批产品共N 件，其中有M 件次品，任取n 件，其中恰有X 件次品，则事件}{r X=发生的概率为()r n r M N MnN C C P X r C --==，0,1,2,,r m = ，其中{}min ,m n M =，称X 服从超几何分布，记为),,,(~N M n H X 并将()r n r M N MnNC C P X r C --==记为).,,;(N M n r H X 01…mP00n M N Mn NC C C --11n M N Mn NC C C --…m n m M N Mn NC C C --则N nM X E =)(；)1())(()(2---=N N n N M N nM X D （了解）.8.二项分布（1）n 次独立重复试验（伯努利试验）一般地，由n 次试验构成，且每次试验相互独立完成，每次试验的结果仅有两种对立的状态，即A 和,A 每次试验中.0)(>=p A P 我们将这样的试验称为n 次独立重复试验，也称为伯努利试验.（2）二项分布一般地，在n 次独立重复试验中，设事件A 发生的次数为,X 在每次试验事件A 发生的概率均为,p 那么在n 次独立重复试验中，事件A 恰好发生k 次的概率为),2,1,0()1()(n k p p C k X P k n kk n =-==-.此时称随机变量X 服从参数为p n ,的二项分布，记作).,(~p n B X（3）均值与方差若),,(~p n B X 则np x E =)(，).1()(p np x V -=注：超几何分布与二项分布的区别与联系（1）区别：是否有放回是两个的本质区别，有放回是二项分布，无放回是超几何分布；（2）联系：当总体容量较大时如流水线上，也可以用二项分布近似超几何分布.9.离散型随机变量的均值与方差（1）一般地，若离散型随机变量X 的概率分布为X 1x 2x…nx P1p 2p …np 其中,1,,,2,1,021=+++=≥n i p p p n i p 则有如下公式1.均值（数学期望）：.)(2211n n p x p x p x X E ++==μ它反映了离散型随机变量取值的平．均水平．．．．注：对于连续型变量通常取“组中值”来代替i x 计算期望.2.方差：.)()()()(22221212n n p x p x p x X V μμμσ-++-+-== (方差也可以用V(x)表示），它刻画了随机变量X 与其均值E (X )的平均偏离程度．．．．．．.．3.标准差：.)(X V =σ注：随机变量的方差和标准差都反映了随机变量的取值偏离于均值的平均程度.方差或标准差越小，随机变量偏离于均值的平均程度就越小，稳定性就越好.（2）均值和方差的性质若随机变量b aX Y +=（b a ,为常数），则,)()(b X aE Y E +=).()(2X V a Y V =10.正态分布（1）正态曲线函数,21)(222)(σμπσ--=x e x f 其中实数μ和σ为参数(σ>0，μ∈R).我们称函数)(x f 的图象为正态分布密度曲线，简称正态曲线．（2）正态曲线的特点①曲线位于x 轴上方，与x 轴不相交；当x 无限增大时，曲线无限接近x 轴.②曲线是单峰的，它关于直线μ=x 对称；③曲线在μ=x 处达到峰值1σ2π；④曲线与x 轴之间的面积为1；⑤当σ一定时，曲线的位置由μ确定，曲线随着μ的变化而沿x 轴平移，如图甲所示；⑥当μ一定时，曲线的形状由σ确定，σ越小，曲线越“瘦高”，表示总体的分布越集中；σ越大，曲线越“矮胖”，表示总体的分布越分散，如图乙所示．（3）正态分布的定义及表示①若随机变量X 的概率分布密度函数为,21)(222)(σμπσ--=x e x f 则称随机变量X 服从正态分布，则记作),(~2σμN X ．其中，参数μ反映了正态分布的集中位置，σ反映了随机变量的分布相对于均值μ的离散程度，此时=)(X E μ，=)(X D 2σ.特别地，当10==σμ，时，称随机变量X 服从标准正态分布，记作X~N （0，1）.②若),,(~2σμN X 则如图所示，X 取值不超过)(x X P ≤为图中区域A 的面积，而)(b X a P ≤≤为区域B的面积.（4）正态总体在三个特殊区间内取值的概率值①P(μ－σ<X ≤μ＋σ)＝0.6826；②P(μ－2σ<X ≤μ＋2σ)＝0.9544；③P(μ－3σ<X ≤μ＋3σ)＝0.9974．注：在实际应用中，通常认为服从正态分布),(2σμN 的随机变量X 只取]3,3[σμσμ+-之间的值，这在统计学中称为σ3原则.在次区间以外取值的概率只有0.0026,通常认为这种情况几乎不可能发生.【解题规范】【2014江苏高考】盒中共有9个球，其中有4个红球，3个黄球和2个绿球，这些球除颜色外完全相同。

