概率论与数理统计_7.3置信区间

概率论与数理统计公式整理在现代数学中，概率论与数理统计是两个重要的分支。

其中概率论是研究随机事件发生的可能性或概率的科学。

而数理统计则是利用概率论的方法，对已经发生的随机事件进行统计分析和推断。

本文将整理概率论与数理统计中常用的公式。

一、基本概率公式1.概率：$P(A)=\frac{n(A)}{n(S)}$其中，$P(A)$表示事件$A$发生的概率，$n(A)$表示事件$A$所包含的基本事件的个数，$n(S)$表示所有基本事件的个数。

2.加法原理：$P(A\cup B)=P(A)+P(B)-P(A\cap B)$其中，$A$和$B$是两个事件，$A\cup B$表示事件$A$和事件$B$中至少有一个发生的概率，$A\cap B$表示两个事件同时发生的概率。

3.条件概率：$P(B|A)=\frac{P(A\cap B)}{P(A)}$其中，$P(B|A)$表示在事件$A$发生的条件下，事件$B$发生的概率。

4.乘法定理：$P(A\cap B)=P(A)P(B|A)$其中，$P(A\cap B)$表示两个事件同时发生的概率，$P(B|A)$表示在事件$A$发生的条件下，事件$B$发生的概率。

二、概率分布1.离散随机变量的概率分布律：$\sum\limits_{i=1}^{+\infty}{p(x_i)}=1$其中，$p(x_i)$表示离散随机变量取值为$x_i$的概率。

2.连续随机变量的概率密度函数：$\int_{-\infty}^{+\infty}{f(x)}\mathrm{d}x=1$其中，$f(x)$表示连续随机变量在$x$处的概率密度。

3.数学期望：$E(x)=\sum\limits_{i=1}^{+\infty}{x_ip(x_i)}$或$E(x)=\int_{-\infty}^{+\infty}{xf(x)}\mathrm{d}x$其中，$E(x)$表示随机变量$x$的数学期望，$p(x_i)$表示$x_i$这一离散随机变量取到的带权概率。

概率论与数理统计智慧树知到课后章节答案2023年下安阳工学院安阳工学院第一章测试1.当事件与同时发生时，事件必发生，则下列结论正确的是（）A: B: C: D:答案:2.已知=（）A:0.1 B:0.5 C:0.2 D:0.3答案:0.53.设事件与满足，则（）A: B: C:是必然事件 D:答案:4.设是两个互斥事件，且则结论正确的是（）A: B: C: D:答案:5.设三个事件两两独立，则相互独立的充要条件是（）A: B: C: D:答案:6.关于独立性，下列说法错误的是（）A:若相互独立，则相互独立 B:若相互独立，相互独立，相互独立，则相互独立C:若相互独立，则其中的任意事件仍然相互独立 D:若相互独立，则它们之中的任意多个事件换成其对立事件后仍然相互独立答案:若相互独立，相互独立，相互独立，则相互独立7.已知则下列结论正确的是（）A:事件互斥 B:事件相互独立 C: D:答案:事件相互独立8.某人投篮命中率为，直到投中为止，则投篮次数为4的概率为（）A: B: C: D:答案:9.从0—9中任意选取三个数字，能“组成只有两位数字相同的三位数”的个数是243个。

（）A:错 B:对答案:对10.若事件满足相互独立关系，则。

（）A:对 B:错答案:对第二章测试1.设随机变量服从参数为50和的二项分布，则近似服从参数为（）的泊松分布。

A:10 B:1 C: D:50答案:12.设随机变量，则的概率密度（）。

A: B: C: D:答案:3.设随机变量的概率密度为是的分布函数，则对任意实数，有（）A: B: C: D:答案:4.设随机变量，则随着的增大，概率将会（）A:单调增 B:不变 C:不能确定 D:单调减答案:不变5.,则（）A:相互独立 B:对立 C: D:答案:6.设为连续随机变量，则 0。

