概率论与数理统计复习要点知识点doc

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》第一章 概率论的基本概念§2．样本空间、随机事件1．事件间的关系 B A ⊂则称事件B 包含事件A ，指事件A 发生必然导致事件B 发生B }x x x { ∈∈=⋃或A B A 称为事件A 与事件B 的和事件，指当且仅当A ，B 中至少有一个发生时，事件B A ⋃发生B }x x x { ∈∈=⋂且A B A 称为事件A 与事件B 的积事件，指当A ，B 同时发生时，事件B A ⋂发生B }x x x { ∉∈=且—A B A 称为事件A 与事件B 的差事件，指当且仅当A 发生、B 不发生时，事件B A —发生φ=⋂B A ，则称事件A 与B 是互不相容的，或互斥的，指事件A 与事件B 不能同时发生，基本事件是两两互不相容的且S =⋃B A φ=⋂B A ，则称事件A 与事件B 互为逆事件，又称事件A 与事件B 互为对立事件2．运算规则 交换律A B B A A B B A ⋂=⋂⋃=⋃结合律)()( )()(C B A C B A C B A C B A ⋂=⋂⋃⋃=⋃⋃ 分配律 )()B (C A A C B A ⋃⋂⋃=⋂⋃）（ ))(()( C A B A C B A ⋂⋂=⋃⋂ 徳摩根律B A B A A B A ⋃=⋂⋂=⋃ B —§3．频率与概率定义 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n n A 称为事件A 发生的频率概率：设E 是随机试验，S 是它的样本空间，对于E 的每一事件A 赋予一个实数，记为P （A ），称为事件的概率 1．概率)(A P 满足下列条件：（1）非负性：对于每一个事件A 1)(0≤≤A P （2）规范性：对于必然事件S 1)S (=P（3）可列可加性：设n A A A ,,,21 是两两互不相容的事件，有∑===nk kn k kA P A P 11)()( （n 可以取∞）2．概率的一些重要性质： （i ） 0)(=φP（ii ）若n A A A ,,,21 是两两互不相容的事件，则有∑===nk kn k kA P A P 11)()(（n 可以取∞）（iii ）设A ，B 是两个事件若B A ⊂，则)()()(A P B P A B P -=-，)A ()B (P P ≥ （iv ）对于任意事件A ，1)(≤A P（v ）)(1)(A P A P -= （逆事件的概率）（vi ）对于任意事件A ，B 有)()()()(AB P B P A P B A P -+=⋃§4等可能概型（古典概型）等可能概型：试验的样本空间只包含有限个元素，试验中每个事件发生的可能性相同 若事件A包含k个基本事件，即}{}{}{2]1k i i i e e e A =，里个不同的数，则有中某，是，，k k n 2,1i i i ,21 ()中基本事件的总数包含的基本事件数S }{)(1j A n k e P A P kj i ===∑=§5．条件概率（1） 定义：设A,B 是两个事件，且0)(>A P ，称)()()|(A P AB P A B P =为事件A 发生的条件下事件B 发生的条件概率（2） 条件概率符合概率定义中的三个条件1。

