武汉纺织大学概率论与数理统计总复习

概率统计期末知识点复习一、概率计算⒈事件的关系和运算⑴ 子事件(事件的包含)B A ⊂：若A 发生，则B 必然发生； ⑵ 相等事件A B =：B A ⊂且A B ⊃； ⑶ 并事件B A ：“,A B 中至少发生一个”； ⑷ 交（积）事件AB ：“,A B 都发生”； ⑸ 互不相容（互斥）事件:AB =∅； ⑹ 对立事件：若AB =Ω，且AB =∅，称B 为A 的对立事件，记为A B =．⑺ 差事件B A -：“A 发生，而B 不发生”． ⑻ 事件的运算律 ①交换律：A B B A =，AB BA =；②结合律：()()A B C A B C =，()()AB C A BC =； ③分配律：()A B C ACBC =，()()()AB C A C B C =；④摩根律：AB A B =，AB A B =．⒉概率计算的基本公式⑴非负性：设A 为任一随机事件，则0()1P A ≤≤． ⑵规范性：()1P Ω=，()0P ∅=． ⑶并事件概率计算公式：()()()()P AB P A P B P AB =+-；()()()()()()()()P A B C P A P B P C P AB P AC P BC P ABC =++---+．如果事件12,n A A A ,,两两互不相容，则1212()()()()n n P A A A P A P A P A =+++．⑷差事件概率计算公式：()()()()()P A B P AB P A AB P A P AB -==-=-； 若B A ⊂，则①()()()P A B P A P B -=-； ②()()P B P A ≤． ⑸对立事件概率计算公式：()1()P A P A =-．1A 2A 3A nA 21(|)P A A 1()P A 312(|)P A A A11(|)nnP A AA -B2A ∙1A nA 1()P A 2()P A ()n P A 1()P B A 2()P B A ()n P B A ⒊条件概率公式、乘法公式 ⑴条件概率：()P B A ．①公式法：()(),()0()P AB P B A P A P A =>；②代入法：改变样本空间直接计算．⑵乘法公式：()0P A >，有()()()P AB P A P B A =． 设12()0n P A A A >，2n ≥，则12()n P A A A 12131211()(|)(|)(|)-=n n P A P A A P A A A P A A A ．适用范围：链式结构⒋全概公式、逆概公式 ⑴全概率公式：1,,n A A 为一完备事件组，则1()()()ni i i P B P A P B A ==∑．适用范围：并列结构⑵贝叶斯公式(逆概公式):1()()()()()i i i nkkk P A P B A P A B P A P B A ==∑．⒌古典概型、几何概型、贝努里概型 ⑴古典概型：()A P A =事件所含样本点的个数所有样本点的个数．掌握简单的排列组合．⑵几何概型：()A P A =Ω的几何测度的几何测度，其中几何测度分别为长度或面积．对比均匀分布．⑶贝努里概型：在n 重贝努里试验中事件A 恰好发生k 次的概率为(1)kkn kn C p p --，其中0,1,2,,k n =，()p P A =，01p <<．对比二项分布．⒍事件的独立性⑴事件A 和B 相互独立的直观理解为事件A 和B 各自发生与否没有任何关系．并会根据实际问题判断事件A 和B 的独立性．⑵事件,A B 相互独立()()()P AB P A P B ⇔=(|)()(()0)P B A P B P A ⇔=>.⑶,,A B C 两两独立⇔()()(),()()(),()()().P AB P A P B P AC P A P C P BC P B P C =⎧⎪=⎨⎪=⎩⑷,,A B C 相互独立⇔,,()()()().A B C P ABC P A P B P C ⎧⎨=⎩两两独立,⑸独立性的有关结论：①设()0P B >，则事件A 和B 相互独立的充要条件为()()P A B P A =．②设,A B 为两个随机事件，如果A 和B 相互独立，则A 和B 相互独立；A 和B 相互独立； A 和B 也相互独立．