第1章随机事件及其概率（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（4）随机试验和随机事件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。

（5）基本事件、样本空间和事件在一个试验下，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。

（6）事件的关系与运算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BA⊂，AB⊃，则称事件A与事件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 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BA，它表示A发生而B不发生的事件。

2024考研数学概率论重要考点总结2024考研数学考试中的概率论部分是一个非常重要的考点，对于考生来说，掌握好概率论的相关知识点是非常关键的。

下面是2024考研数学概率论重要考点的总结，希望能够帮助到考生。

一、概率基本概念：1. 随机试验、样本空间、随机事件；2. 古典概型、几何概型、随机变量概型；3. 定义域、值域、事件域；4. 频率与概率的关系。

二、概率公理与概率的性质：1. 概率公理；2. 概率的性质（非负性、规范性、可列可加性）；3. 条件概率、乘法公式；4. 全概率公式、贝叶斯公式。

三、随机变量的概念：1. 随机变量的定义；2. 离散型随机变量与连续型随机变量；3. 离散型随机变量的概率分布律、累积分布函数；4. 连续型随机变量的概率密度函数、累积分布函数；5. 随机变量的数学期望、方差、标准差。

四、常见概率分布：1. 二项分布；2. 泊松分布；3. 均匀分布；4. 正态分布。

五、多维随机变量与联合分布：1. 二维随机变量的联合分布律、联合分布函数；2. 边缘分布；3. 条件分布。

六、独立性与随机变量的函数的分布：1. 独立性的概念；2. 独立随机变量的数学期望、方差；3. 独立连续型随机变量的函数的分布；4. 独立离散型随机变量的函数的分布。