《概率论与数理统计》第一章 概率论的基本概念§2．样本空间、随机事件1．事件间的关系 则称事件B 包含事件A ，指事件A 发生必然导致事件B 发生B A ⊂ 称为事件A 与事件B 的和事件，指当且仅B}x x x { ∈∈=⋃或A B A 当A ，B 中至少有一个发生时，事件发生B A ⋃称为事件A 与事件B 的积事件，指当B}x x x { ∈∈=⋂且A B A A ，B 同时发生时，事件发生B A ⋂ 称为事件A 与事件B 的差事件，指当且仅B}x x x { ∉∈=且—A B A 当A 发生、B 不发生时，事件发生B A —，则称事件A 与B 是互不相容的，或互斥的，指事件A 与事φ=⋂B A 件B 不能同时发生，基本事件是两两互不相容的，则称事件A 与事件B 互为逆事件，又称事件且S =⋃B A φ=⋂B A A 与事件B 互为对立事件2．运算规则 交换律A B B A A B B A ⋂=⋂⋃=⋃ 结合律)()( )()(C B A C B A C B A C B A ⋂=⋂⋃⋃=⋃⋃分配律)()B (C A A C B A ⋃⋂⋃=⋂⋃）（ ))(()( C A B A C B A ⋂⋂=⋃⋂徳摩根律BA B A A B A ⋃=⋂⋂=⋃ B —§3．频率与概率定义 在相同的条件下，进行了n 次试验，在这n 次试验中，事件A 发生的次数称为A n 事件A 发生的频数，比值称为事件A 发生的频率n n A 概率：设E 是随机试验，S 是它的样本空间，对于E 的每一事件A 赋予一个实数，记为P （A ），称为事件的概率1．概率满足下列条件：)(A P （1）非负性：对于每一个事件A 1)(0≤≤A P （2）规范性：对于必然事件S 1)S (=P（3）可列可加性：设是两两互不相容的事件，有n A A A ,,,21 （可以取）∑===nk k n k k A P A P 11)()( n ∞2．概率的一些重要性质：（i ）0)(=φP （ii ）若是两两互不相容的事件，则有（可以取）n A A A ,,,21 ∑===nk knk kA P A P 11)()(n ∞（iii ）设A ，B 是两个事件若，则，B A ⊂)()()(A P B P A B P -=-)A ()B (P P ≥（iv ）对于任意事件A ，1)(≤A P （v ） （逆事件的概率）)(1)(A P A P -=（vi ）对于任意事件A ，B 有)()()()(AB P B P A P B A P -+=⋃§4等可能概型（古典概型）等可能概型：试验的样本空间只包含有限个元素，试验中每个事件发生的可能性相同若事件A 包含k 个基本事件，即，里}{}{}{2]1k i i i e e e A =个不同的数，则有中某，是，，k k n 2,1i i i ,21 ()中基本事件的总数包含的基本事件数S }{)(1j A n k e P A P kj i ===∑=§5．条件概率（1）定义：设A,B 是两个事件，且，称为事件A 发生的0)(>A P )()()|(A P AB P A B P =条件下事件B 发生的条件概率（2）条件概率符合概率定义中的三个条件1。

概率论与数理统计期末复习重要知识点第二章知识点：1.离散型随机变量：设X 是一个随机变量，如果它全部可能的取值只有有限个或可数无穷个，则称X 为一个离散随机变量。

2.常用离散型分布：（1）两点分布（0-1分布）：若一个随机变量X 只有两个可能取值，且其分布为12{},{}1(01)P X x p P X x pp ====-<<，则称X 服从12,x x 处参数为p 的两点分布。

两点分布的概率分布：12{},{}1(01)P X x p P X x pp ====-<<两点分布的期望：()E X p =；两点分布的方差：()(1)D X p p =-（2）二项分布：若一个随机变量X 的概率分布由式{}(1),0,1,...,.k kn k n P x k C p p k n -==-=给出，则称X 服从参数为n,p 的二项分布。

记为X~b(n,p)(或B(n,p)). 两点分布的概率分布：{}(1),0,1,...,.k kn k n P x k C p p k n -==-=二项分布的期望：()E X np =；二项分布的方差：()(1)D X np p =-（3）泊松分布：若一个随机变量X 的概率分布为{},0,0,1,2,...!kP X k ek k λλλ-==>=，则称X 服从参数为λ的泊松分布，记为X~P (λ)泊松分布的概率分布：{},0,0,1,2,...!kP X k ek k λλλ-==>=泊松分布的期望：()E X λ=；泊松分布的方差：()D X λ=4.连续型随机变量：如果对随机变量X 的分布函数F(x)，存在非负可积函数()f x ，使得对于任意实数x ，有(){}()xF x P X x f t dt-∞=≤=⎰，则称X 为连续型随机变量，称()f x 为X 的概率密度函数，简称为概率密度函数。