③设,A B 为两个随机事件，且0()1P B <<，则A 和B 相互独立的充要条件为()()P A B P A B =．④如果随机事件12,,,n A A A 相互独立，则12,,,n A A A 的任一部分事件（至少两个事件）也相互独立．⑤如果随机事件12,,,n A A A 相互独立，则分别将i A 不变或换成i A 后所得事件仍相互独立．例如12,,,n A A A ，12,,,n A A A 等也分别相互独立．⑥如果随机事件1212,,,,,,,m n A A A B B B 相互独立，则由12,,,m A A A 组成的随机事件与由12,,,n B B B 组成的随机事件相互独立．⒎切比雪夫不等式（估计概率） 设μ=EX，2σ=DX ，则对任意的0ε>，有22{}1P X σμεε-<≥- 或22{}P X σμεε-≥≤．⒏利用分布计算概率⑴利用分布函数计算概率：①{}()()P a X b F b F a <≤=-，000{}()(0)P X x F x F x ==--等等． ②1212{,}<≤<≤P x X x y Y y 22211211(,)(,)(,)(,)F x y F x y F x y F x y =--+． ⑵利用分布律计算概率：①{}P X L ∈=i ix Lp ∈∑． ②(,){(,)}i j ij x y DP X Y D p ∈∈=∑．⑶利用密度函数计算概率：①{}{}P a X b P a X b <≤=≤≤{}P a X b =≤<{}P a X b =<<()b af x dx =⎰．②{(,)}(,)DP X Y D f x y dxdy ∈=⎰⎰．③00{}()X Y LP X L Y y f x y dx ∈==⎰；00{}()Y X LP Y L X x f y x dy ∈==⎰．二、随机变量的分布⒈分布函数及性质⑴一维随机变量的分布函数：(){},F x P X x x =≤-∞<<+∞． ⑵一维随机变量分布函数的性质：①0()1F x ≤≤； ②()0F -∞=，()1F +∞=； ③()F x 处处单调不减； ④()F x 处处右连续． ⑶二维随机变量的分布函数：(,){,}=≤≤F x y P X x Y y ，2(,)x y R ∈． ⑷二维随机变量分布函数的性质： ①0(,)1F x y ≤≤，其中2(,)x y R ∈；②(,)1,(,)(,)(,)0F F x F y F +∞+∞=-∞=-∞=-∞-∞=； ③(,)F x y 分别为关于变量x 和y 单调不减的函数； ④(,)F x y 分别关于变量x 和y 处处右连续． ⒉分布律及性质⑴一维离散型随机变量的分布律：{}i i P X x p ==，1,2,i =；或1212~i ix x x X p p p ⎛⎫⎪⎝⎭． ⑵一维离散型随机变量分布律的性质：①0i p ≥，1,2,i =； ②1iip=∑．⑶二维离散型随机变量的分布律：{,}i j ij P X x Y y p ===，1,2,,1,2,i j ==；或2j y121j p⑷二维离散型随机变量分布律的性质： ①0ij p ≥，1,2,,1,2,i j ==； ②1ijijp=∑∑．⒊密度函数及性质⑴一维连续型随机变量的密度()f x ：()f x 满足()()x F x f t dt -∞=⎰，x -∞<<+∞．⑵一维连续型随机变量密度函数的性质： ①()0,(,)f x x ≥∈-∞+∞； ②()1f x dx +∞-∞=⎰．⑶二维连续型随机变量的密度(,)f x y ：(,)f x y 满足(,)(,)x yF x y f u v dudv -∞-∞=⎰⎰，2(,)x y R ∈．⑷二维连续型随机变量密度函数的性质： ①(,)0≥f x y ，2(,)x y R ∈； ②(,)1f x y dxdy +∞+∞-∞-∞=⎰⎰．⒋常见分布及其数字特征⑴01-分布~(1,)X B p ：1{}(1)k k P X k p p -==-，0,1;,k EX p DX pq ===． ⑵二项分布(,)B n p ：{}(1),0,1,2,,,01kkn kn P X k C p p k n p -==-=<<；,EX np DX npq ==．应用背景．．