（）A:对 B:错答案:对7.A:对 B:错答案:错8.设为连续随机变量，则（其中为一实数）。

（）A:错 B:对答案:对9.随机变量，且相互独立，则随机变量～。

—习题解答●7.1— 7.1 假设总体X服从参数为??的泊松分布，nXXX21??是来自总体X的简单随机样本，X是样本均值，2S是样本方差，对于任意实数??，证明12SXE是??的无偏估计量．熟知，对于任何总体，样本均值X是总体数学期望的无偏估计量，样本方差2S是总体方差的无偏估计量；对于泊松分布的总体，数学期望和方差都等于分布参数??，因此．11122SXSXEEE 7.2 设总体X服从参数为??的泊松分布；21nXXX??是来自X的简单随机样本，求2??的无偏估计量．熟知XXDE．设X为样本均值，则．，2222221nnXnXnXXXEEDE 由此可见2??的无偏估计量为．XnX12?? 7.3 设21mXXX??是来自正态总体2NX的简单随机样本，统计量1121niiiXXkD 是总体方差2??的无偏估计量，求常数k．由条件知：222XE．由于统计量D是总体方差2??的无偏估计量，则．22112221112211121122222 nkkXXXXkXXkDniniiiiiniiiEEE 由此可见121nk．7.4 总体2??aNX2??bNY；基于分别来自总体X和Y的两个相互独立的简单随机样本21mXXX??和21nYYY??，得样本均值X和Y及样本方差2xS和2yS；证明总体X和Y的联合样本方差1121222yxxySnSmnmS 是总体X和Y的共同方差2??的无偏估计量，并且计算其方差．熟知，对于任意总体，样本方差2xS和2yS都是2??的无偏估计量，可见22221121yxxySnSmnmSE，—习题解答●7.2—即联合样本方差2xyS是2??的无偏估计量．由正态总体的抽样分布，知2222 xySnm?? 服从自由度为2 nm＝??的2??分布；而自由度为??的2??变量的方差等于2??：事实上，设??UUU21??是独立标准正态分布随机变量，则服从自由度为??的2??分布的随机变量X可以表示为：22221??UUUX．由于10NUi，可见21102iUUUiiiEDE；．33de23e21de2122223244222 iuuuiUuuuuuUEE ??????．由此可见21UXEE．因此．22222222422222222 nmnmnmnmSnmnmSxyxy????????????DDD2 7.5 设总体X 服从参数为pm的二项分布，其中m已知；21nXXX??是来自X的简单随机样本，1 求未知参数p的最大似然估计量；2 证明所得估计量是无偏的．1 总体X的概率函数可以表示为．，若不然；，若；0 10 1Cmxpppxpxmxxm?? 参数p的似然函数为XnmnXnniXmniipppXppLi1C11；，其中X为样本均值．对数似然方程为0111ln1lnlnClnln1pXnmnpXnppLpXnm npXnpLniXmi；其解mXp即未知参数p的最大似然估计量．2 由于总体X的数学期望为mp，而对于任何总体X，样本均值X是其数学期望的无偏估计量，可见X 是mp的无偏估计量，从而mXp是未知参数p的无偏估计量．—习题解答●7.3—7.6 设总体X服从区间0??上的均匀分布，21nXXX??是来自X的简单随机样本，1 求未知参数??的最大似然估计量；2 假如所得估计量是有偏估计量，将其修正为无偏估计量． 1 总体X的概率密度函数为．，若不然；，若；001xxf 未知参数??的似然函数为，若不然．；，若；0 0111nnniiXXXfL?? 易见，似然函数??L无驻点．需要直接求??L的最大值点，记nnXXXXmax21；由于nX，且??L随??减小而增大，所以当??nX 时??L达到最大值，故??nX就是未知参数??的最大似然估计量．2 现在验证估计量??nX的无偏性．为此，首先求??nX的概率分布．总体X的分布函数为．，若，，若，若 1 0 0 0 xxxxxF 由于nXXX21??独立同分布，可见??nX的分布函数为，11nnnnnxFxXxXxXxXxXxFPPPP???? 其概率密度为．，若不然，，若0 0dd11xnxxFxFnxFxxfnnnnn 因此，有1dd01??nnxnxxxxxfXnnnnE．这样，??nX是??的有偏估计量．容易验证，??的无偏估计量为1nXnn??．7.7 已知随机变量X的概率密度为若不然．