5.常用的连续型分布：（1）均匀分布：若连续型随机变量X 的概率密度为⎪⎩⎪⎨⎧<<-=其它,0,1)(bx a a b x f ，则称X 在区间（a,b ）上服从均匀分布，记为X~U(a,b)均匀分布的概率密度：⎪⎩⎪⎨⎧<<-=其它,0,1)(b x a a b x f 均匀分布的期望：()2a bE X +=；均匀分布的方差：2()()12b a D X -= （2）指数分布：若连续型随机变量X 的概率密度为00()0xe xf x λλλ-⎧>>=⎨⎩，则称X 服从参数为λ的指数分布，记为X~e (λ)指数分布的概率密度：00()0xe xf x λλλ-⎧>>=⎨⎩指数分布的期望：1()E X λ=；指数分布的方差：21()D X λ=（3）正态分布：若连续型随机变量X的概率密度为22()2()x f x x μσ--=-∞<<+∞则称X 服从参数为μ和2σ的正态分布，记为X~N(μ,2σ)正态分布的概率密度：22()2()x f x x μσ--=-∞<<+∞正态分布的期望：()E X μ=；正态分布的方差：2()D X σ=（4）标准正态分布：20,1μσ==，2222()()x t xx x e dtϕφ---∞=⎰标准正态分布表的使用： （1）()1()x x x φφ<=--（2）~(0,1){}{}{}{}()()X N P a x b P a x b P a x b P a x b b a φφ<≤=≤≤=≤<=<<=-（3）2~(,),~(0,1),X X N Y N μμσσ-=故(){}{}()X x x F x P X x P μμμφσσσ---=≤=≤={}{}()()a b b a P a X b P Y μμμμφφσσσσ----<≤=≤≤=-定理1： 设X~N(μ,2σ),则~(0,1)X Y N μσ-=6.随机变量的分布函数： 设X 是一个随机变量，称(){}F x P X x =≤为X 的分布函数。

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 ======U IIU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 ,,21Λ，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》第一章 概率论的基本概念§2．样本空间、随机事件1．事件间的关系 B A ⊂则称事件B 包含事件A ，指事件A 发生必然导致事件B 发生B }x x x { ∈∈=⋃或A B A 称为事件A 与事件B 的和事件，指当且仅当A ，B 中至少有一个发生时，事件B A ⋃发生B }x x x { ∈∈=⋂且A B A 称为事件A 与事件B 的积事件，指当A ，B 同时发生时，事件B A ⋂发生B }x x x { ∉∈=且—A B A 称为事件A 与事件B 的差事件，指当且仅当A 发生、B 不发生时，事件B A —发生φ=⋂B A ，则称事件A 与B 是互不相容的，或互斥的，指事件A 与事件B 不能同时发生，基本事件是两两互不相容的且S =⋃B A φ=⋂B A ，则称事件A 与事件B 互为逆事件，又称事件A 与事件B 互为对立事件2．运算规则 交换律A B B A A B B A ⋂=⋂⋃=⋃结合律)()( )()(C B A C B A C B A C B A ⋂=⋂⋃⋃=⋃⋃ 分配律 )()B (C A A C B A ⋃⋂⋃=⋂⋃）（ ))(()( C A B A C B A ⋂⋂=⋃⋂ 徳摩根律B A B A A B A ⋃=⋂⋂=⋃ B —§3．频率与概率定义 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n n A 称为事件A 发生的频率概率：设E 是随机试验，S 是它的样本空间，对于E 的每一事件A 赋予一个实数，记为P （A ），称为事件的概率 1．概率)(A P 满足下列条件：（1）非负性：对于每一个事件A 1)(0≤≤A P （2）规范性：对于必然事件S 1)S (=P（3）可列可加性：设n A A A ,,,21 是两两互不相容的事件，有∑===nk kn k kA P A P 11)()( （n 可以取∞）2．概率的一些重要性质： （i ） 0)(=φP（ii ）若n A A A ,,,21 是两两互不相容的事件，则有∑===nk kn k kA P A P 11)()(（n 可以取∞）（iii ）设A ，B 是两个事件若B A ⊂，则)()()(A P B P A B P -=-，)A ()B (P P ≥ （iv ）对于任意事件A ，1)(≤A P（v ）)(1)(A P A P -= （逆事件的概率）（vi ）对于任意事件A ，B 有)()()()(AB P B P A P B A P -+=⋃§4等可能概型（古典概型）等可能概型：试验的样本空间只包含有限个元素，试验中每个事件发生的可能性相同 若事件A包含k个基本事件，即}{}{}{2]1k i i i e e e A =，里个不同的数，则有中某，是，，k k n 2,1i i i ,21 ()中基本事件的总数包含的基本事件数S }{)(1j A n k e P A P kj i ===∑= §5．条件概率（1） 定义：设A,B 是两个事件，且0)(>A P ，称)()()|(A P AB P A B P =为事件A 发生的条件下事件B 发生的条件概率（2） 条件概率符合概率定义中的三个条件1。