：记X 为n 重贝努利试验中A 发生的次数．．,则(,)X B n p .⑶泊松分布()P λ：{},0,0,1,2,!kP X k e k k λλλ-==>=，EX DX λ==.⑷均匀分布~[,]X U a b ：1,,()0,a x b f x b a ⎧<<⎪=-⎨⎪⎩其它.()2,212b a a b EX DX -+==. ⑸指数分布()E λ：,0,()00,0.x e x f x x λλλ-⎧>=>⎨≤⎩,211,EX DX λλ==.⑹正态分布X ~),(2σμN：22()2()x f x μσ--=，x -∞<<+∞；2,EX DX μσ==.5．常见分布的性质⑴（了解）设随机变量12,,,n X X X 相互独立，且~(,),1,2,,i i X B n p i n =，则11~(,)nnii i i XB n p ==∑∑．特别地，设随机变量12,,,n X X X 相互独立，且~(1,),1,2,,i X B p i n =，则1~(,)nii XB n p =∑．反之，服从二项分布(,)B n p 的随机变量X 可以分解为n 个相互独立，且均服从(1,)B p 的随机变量12,,n X X X 之和．⑵（了解）设随机变量12,,,n X X X 相互独立，且~(),1,2,,i i X P i n λ=，则11~()nnii i i XP λ==∑∑．⑶（了解）设随机变量12,,,n X X X 相互独立，且~(),1,2,,i i X E i n λ=，则121min{,,,}~()nn i i X X X E λ=∑．⑷（了解）设随机变量12~[,]X U θθ，则12~[,](0)aX b U a b a b a θθ+++>；21~[,](0)aX b U a b a b a θθ+++<．⑸（了解）设二维随机变量(,)X Y 服从均匀分布，,,U aX bY V cX dY =+⎧⎨=+⎩且0ad bc -≠，则(,)U V 也服从均匀分布．⑹设随机变量2~(,)X N μσ，则22~(,)Y aX b N a b a μσ=++，其中0a ≠．特别地，~(0,1)X N μσ-．⑺设随机变量12,,,n X X X 相互独立，且2~(,),1,2,,i i i X N i n μσ=，12,,,n a a a 是不全为零的常数，则22111~(,)n n ni i i i i i i i i a X N a a μσ===∑∑∑．特别地，设随机变量12,,,n X X X 相互独立，且2~(,),1,2,,i X N i n μσ=，则211~(,)n i i X N n nσμ=∑． ⑻设二维随机变量(,)X Y 服从二维正态分布，,,U aX bY V cX dY =+⎧⎨=+⎩且0ad bc -≠，则(,)U V 也服从二维正态分布．⑼设二维随机变量221212(,)~(,,,,)X Y N μμσσρ，则X 和Y 相互独立⇔0ρ=．⒌边缘分布 ⑴离散型{}i ij jP X x p ==∑，1,2,i =；{}j ijiP Y y p==∑，1,2,j =．关于X 的边缘分布律可对表中的i j p 进行纵向求和即得；关于Y 的边缘分布律可对表中的i j p 进行横向求和即得．⑵连续型()(,)X f x f x y dy +∞-∞=⎰,x -∞<<+∞；()(,)Y f y f x y dx +∞-∞=⎰,y -∞<<+∞．()X f x 可通过在给定点x 处，),(y x f 的纵向积分（对y 从-∞到+∞积分）求得，()Y f y 可通过在给定点y 处，),(y x f 的横向积分（对x 从-∞到+∞积分）求得．⒍条件分布 ⑴离散型1212()~i jj ij j jjjx x x p p p X Y y p pp⎛⎫⎪= ⎪ ⎪⎝⎭；1212()~j ij i i i iiiy y y p Y X x p p p p p ⎛⎫⎪= ⎪ ⎪⎝⎭． ⑵连续型(,)()()X Y Y f x y f x y f y =，x -∞<<+∞；(,)()()Y X X f x y f y x f x =，y -∞<<+∞．