七、大数定律与中心极限定理：1. 大数定律的概念与几种形式；2. 切比雪夫不等式；3. 中心极限定理的概念；4. 利用中心极限定理进行概率近似计算。

八、随机过程：1. 随机过程的概念；2. 马尔可夫性；3. 随机过程的平稳性。

九、统计量与抽样分布：1. 统计量的概念；2. 抽样分布与大样本正态分布近似；3. 正态总体均值与方差的推断。

以上就是2024考研数学概率论部分的重要考点总结，希望对考生有所帮助。

考生要多进行习题的练习和考点的整理与总结，提高自己的概率论水平，为考试做好准备。

祝考生取得好成绩！。

知识点第一章 随机事件与概率本章重点：随机事件的概率计算． 1．**事件的关系及运算 (1) A B ⊂(或B A ⊃)．(2) 和事件： A B ⋃； 12n A A A ⋃⋃⋃（简记为1nii A =）．(3) 积事件： AB ， 12n A A A ⋂⋂⋂（简记为12n A A A 或1nii A =)．(4) 互不相容：若事件A 和B 不能同时发生，即AB φ= (5) 对立事件： A ．(6) 差事件：若事件A 发生且事件B 不发生，记作A B -(或AB ) ．(7) 德摩根（De Morgan ）法则：对任意事件A 和B 有A B A B ⋃=⋂, A B A B ⋂=⋂.2． **古典概率的定义 古典概型：()A n A P A n ==Ω中所含样本点的个数中所含样本点的个数．几何概率()A P A =的长度（或面积、体积）样本空间的的长度（或面积、体积）·3．**概率的性质 (1) ()0P φ=．(2) (有限可加性) 设n 个事件1,2,,n A A A 两两互不相容，则有121()()nn i i P A A A P A =⋃⋃⋃=∑．(3)()1()P A P A =-．(4) 若事件A ，B 满足A B ⊂，则有()()()P B A P B P A -=-,()()P A P B ≤．(5) ()1P A ≤．(6) (加法公式) 对于任意两个事件A ，B ，有()()()()P A B P A P B P AB ⋃=+-.对于任意n 个事件1,2,,n A A A ，有111111()()()()(1)()nnn i i i j i j k ni i j ni j k ni P A P A P A A P A A A P AA -=≤<≤≤<<≤==-+-+-∑∑∑.4．**条件概率与乘法公式()(|)()P AB P A B P B =.乘法公式：()()(|)()(|)P AB P A P B A P B P A B ==.5．*随机事件的相互独立性事件A 与B 相互独立的充分必要条件一：()()()P AB P A P B =，事件A 与B 相互独立的充分必要条件二：(|)()P A B P A =．对于任意n 个事件1,2,,n A A A 相互独立性定义如下：对任意一个2,,k n =，任意的11k i i n ≤<<≤，若事件1,2,,n A A A 总满足 11()()()k k i i i i P A A P A P A =，则称事件1,2,,n A A A 相互独立．这里实际上包含了21n n --个等式．6．*贝努里概型与二项概率设在每次试验中，随机事件Ａ发生的概率()(01)P A p p =<<，则在n 次重复独立试验中．，事件Ａ恰发生k 次的概率为()(1),0,1,,k n k n n P k p p k nk -⎛⎫=-= ⎪⎝⎭，7．**全概率公式与贝叶斯公式 贝叶斯公式：如果事件1,2,,n A A A 两两互不相容，且1ni i A ==Ω，()0i P A >，1,2,,i n =，则1()(|)(|),1,2,,()(|)k k k niii P A P B A P A B k nP A P B A ===∑．第二章 一维随机变量及其分布本章重点：离散型和连续性随机变量的分布及其概率计算．概率论主要研究随机变量的统计规律，也称这个统计规律为随机变量的分布． 1．**离散型随机变量及其分布律(),1,2,,,.i i p P X a i n ===分布律也可用下列表格形式表示：2．*概率函数的性质 (1) 0i p ≥， 1,2,,,;i n =(2)11ii p∞==∑．3．*常用离散型随机变量的分布(1) 0—1分布(1,)B p ，它的概率函数为1()(1)i i P X i p p -==-，其中，0i =或1，01p <<．(2) 二项分布(,)B n p ，它的概率函数为()(1)i n in P X i p p i -⎛⎫==- ⎪⎝⎭，其中，0,1,2,,i n =，01p <<．(４)** 泊松分布()P λ，它的概率函数为()!iP X i e i λλ-==，其中，0,1,2,,,i n =，0λ>．．4．*二维离散型随机变量及联合概率二维离散型随机变量(,)X Y 的分布可用下列联合概率函数来表示：(,),,1,2,,i j ij P X a Y b p i j ====其中，0,,1,2,,1ij ijijp i j p≥==∑∑．5．*二维离散型随机变量的边缘概率 设(,)X Y 为二维离散型随机变量，ij p 为其联合概率（,1,2,i j =），称概率()(1,2,)i P X a i ==为随机变量X 的边缘分布律，记为i p 并有.(),1,2,i i ij jp P X a p i ====∑，称概率()(1,2,)j P Y b j ==为随机变量Y 的边缘分布率，记为.j p ，并有.j p =(),1,2,j ij iP Y b p j ===∑.6．随机变量的相互独立性 ．设(,)X Y 为二维离散型随机变量，X 与Y 相互独立的充分必要条件为,,1,2,.ij i j p p p i j ==对一切多维随机变量的相互独立性可类似定义．即多维离散型随机变量的独立性有与二维相应的结论．7．