《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》第一章概率论的基本概念§ 2 •样本空间、随机事件1•事件间的关系A B 则称事件B包含事件A，指事件A发生必然导致事件B发生A」B ={x x^A或X E B}称为事件A与事件B的和事件，指当且仅当A , B中至少有一个发生时，事件A B发生A cB ={x X W A且X E B}称为事件A与事件B的积事件，指当A , B 同时发生时，事件AB发生A —B ={x x乏A且x世B}称为事件A与事件B的差事件，指当且仅当A发生、B不发生时，事件A —B发生A' B =:，则称事件A与B是互不相容的，或互斥的，指事件A与事件B不能同时发生，基本事件是两两互不相容的A B = S且A・B二•，则称事件A与事件B互为逆事件，又称事件A与事件B互为对立事件2•运算规则交换律A B = B A A - B = B * A结合律(A B) 一C = A 一(B 一C) (A - B)C = A(B - C)分配律A _( B ' C)二(A 一B厂(A 一C)A 一(B C) =(A 一B)(A 一C)徳摩根律A = A - B A - B = A B§ 3 .频率与概率定义在相同的条件下，进行了n次试验，在这n次试验中，事件A发生的次数n A称为事件A发生的频数，比值n A：n称为事件A发生的频率概率：设E是随机试验，S是它的样本空间，对于E的每一事件A赋予一个实数，记为P( A), 称为事件的概率1 •概率P(A)满足下列条件：(1)非负性：对于每一个事件 A 0乞P(A)乞1(2)规范性：对于必然事件S P(S) =1n n(3)可列可加性：设A I,A2,…，A n是两两互不相容的事件，有P( A k)八• P(A k )(n可k」k二以取：：)2.概率的一些重要性质:(i) P( ) =0n nP( A k)二二P(A k) ( n可以取：：) (ii )若A, A?,…，A n是两两互不相容的事件，则有k 4 k 4(iii )设A, B 是两个事件若A B，贝U P(B _ A) =P(B) _ P(A) , P(B) _ P(A)(iv)对于任意事件A, P(A) <1(v)P(A j=1—P(A) (逆事件的概率)(vi)对于任意事件A, B 有P(A 一B)二P(A) P(B) - P(AB)§ 4等可能概型(古典概型)等可能概型：试验的样本空间只包含有限个元素，试验中每个事件发生的可能性相同若事件A包含k 个基本事件，即AhgjUgziU-Ugk},里i i, i2,…,i k是1,2,…n中某k个不同的数，则有/ f \ k A包含的基本事件数P(A) = 卫「二$中基本事件的总数§ 5.条件概率(1)定义：设A,B是两个事件，且P(A) 0，称P(B|A)二为事件A发生的条P(A)件下事件B发生的条件概率(2)条件概率符合概率定义中的三个条件1。