⒎随机变量的独立性⑴随机变量X 和Y 相互独立的直观意义是指X 和Y 的各自取值情况没有任何关系． ⑵利用分布函数：(,)()()X Y F x y F x F y =． ⑶利用分布律：ij i j p p p =，1,2,,1,2,i j ==．⑷利用密度函数：(,)()()X Y f x y f x f y =． ⑸随机变量独立性的有关结论①设随机变量X 与Y 相互独立，则对任意实数集合12,L L ，有1212{,}{}{}P X L Y L P X L P Y L ∈∈=∈∈．②如果随机变量12(,,,)m X X X 和12(,,,)n Y Y Y 相互独立，,g h 分别为m 元连续函数和n 元连续函数，则随机变量12(,,,)m g X X X 与12(,,,)n h Y Y Y 也相互独立．特别地，设随机变量X 与Y 相互独立，(),()g x h y 是连续函数，则随机变量()g X 与()h Y 也相互独立．⒏随机变量函数的分布⑴离散型随机变量函数的分布可直接列表求得． ⑵连续型随机变量函数分布采用分布函数法①()Y g X =：先求()(){}{()}()Y X g x yF y P Y y P g X y f x dx ≤=≤=≤=⎰,②(,)Z g X Y =：先求(,)(){}{(,)}(,)Z g x y zF z P Z z P g X Y z f x y dxdy ≤=≤=≤=⎰⎰，然后对y 或z 进行讨论然后求导数.⑶熟记1max i i nM X ≤≤=和1min i i nN X ≤≤=的分布函数和密度函数公式.①若随机变量12,,,n X X X 相互独立，i X 的密度函数为()i f x ，分布函数为()i F x ，1,2,,i n =，则M 和N 的分布函数(),()M N F x F x 和密度函数(),()M N f x f x 分别为12(){}()()()M n F x P M x F x F x F x =≤=，()()M Mf x F x '=； ()()()12(){}1[1][1][1]N n F x P N x F x F x F x =≤=----，()()N Nf x F x '=． ②当12,,,n X X X 独立同分布时，()()i f x f x =，()()i F x F x =，1,2,,i n =，则 ()[()]n M F x F x =，1()[()]()n M f x n F x f x -=；()1[1()]n N F x F x =--，1()[1()]()n N f x n F x f x -=-．⒐数字特征计算⑴数学期望(均值)：①一维随机变量函数的数学期望：1(),(())()().i i i g x p E g X g x f x dx ∞=+∞-∞⎧⎪=⎨⎪⎩∑⎰注: 2,()EX E X 为其特例．②二维随机变量函数的数学期望：11(,),((,))(,)(,).i j i j i j g x y p E g X Y g x y f x y dxdy ∞∞==+∞+∞-∞-∞⎧⎪⎪=⎨⎪⎪⎩∑∑⎰⎰注: 22,(),,(),()EX E X EY E Y E XY 为其特例．⑵方差：222()()()DX E X EX E X EX =-=-．⑶协方差：ov(,)[()()]()C X Y E X EX Y EY E XY EXEY =--=-．⑷相关系数：XY ρ=．⑸数字特征的性质（见教材）． ⑹不相关：①若0XY ρ=，称X 与Y 不相关；X 与Y 不相关的直观意义指X 与Y 没有线性关系． ②X 与Y 不相关ov(,)0C X Y ⇔=()D X Y DX DY ⇔±=+()E XY EXEY ⇔=．③设221212(,)~(,,,,)X Y N μμσσρ，则X 与Y 的相关系数XY ρρ=．④设221212(,)~(,,,,)X Y N μμσσρ，则X 和Y 相互独立⇔0ρ=⇔X 与Y 不相关．⑤如果X 与Y 相互独立，且X 与Y 的相关系数XY ρ存在，则X 与Y 不相关．反之未必．⒑中心极限定理的应用 ⑴设12,,n X X X 独立同分布，且2,0i i EX DX μσ==≠(1,2,)i =，则当n 充分大（30n ≥）时，有21~(,)nii XN n n μσ=∑近似．