第一章P(A+B)=P(A)+P(B)- P(AB) 特别地，当A 、B 互斥时，P(A+B)=P(A)+P(B) 条件概率公式概率的乘法公式全概率公式：从原因计算结果Bayes 公式：从结果找原因第二章)()()|(B P AB P B A P =)|()()(B A P B P AB P =)|()(A B P A P =∑==nk k k B A P B P A P 1)|()()(∑==nk kki i k B A P B P B A P B P A B P 1)|()()|()()|(∑≤==≤=xk k X P x X P x F )()()(1),(0≤≤y x F },{),(y Y x X P y x F ≤≤=二项分布（Bernoulli 分布）——X~B(n,p)泊松分布——X~P(λ)概率密度函数怎样计算概率均匀分布X~U(a,b)指数分布X~Exp (θ)),...,1,0()1()(n k p p C k X P k n k k n =-==-，,...)1,0(!)(===-k e k k X P k，λλ1)(=⎰+∞∞-dx x f )(b X a P ≤≤⎰=≤≤badx x f b X a P )()()0(1)(/≥=-x e x f x θ)(1)(b x a ab x f ≤≤-=分布函数 对离散型随机变量对连续型随机变量分布函数与密度函数的重要关系：二元随机变量及其边缘分布 分布规律的描述方法联合密度函数 联合分布函数联合密度与边缘密度⎰∞-=≤=xdt t f x X P x F )()()(⎰∞-=≤=xdt t f x X P x F )()()(),(y x f ),(y x F 0),(≥y x f 1),(=⎰⎰+∞∞-+∞∞-dxdy y x f ⎰+∞∞-=dy y x f x f X ),()()()('x f x F =离散型随机变量的独立性连续型随机变量的独立性第三章 数学期望离散型随机变量，数学期望定义连续型随机变量，数学期望定义● E(a)=a ，其中a 为常数● E(a+bX)=a+bE(X)，其中a 、b 为常数 ● E(X+Y)=E(X)+E(Y)，X 、Y 为任意随机变量随机变量g(X)的数学期望⎰+∞∞-=dx y x f y f Y ),()(}{}{},{j Y P i X P j Y i X P =====)()(),(y f x f y x f Y X =∑+∞-∞=⋅=k kkP xX E )(⎰+∞∞-⋅=dxx f x X E )()(∑=kkk p x g X g E )())((常用公式方差 定义式常用计算式∑∑=ijiji p x X E )(dxdy y x xf X E ⎰⎰=),()()()()(Y E X E Y X E +=+∑∑=ijijj i p y x XY E )(dxdy y x xyf XY E ⎰⎰=),()()()()(,Y E X E XY E Y X =独立时与当()⎰+∞∞-⋅-=dx x f X E x X D )()()(2[]22)()()(X E X E X D -=常用公式当X 、Y 相互独立时：方差的性质D(a)=0，其中a 为常数D(a+bX)=b2D(X)，其中a 、b 为常数 当X 、Y 相互独立时，D(X+Y)=D(X)+D(Y) 协方差与相关系数协方差的性质))}())(({(2)()()(Y E Y X E X E Y D X D Y X D --++=+)()()(Y D X D Y X D +=+)()()(),(Y E X E XY E Y X Cov -=)()(),(Y D X D Y X Cov XY=ρ[][]{})()()()()(Y E X E XY E Y E Y X E X E -=--())()()(),(22X D X E X E X X Cov =-=),(),(Y X abCov bY aX Cov =独立与相关 独立必定不相关 相关必定不独立 不相关不一定独立 第四章 正态分布标准正态分布的概率计算 标准正态分布的概率计算公式)()()(a a Z P a Z P Φ=<=≤)(1)()(a a Z P a Z P Φ-=>=≥)()()(a b b Z a P Φ-Φ=≤≤1)(2)()()(-Φ=-Φ-Φ=≤≤-a a a a Z a P 一般正态分布的概率计算),(),(),(Z Y Cov Z X Cov Z Y X Cov +=+),(~2σμN X 222)(21)(σμσπ--=x e x f 2)(,)(σμ==X D X E )(1)(a a -Φ-=Φ)1,0(~),(~2N X Z N X σμσμ-=⇔一般正态分布的概率计算公式第五章卡方分布t 分布F 分布 )()()(σμ-Φ=<=≤a a X P a X P )(1)()(σμ-Φ-=>=≥a a X P a X P )()()(σμσμ-Φ--Φ=≤≤a b b X a P )(~)1,0(~212n X N X ni i χ∑=，则若())(~1),,(~21222n Y N Y ni iχμσσμ∑=-则若),(~//),(~),(~21212212n n F n V n U n V n U 则若χχ则若),(~),1,0(~2n Y N X χ)(~/n t nY X正态总体条件下 样本均值的分布：样本方差的分布：两个正态总体的方差之比第六章点估计：参数的估计值为一个常数 矩估计 最大似然估计似然函数均值的区间估计——大样本结果),(~2nN X σμ)1,0(~/N nX σμ-)1(~)1(222--n S n χσ)1(~/--n t ns X μ)1,1(~//2122212221--n n F S S σσ);(1θi ni x f L ∏==);(1θi ni x p L ∏==⎪⎫⎛z x σα/—正态总体方差的区间估计⎪⎪⎭⎫ ⎝⎛-±n p p z p )1(2/α正态分布的分位点—大样本要求样本容量—样本比例—2/)50(αz n np >已知准差小样本、正态总体、标σ⎪⎭⎫ ⎝⎛±n z x σα2/未知准差小样本、正态总体、标σ⎪⎭⎫ ⎝⎛-±n s n t x )1(2/α分布的分位点的自由度为—t n n t 1)1(2/--α()22)1()1(--Sn Sn 样本方差—22S两个正态总体均值差的置信区间大样本或正态小样本且方差已知两个正态总体方差比的置信区间第七章假设检验的步骤① 根据具体问题提出原假设H0和备择假设H1② 根据假设选择检验统计量，并计算检验统计值③ 看检验统计值是否落在拒绝域，若落在拒绝域则拒绝原假设，否则就不拒绝原假设。