《概率论与数理统计》第一章 概率论的基本概念§2．样本空间、随机事件1．事件间的关系 B A ⊂则称事件B 包含事件A ，指事件A 发生必然导致事件B 发生B }x x x { ∈∈=⋃或A B A 称为事件A 与事件B 的和事件，指当且仅当A ，B 中至少有一个发生时，事件B A ⋃发生B }x x x { ∈∈=⋂且A B A 称为事件A 与事件B 的积事件，指当A ，B 同时发生时，事件B A ⋂发生B }x x x { ∉∈=且—A B A 称为事件A 与事件B 的差事件，指当且仅当A 发生、B 不发生时，事件B A —发生φ=⋂B A ，则称事件A 与B 是互不相容的，或互斥的，指事件A 与事件B 不能同时发生，基本事件是两两互不相容的且S =⋃B A φ=⋂B A ，则称事件A 与事件B 互为逆事件，又称事件A 与事件B 互为对立事件2．运算规则 交换律A B B A A B B A ⋂=⋂⋃=⋃结合律)()( )()(C B A C B A C B A C B A ⋂=⋂⋃⋃=⋃⋃ 分配律 )()B (C A A C B A ⋃⋂⋃=⋂⋃）（ ))(()( C A B A C B A ⋂⋂=⋃⋂ 徳摩根律B A B A A B A ⋃=⋂⋂=⋃ B —§3．频率与概率定义 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n n A 称为事件A 发生的频率概率：设E 是随机试验，S 是它的样本空间，对于E 的每一事件A 赋予一个实数，记为P （A ），称为事件的概率 1．概率)(A P 满足下列条件：（1）非负性：对于每一个事件A 1)(0≤≤A P （2）规范性：对于必然事件S 1)S (=P（3）可列可加性：设n A A A ,,,21 是两两互不相容的事件，有∑===nk kn k kA P A P 11)()( （n 可以取∞）2．概率的一些重要性质： （i ） 0)(=φP（ii ）若n A A A ,,,21 是两两互不相容的事件，则有∑===nk kn k kA P A P 11)()(（n 可以取∞）（iii ）设A ，B 是两个事件若B A ⊂，则)()()(A P B P A B P -=-，)A ()B (P P ≥ （iv ）对于任意事件A ，1)(≤A P（v ）)(1)(A P A P -= （逆事件的概率）（vi ）对于任意事件A ，B 有)()()()(AB P B P A P B A P -+=⋃§4等可能概型（古典概型）等可能概型：试验的样本空间只包含有限个元素，试验中每个事件发生的可能性相同 若事件A包含k个基本事件，即}{}{}{2]1k i i i e e e A =，里个不同的数，则有中某，是，，k k n 2,1i i i ,21 ()中基本事件的总数包含的基本事件数S }{)(1j A n k e P A P kj i ===∑=§5．条件概率（1） 定义：设A,B 是两个事件，且0)(>A P ，称)()()|(A P AB P A B P =为事件A 发生的条件下事件B 发生的条件概率（2） 条件概率符合概率定义中的三个条件1。

概率论与数理统计期末复习重要知识点第二章知识点：1.离散型随机变量：设X 是一个随机变量，如果它全部可能的取值只有有限个或可数无穷个，则称X 为一个离散随机变量。

2.常用离散型分布：（1）两点分布（0-1分布）：若一个随机变量X 只有两个可能取值，且其分布为12{},{}1(01)P X x p P X x pp ====-<<，则称X 服从12,x x 处参数为p 的两点分布。

两点分布的概率分布：12{},{}1(01)P X x p P X x pp ====-<<两点分布的期望：()E X p =；两点分布的方差：()(1)D X p p =-（2）二项分布：若一个随机变量X 的概率分布由式{}(1),0,1,...,.k kn k n P x k C p p k n -==-=给出，则称X 服从参数为n,p 的二项分布。

记为X~b(n,p)(或B(n,p)).两点分布的概率分布：{}(1),0,1,...,.k k n kn P x k C p p k n -==-= 二项分布的期望：()E X np =；二项分布的方差：()(1)D X np p =-（3）泊松分布：若一个随机变量X 的概率分布为{},0,0,1,2,...!kP X k ek k λλλ-==>=，则称X 服从参数为λ的泊松分布，记为X~P (λ)泊松分布的概率分布：{},0,0,1,2,...!kP X k ek k λλλ-==>=泊松分布的期望：()E X λ=；泊松分布的方差：()D X λ=4.连续型随机变量：如果对随机变量X 的分布函数F(x)，存在非负可积函数()f x ，使得对于任意实数x ，有(){}()xF x P X x f t dt-∞=≤=⎰，则称X 为连续型随机变量，称()f x 为X 的概率密度函数，简称为概率密度函数。