⑵设~(,)X B n p ，则当n 充分大（30n ≥）时，~(,(1))X N np np p -近似．三、计算过程中需要分段讨论的几种类型与方法⒈已知X 的分布律，求X 的分布函数()F x ．三个特征： ⑴分1n +段；⑵每段上，将概率逐次累加（初始值为0，终值为1）； ⑶每个区间为左闭右开． ⒉已知X 的密度函数()f x （分段函数），求X 的分布函数()F x ． ⑴分1n +段；⑵每段上，将()f x 在(,]x -∞上积分；⑶由于()F x 为连续函数，故每个区间为开闭均可．⒊已知(,)X Y 的密度函数(,)f x y （分段函数），求X 的分布函数(,)F x y ． ⑴结合(,)F x y 的原理图和(,)f x y 特征图，将全平面分若干块； ⑵每块上，将(,)f x y 在区域(,](,]x y D -∞⨯-∞上积分．⒋连续型随机变量函数的分布⑴一维连续型随机变量函数()Y g X =的分布函数()Y F y ：①先确定()Y g X =取值范围；例如m Y M ≤≤，其中,m M 为实数，则采用三段式讨论．②当y m <时，()0Y F y =．③当m y M <≤时，利用定积分()()()Y X g x yF y f x dx ≤=⎰计算．④当y M ≥时，()1Y F y =．⑤当m =-∞或M =+∞或其它情况时，还可能采用两段式或四段式讨论等． ⑥若Y 为连续型随机变量，则Y 的密度函数()()Y Y f y F y '=． ⑵二维连续型随机变量函数(,)Z g X Y =的分布函数()Z F z ：①确定(,)Z g X Y =的取值范围；例如m Z M ≤≤，其中,m M 为实数，则采用三段式讨论．②当z m <时，()0Z F z =．③当m z M <≤时，利用二重积分(,)()(,)Z g x y zF z f x y dxdy ≤=⎰⎰计算．④当z M ≥时，()1Z F z =．⑤当m =-∞或M =+∞或其它情况时，还可能采用两段式或四段式讨论等． ⑥若Z 为连续型随机变量，则Z 的密度函数()()Z Z f z F z '=． ⒌二维连续型随机变量(,)X Y 的边缘密度 ⑴()(,)X f x f x y dy +∞-∞=⎰，x -∞<<+∞．①作出),(y x f 的特征图．②用垂直直线x m =和x M =将D 夹住． ③当x m <或x M >时，()0X f x =． ④当m x M ≤≤时，()(,)X f x f x y dy +∞-∞=⎰．⑤当m =-∞或M =+∞或其它情况时，也可能采用其它方式讨论． ⑵()(,)Y f y f x y dx +∞-∞=⎰,y -∞<<+∞．①作出),(y x f 的特征图．②用水平直线y m =和y M =将D 夹住． ③当y m <或y M >时，()0Y f y =． ④当m y M ≤≤时，()(,)Y f y f x y dx +∞-∞=⎰．⑤当m =-∞或M =+∞或其它情况时，也可能采用其它方式讨论．四、数理统计的基础知识⒈总体X ，样本12(,,,)n X X X 和观察值的概念．关注简单随机样本的独立性和代表性．⒉常用统计量：样本均值∑==n i i X n X 11，样本方差2211()1n i i S X X n ==--∑， 顺序统计量*11min i i nX X ≤≤=，*1max n i i nX X ≤≤=．⒊常见分布⑴正态分布：见概率论中的内容． ⑵2χ分布：设12(,,,)n X X X 为来自总体~(0,1)X N 的一个样本，就称统计量22222121ni ni X X X X ===+++∑χ服从自由度为n 的2χ分布，记作)(~22n χχ． ①设)(~22n χχ，则2()E n =χ，2()2D n =χ． ②设~(0,1)X N ，则22~(1)X χ．③设22~()i i n χχ，1,2i =，且2212,χχ相互独立，则2221212~()n n ++χχχ．⑶ t 分布：设随机变量~(0,1)X N ，2~()Y n χ，且X 与Y 相互独立，就称T =服从自由度为n 的t 分布，记作)(~n t T ．