*随机变量函数的分布设X 是一个随机变量，()g x 是一个已知函数，()Y g X =是随机变量X 的函数，它也是一个随机变量．对离散型随机变量X ，下面来求这个新的随机变量Y 的分布．设离散型随机变量X 的概率函数为则随机变量函数Y g =的概率函数可由下表求得但要注意，若()i g a 的值中有相等的，则应把那些相等的值分别合并，同时把对应的概率i p 相加．第三章 连续型随机变量及其分布本章重点：一维及二维随机变量的分布及其概率计算,边缘分布和独立性计算． 1．*分布函数随机变量的分布可以用其分布函数来表示，．2．分布函数()F x 的性质 (1) 0()1;F x ≤≤(2) ()0,()1lim lim x x F x F x →-∞→+∞==;由已知随机变量X 的分布函数()F x ，可算得X 落在任意区间(,]a b 内的概率 ．3．联合分布函数二维随机变量(,)X Y 的联合分布函数． 4．联合分布函数的性质 (1) 0(,)1F x y ≤≤；(2)(,)0,(,)0lim lim x y F x y F x y →-∞→-∞==，(,)0,(,)1lim lim x x y y F x y F x y →-∞→+∞→-∞→+∞==；(3) 121222211211(,)(,)(,)(,)(,)P x X x y Y y F x y F x y F x y F x y <≤<≤=--+． 5．**连续型随机变量及其概率密度设随机变量X 的分布函数为()F x ，如果存在一个非负函数()f x ，使得对于任一实数x ，有()()F x P X x =<()()()P a X b F b F a ≤<=-(,)(,)F x y P X x Y x =<<()()xF x f x dx-∞=⎰成立，则称X 为连续型随机变量，函数()f x 称为连续型随机变量X 的概率密度． 6．**概率密度()f x 及连续型随机变量的性质 （１）()0;f x ≥ （２）()1f x dx +∞-∞=⎰；（３）()()F x f x '=；（4）设X 为连续型随机变量，则对任意一个实数c ，()0P X c ==； (5) 设()f x 是连续型随机变量X 的概率密度，则有()()()()P a X b P a X b P a X b P a X b <<=≤<=≤≤=<≤＝()baf x dx⎰．7．**常用的连续型随机变量的分布 (1) 均匀分布(,)R a b ，它的概率密度为1,;()0,a xb f x b a⎧<<⎪=-⎨⎪⎩其余. 其中，)a b -∞<<<+∞．(2) 指数分布()E λ，它的概率密度为,0;()0,x e x f x λλ-⎧>=⎨⎩其余. 其中，0λ>．(3) 正态分布2(,)N μσ，它的概率密度为22()2(),x f x x μσ--=-∞<<+∞，其中，,0μσ-∞<<+∞>，当0,1μσ==时，称(0,1)N 为标准正态分布，它的概率密度为22(),x f x x -=-∞<<+∞，标准正态分布的分布函数记作()x Φ，即22()t xx dt -Φ=⎰，当出0x ≥时，()x Φ可查表得到；当0x <时，()x Φ可由下面性质得到()1()x x Φ-=-Φ．设2~(,)X N μσ，则有()()x F x μσ-=Φ；()()()b a P a X b μμσσ--<≤=Φ-Φ．８．**二维连续型随机变量及联合概率密度对于二维随机变量(X ，Y)的分布函数(,)F x y ，如果存在一个二元非负函数(,)f x y ，使得对于任意一对实数(,)x y 有(,)(,)xyF x y f s t dtds-∞-∞=⎰⎰成立，则(,)X Y 为二维连续型随机变量，(,)f x y 为二维连续型随机变量的联合概率密度． ９．**二维连续型随机变量及联合概率密度的性质 (1) (,)0,,f x y x y ≥-∞<<+∞； (2)(,)1f x y dxdy +∞+∞-∞-∞=⎰⎰；’(3) 在(,)f x y 的连续点处有2(,)(,)F x y f x y x y ∂=∂∂;(4) 设(,)X Y 为二维连续型随机变量，则对平面上任一区域D 有((,))(,)DP X Y D f x y dxdy∈=⎰⎰．1０，**二维连续型随机变量(,)X Y 的边缘概率密度设(,)f x y 为二维连续型随机变量的联合概率密度，则X 的边缘概率密度为()(,)X f x f x y dy+∞-∞=⎰；Y 的边缘概率密度为()(,)Y f y f x y dx+∞-∞=⎰．11．常用的二维连续型随机变量 (1) 均匀分布如果(,)X Y 在二维平面上某个区域G 上服从均匀分布，则它的联合概率密度为1,(,)x y f x y G ⎧∈⎪=⎨⎪⎩，（)G;的面积0,其余. (2) 二维正态分布221212(,,,,)N μμσσρ 如果(,)X Y 的联合概率密度2211212221121()()()()1(,)22(1)x x y x f x y μμμμρρσσσσ⎧⎫⎡⎤----⎪⎪=--+⎨⎬⎢⎥-⎪⎪⎣⎦⎩⎭则称(,)X Y 服从二维正态分布，并记为221212(,)~(,,,,)X Y N μμσσρ.如果221212(,)~(,,,,)X Y N μμσσρ，则211~(,)X N μσ，222~(,)Y N μσ，即二维正态分布的边缘分布还是正态分布． 12．**随机变量的相互独立性 ．(,)()(),,X Y F x y F x F y x y =-∞<<+∞对一切，那么，称随机变量X 与Y 相互独立．设(,)X Y 为二维连续型随机变量，则X 与Y 相互独立的充分必要条件为(,)()(),X Y f x y f x f y =在一切连续点上.如果221212(,)~(,,,,)X Y N μμσσρ．那么，X 与Y 相互独立的充分必要条件是0ρ=．第四章 随机变量的数字特征本章重点：随机变量的期望。