5.常用的连续型分布：（1）均匀分布：若连续型随机变量X 的概率密度为⎪⎩⎪⎨⎧<<-=其它,0,1)(bx a a b x f ，则称X 在区间（a,b ）上服从均匀分布，记为X~U(a,b)均匀分布的概率密度：⎪⎩⎪⎨⎧<<-=其它,0,1)(b x a a b x f 均匀分布的期望：()2a bE X +=；均匀分布的方差：2()()12b a D X -= （2）指数分布：若连续型随机变量X 的概率密度为00()0xe xf x λλλ-⎧>>=⎨⎩，则称X 服从参数为λ的指数分布，记为X~e (λ)指数分布的概率密度：00()0xe xf x λλλ-⎧>>=⎨⎩指数分布的期望：1()E X λ=；指数分布的方差：21()D X λ=（3）正态分布：若连续型随机变量X的概率密度为2()2()x f x x μσ--=-∞<<+∞则称X 服从参数为μ和2σ的正态分布，记为X~N(μ,2σ)正态分布的概率密度：22()2()x f x x μσ--=-∞<<+∞正态分布的期望：()E X μ=；正态分布的方差：2()D X σ=（4）标准正态分布：20,1μσ==，2222()()x t xx x e dtϕφ---∞=⎰标准正态分布表的使用： （1）()1()x x x φφ<=--（2）~(0,1){}{}{}{}()()X N P a x b P a x b P a x b P a x b b a φφ<≤=≤≤=≤<=<<=-（3）2~(,),~(0,1),X X N Y N μμσσ-=故(){}{}()X x x F x P X x P μμμφσσσ---=≤=≤={}{}()()a b b a P a X b P Y μμμμφφσσσσ----<≤=≤≤=-定理1： 设X~N(μ,2σ),则~(0,1)X Y N μσ-=6.随机变量的分布函数： 设X 是一个随机变量，称(){}F x P X x =≤为X 的分布函数。

《概率论与数理统计》复习概要第一章随机事件与概率1．事件的关系ABAB AB A B A AB2．运算规则（1）A B B A AB BA（2）(A B)CA(BC)(AB)CA(BC)（3）(A B)C(AC)(BC)(AB)C(AC)(BC)（4）A B AB AB A B3．概率P(A)知足的三条公义及性质：（1）0P(A)1（2）P()1（3）对互不相容的事件n n（n能够取）A1,A2,,A n，有P(A k)P(A k)k1k1（4）P()0（5）P(A)1P(A)（6）P(A B)P(A)P(AB)，若A B，则P(B A)P(B)P(A)，P(A)P(B)（7）P(A B)P(A)P(B)P(AB)8）P(ABC)P(A)P(B)P(C)P(AB)P(AC)P(BC)P(ABC)4．古典概型：基本领件有限且等可能5．几何概率6．条件概率（1）定义：若P(B)0，则P(A|B)P(AB)P(B)（2）乘法公式：P(AB)P(B)P(A|B)若B1,B2,B n为齐备事件组，P(B i)0，则有（3）全概率公式：P(A)nP(B i)P(A|B i) i1（4）Bayes公式：P(B k)P(A|B k)P(B k|A) nP(B i)P(A|B i)i17．事件的独立性： A,B独立P(AB)第二章随机变量与概率散布1．失散随机变量：取有限或可列个值，（3）对随意D R，P(XD)p ii:x i D P(A)P(B) （注意独立性的应用）P(Xx i)p i知足（1）p i0，（2）p i=1i2．连续随机变量：拥有概率密度函数f(x)，知足（1）f(x)0,f(x)dx1；-（2）b；（）对随意a R，P(XP(aX b)f(x)dx a)03a3．几个常用随机变量数学期名称与记号散布列或密度方差望两点散布B(1,p)P(X1)p，P(X0)q1p二项式散布C n k p k q nk,kP(X k)0,1,2,n，B(n,p)Poisson散布P()几何散布G(p)平均散布U(a,b)f(x)1,a x b，b a指数散布E()正态散布N(,2)4．散布函数F(x) P(X x)，拥有以下性质（1）F()0,F()1；（2）单一非降；（3）右连续；（4）P(a X b)F(b)F(a)，特别P(Xa)1F(a)；（5）对失散随机变量，F(x)p i；i:x i x（6）对连续随机变量，F(x)xf(x)连续点上，f(t)dt为连续函数，且在F'(x)f(x)5．正态散布的概率计算以(x)记标准正态散布N(0,1)的散布函数，则有（1）(0)；（2）(x)1(x)；（3）若X~N(,2)，则F(x)(x)；（4）以u记标准正态散布N(0,1)的上侧分位数，则P(Xu)1(u) 6．随机变量的函数Y g(X)（1）失散时，求Y的值，将同样的概率相加；（2）X连续，g(x)在X的取值范围内严格单一，且有一阶连续导数，则f Y(y) f X(g1(y))|(g1(y))'|，若不但一，先求散布函数，再求导。