⑷F 分布：设随机变量)(~12n X χ，)(~22n Y χ，且X 与Y 相互独立，就称21n Y n X F =服从第一自由度为1n ，第二自由度为2n 的F 分布，记作),(~21n n F F ． ①如果~()T t n ，则2~(1,)T F n ． ②如果12~(,)F F n n ，则211~(,)F n n F． ⒋上侧分位点p x ：{},{}1p p P X x p P X x p ≥≥≤≥-． 如U α，2()t n α，21()n αχ-，2121(,)Fn n α-等等（下标为该点处右侧的面积）． 注意：1U U αα-=-，1()()t n t n αα-=-，112211(,)(,)F n n F n n αα-=．⒌单正态总体2~(,)X N μσ中X 和2S 的分布（其中12(,,,)n X X X 为样本）： ⑴2~(,)X N nσμ，或nX /σμ-~)1,0(N ；⑵nS X /μ-～)1(-n t ；⑶2212()()nii Xn μχσ=-∑；⑷222122()(1)(1)nii XX n Sn χσσ=--=-∑,且X 与2S 相互独立．五、参数估计⒈点估计 ⑴矩估计：①原理：用样本矩估计理论矩．②方法：建立方程（组）11()n rr i i X E X n ==∑，1,2,r =，解出θ，得θ的矩估计θ．⑵最大似然估计：①原理：概率最大的事件最有可能出现． ②方法：构造似然函数)(L θ=12)(,,,;n L x x x θ（似然函数体现了样本12(,,,)n X X X 出现的概率大小），求似然函数L 的最大值点，即为θ的极大使然估计θ． ③步骤：第一步：写出似然函数)(L θ．如果连续型总体X 的密度函数为(;)f x θ，则1()(;)n i i L f x θθ==∏．如果离散型总体X 的分布律为(;)p x θ，则1()(;)ni i L p x θθ==∏． 第二步：取对数ln )(L θ，并令ln 0)(d d L θθ=，或ln 0)(i L θθ∂=∂，1,2,,i k =，建立方程(组)．如果从中解得惟一驻点θˆ，则θˆ即为θ的最大似然估计； 第三步：如果上述方程无解，则通过单调性的讨论，在某边界点处，求出θ的最大似然估计量θˆ． ⒉估计量的评价标准⑴无偏性：如果E θθ=，就称θ为θ的无偏估计．主要结论有：①如果总体X 的数学期望EX 存在，则X 是μ的无偏估计，即E X μ=． ②如果总体X 的方差DX 存在，则2S 是2σ的无偏估计，即22()E S σ=．③设估计量12ˆˆˆ,,m θθθ均为θ的无偏估计，12,,,m c c c 为常数，且11mi i c ==∑，则1ˆmi i i c θ=∑仍为θ的无偏估计．注意：即使ˆθ为θ的无偏估计，而ˆ()g θ未必为．．．()g θ的无偏估计． ⑵（较）有效性：设21ˆ,ˆθθ均为θ的无偏估计，如果12ˆˆD D θθ<，就称1ˆθ比2ˆθ有效．⑶一致性（相合性）：设ˆθ为θ的估计量，如果对任意的0ε>，均有ˆl i m {}1n P θθε→∞-<=，就称θˆ为θ的一致估计量或相合估计量． ⒊单正态总体2(,)N μσ中2,σμ的区间估计⑴2σ已知，μ的置信度1α-的置信区间为22X u X u αα⎛⎫-+ ⎝． ⑵2σ未知，求μ的置信度为1α-的置信区间为2(X t n α⎛⎫±- ⎝． ⑶2σ的置信度为1α-的置信区间为2222122(1)(1),(1)(1)n Sn S n n ααχχ-⎛⎫-- ⎪ ⎪-- ⎪⎝⎭． 六、假设检验⒈假设检验的有关概念了解假设检验的背景，假设的提法，假设检验中的反证法思想，假设检验的基本原理，显著性检验，双侧检验和单侧检验等相关内容．⒉假设检验的两类错误⒊假设检验的四个步骤⑴根据给定的问题，建立假设检验问题01(,)H H ． ⑵根据检验问题01(,)H H 及条件，选择检验统计量12(,,,)n g X X X ．当0H 为成立时，确定该统计量12(,,,)n g X X X 的分布．⑶根据显著性水平α，确定临界值和原假设0H 的拒绝域W ． ⑷通过样本值12(,,,)n x x x ，计算统计量12(,,,)n g X X X 的值12(,,,)n g x x x ．若12(,,,)n g x x x W ∈，则拒绝0H ，否则接受0H ．⒋单正态总体中均值和方差的假设检验。