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 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()()()()+∑+∑-∑=≤<<≤≤<≤=n k j i k j i n j i j i n i 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)=()()()()()()∑==n i 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()()()()k k i i 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 k k 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}=()k n 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)(x x 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 e x 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 e x 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∞--x t 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(z α)=1-α , z 1- α= -z α.四.随机变量X 的函数Y= g (X)的分布1.离散型随机变量的函数若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 k y 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 j ij p 1 .3. (X,Y)的(X 和Y 的联合)分布函数F(x,y)=∑∑≤≤x x y y 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)=⎰⎰∞-∞-y xdudv 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),(=⎰⎰∞∞-∞∞-dxdy 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 },{j i j i p y Y x X P ==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 2 D(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),}{},{•=====i j i i j i p p x X P y Y x X P2.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) 2/125.X 服从参数为θ的指数分布 θ θ26.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 X X 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 k i k X X n B 1)(1( k=1,2,…) 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=n Y 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,n S 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 n2 Y S 22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⎪⎩⎪⎨⎧===),,,(),,,(),,,(2121222111kk 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 ,…,X n 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∧∧∧k θθθ,,,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 =∂∂iL θ (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.二.区间估计1.求参数θ的置信水平为1-α的双侧置信区间的步骤(1)寻找样本函数W=W(X 1 ,X 2 ,…,X n ,θ),其中只有一个待估参数θ未知,且其分布完全确定.(2)利用双侧α分位点找出W 的区间(a,b),使P{a<W <b}=1-α.(3)由不等式a<W<b 解出θθθ<<则区间(θθ,)为所求.2.单个正态总体待估参数 其它参数 W 及其分布 置信区间 μ σ2已知 n X σμ-~N (0,1) (2/ασz n X ±) μ σ2未知n S X μ-~ t (n-1) )1((2/-±n t n S X α σ2 μ未知22)1(σS n -~ χ2(n-1) ))1()1(,)1()1((22/1222/2-----n S n n S n ααχχ 3.两个正态总体(1)均值差μ 1-μ 2 其它参数 W 及其分布 置信区间已知2221,σσ 22212121)(n n Y X σσμμ+--- ~ N(0,1) )(2221212n n z Y X σσα+±-未知22221σσσ== 212111)(n n S Y X w +---μμ～t(n 1+n 2-2) )11)2((21212n n S n n t Y X w +-+±-α 其中S w 等符号的意义见第六章二. 3 (2)③. (2) μ 1,μ 2未知, W=22212221σσS S ~ F(n 1-1,n 2-1),方差比σ12/σ22的置信区间为 ))1,1(1,)1,1(1(212/12221212/2221----⋅-n n F S S n n F S S αα 注意:对于单侧置信区间,只需将以上所列的双侧置信区间中的上(下)限中的下标α/2改为α,另外的下(上)限取为-∞ (∞)即可.。

《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）BAAB 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）BA 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 P 3．几个常用随机变量名称与记号分布列或密度数学期望方差两点分布),1(p B p X P ==)1(，pq X P -===1)0(p pq 二项式分布),(p n B n k q p C k X P kn k k n ,2,1,0,)(===-，npnpqPoisson 分布)(λP,2,1,0,!)(===-k k e k X P kλλλλ几何分布)(p G,2,1 ,)(1===-k p qk X P k p 12p q 均匀分布),(b a U b x a a b x f ≤≤-= ,1)(，2b a +12)(2a b -指数分布)(λE 0,)(≥=-x e x f x λλλ121λ正态分布),(2σμN 222)(21)(σμσπ--=x ex f μ2σ4．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。