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。

第一章 随机事件及其概率知识点：概率的性质 事件运算 古典概率事件的独立性 条件概率 全概率与贝叶斯公式常用公式)()()()()()2(加法定理AB P B P A P B A P -+= ),,()()(2111有限可加性两两互斥设n ni i ni i A A A A P A P ∑===),(0)()()()()(互不相容时独立时与B A AB P B A B P A P AB P ==)()()()()5(AB P A P B A P B A P -==-)()()()()(时当A B B P A P B A P B A P ⊂-==-))0(,,()()/()()()6(211>Ω=∑=i n ni i i A P A A A A B P A P B P 且的一个划分为其中全概率公式 ),,()](1[1)(2111相互独立时n ni i n i i A A A A P A P ∏==--=)/()()/()()()4(B A P B P A B P A P AB P ==)(/)()/()3(A P AB P A B P =)()/()()/()()/()7(1逆概率公式∑==ni iii i i A B P A P A B P A P B A P )(/)()(/)()1(S L A L AP nr A P ==应用举例1、已知事件,A B 满足)()(B A P AB P =，且6.0)(=A P ，则=)(B P （ ）。

2、已知事件,A B 相互独立，,)(k A P =6.0)(,2.0)(==B A P B P ，则=k （ ）。

3、已知事件,A B 互不相容，,3.0)(=A P ==)(,5.0)(B A P B P 则（ ）。

4、若,3.0)(=A P===)(,5.0)(,4.0)(B A B P B A P B P （）。

5、,,A B C 是三个随机事件，C B ⊂，事件()A C B -与A 的关系是（ ）。

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。

【最新整理，下载后即可编辑】第一章 随机事件及其概率知识点：概率的性质 事件运算 古典概率事件的独立性 条件概率 全概率与贝叶斯公式常用公式应用举例1、已知事件,A B 满足)()(B A P AB P =，且6.0)(=A P ，则=)(B P （ ）。

2、已知事件,A B 相互独立，,)(k A P =6.0)(,2.0)(==B A P B P ，则=k )()()()()()2(加法定理AB P B P A P B A P -+= ),,()()(2111有限可加性两两互斥设n ni i ni i A A A A P A P ∑===),(0)()()()()(互不相容时独立时与B A AB P B A B P A P AB P ==)()()()()5(AB P A P B A P B A P -==-)()()()()(时当A B B P A P B A P B A P ⊂-==-))0(,,()()/()()()6(211>Ω=∑=i n ni i i A P A A A A B P A P B P 且的一个划分为其中全概率公式 ),,()](1[1)(2111相互独立时n ni i n i i A A A A P A P ∏==--=)/()()/()()()4(B A P B P A B P A P AB P ==)(/)()/()3(A P AB P A B P =)()/()()/()()/()7(1逆概率公式∑==ni i i i i i A B P A P A B P A P B A P )(/)()(/)()1(S L A L A P nr A P ==（ ）。

3、已知事件,A B 互不相容，,3.0)(=A P ==)(,5.0)(B A P B P 则（ ）。

4、若,3.0)(=A P ===)(,5.0)(,4.0)(B A B P B A P B P （ ）。

概率论与数理统计复习提纲概率论与数理统计总复习第⼀讲随机事件及其概率⼀随机事件，事件间的关系及运算 1.样本空间和随机事件 2.事件关系,运算和运算律⑴事件的关系和运算⑶运算律:交换律,结合律,分配律；对偶律: B A B A ?=?,B A B A ?=?；⼆概率的定义和性质 1.公理化定义(P7)2.概率的性质(P8.五个) ⑴)(1)(A P A P -=；⑵)()()()(AB P B P A P B A P -+=?；3.古典概型和⼏何概型4.条件概率 )()()|(A P AB P A B P =三常⽤的计算概率的公式1.乘法公式 )()()()()(B A P B P A B P A P AB P ==2.全概率公式和贝叶斯公式(P17-20.) 四事件的独⽴性1.定义:A 和B 相互独⽴ )()(B P A B P =或)()()(B P A P AB P ?=，2.贝努利试验在n 重贝努利试验中，事件=k A {A 恰好发⽣k 次})0(n k ≤≤的概率为：k n nk n k p p C A P --=)1()(第⼆讲随机变量及其概率分布⼀随机变量及其分布函数1.随机变量及其分布函数 )()(x X P x F ≤=)(+∞<<-∞x2.分布函数的性质(P35.四个)⑴0)(lim =-∞→x F x ；1)(lim =+∞→x F x ；(常⽤来确定分布函数中的未知参数)⑵)()()(a F b F b X a P -=≤<(常⽤来求概率) ⼆离散型随机变量及其分布律1.分布律2.常⽤的离散型分布三连续型随机变量 1.密度函数 ?∞-=xdt t f x F )()(2.密度函数的性质(P39.七个) ⑴1)(=?+∞∞-dx x f ；（常⽤来确定密度函数中的参数）⑵?=≤adx x f b X a P )()(；（计算概率的重要公式）⑶对R x ∈?，有0)(==c X P (换⾔之,概率为0的事件不⼀定是不可能事件). 3.常⽤连续型分布重点:正态分布:)0,(21)(22)(>=--σσµσπσµ都是常数，x ex f标准正态分布)1,0(N :2221)(x ex -=π四随机变量函数的分布1.离散情形设X 的分布律为则)(X g Y =的分布律为2.连续情形设X 的密度函数为)(x f X ,若求)(X g Y =的密度函数,先求Y 的分布函数,再通过对其求导,得到Y 的密度函数。