若0 101xxxf 试根据来自X的简单随机样本21nXXX??，求未知参数??的最大似然估计量．—习题解答●7.4—未知参数??的似然函数和对数似然函数为．；；10ln1lnln21n1112111niinnniiXXXXnLXXXXfL??????????由此，得似然方程n1 0lnlniiXnL；其惟一解是niinXnXXn11lnln??????．于是，就是未知参数??的最大似然估计量．7.8 设ugt??是严格单调函数且有惟一反函数．证明，若是未知参数??的最大似然估计量，则gtgT????是的最大似然估计量．设??L是未知参数??的似然函数．记th是??gt??的惟一反函数，则??LthL??．设D是函数??gt??的值域，由“是未知参数??的最大似然估计量”，可见maxmax??thLLLThLDt，即gT??是??gt??的最大似然估计量．7.9 设21nXXX??是来自总体X的简单随机样本，总体X的概率密度为：；，，，若若xxxfx0e 试求未知参数??的最大似然估计量1和矩估计量2． 1 参数??的似然函数为．nXniXniiniiiXfL??1ee11 由此可见，其似然方程无解，需要直接求其似然函数，，，若不然若0 exp211nniiXXXnXL?? 的最大值．当nXXX21??时0L，而当nXXX21??，即nXXXmin21??时??L随??的增大而增大，可见当nXXXmin21??时??L达到最大值．参数??的最大似然估计量为nXXXmin??211??．—习题解答●7.5— 2 求参数??的矩估计量．总体X 的数学期望为：．1edeeded xxxxxxxxxxxfXE 用样本均值X估计XE：1??2X，可得参数??的矩估计量为1??2??X＝??．7.10设每次射击的命中率为p．接连不断独立地进行射击直到命中目标为止，nkkk21??是n轮射击各轮实际射击的次数，求命中率p 的最大似然估计量和矩估计量．1 设X表示实际射击的次数，则X服从参数为p的几何分布，而nkkk21??是来自总体X的简单随机样本．总体X的概率函数为2111xpppxpx．命中率p的似然函数为．，1lnlnln1111111pnkpnpLpppppkppLniininknkniiniii将该式两侧对p求导数并令其等于0，得似然方程：．011dlnd1pnkpnppLnii 其惟一解niiknp1 ?? 就是命中率p的最大似然估计量． 2 设X是实际射击的次数，而nkkk21??是来自总体X的简单随机样本，则样本均值为pXknXnii111E，．于是，由pX??1 ??，得未知参数p的矩估计量niiknXp1 1??．7.11 设来自总体X的简单随机样本21nXXX??，总体X的概率分布为22112321????????X，其中0lt??lt1．试求—习题解答●7.6—1 未知参数??的最大似然估计量1；2 未知参数??的矩估计量2；3 当样本值为（112132）时的最大似然估计值1和矩估计值2． 1 求参数??的最大似然估计量．分别以2121n和表示21nXXX?? 中1，2和3出现的次数，则似然函数和似然方程为．，，01222dlnd1ln22ln22lnln1211221212121222222212122121 nLnLLnn 似然方程的惟一解就是参数??的最大似然估计量：n22??211．2 求参数??的矩估计量．总体X的数学期望为221314XE．在上式中用样本均值X估计数学期望XE，可得??的矩估计量：321??2X． 3 对于样本值（112132），由上面得到的一般公式，可得最大似然估计值；321223222??211n?????? 矩估计值326523321??2X??．7.12 设随机变量X的分布函数为．，若，，若＝1 0 111xxxxF 其中参数1．设nXXX21??为来自总体X的简单随机样本，求 1 未知参数??的矩估计量；2 未知参数??的最大似然估计量．由条件知随机变量X的概率密度为．，若，，若1 0 11xxxxf 1 X的数学期望为1d11xxxXE．用样本均值X估计XE得—习题解答●7.7— 1X，1XX?? 就是未知参数??的矩估计量．2 未知参数??的似然函数和对数似然函数为；，，，若不然；若ininnnniiXnLXXXXXXXfL1211211ln1lnln 01 似然方程为0lndlnd1niiXnL??????，其唯一解niiXn1ln???? 就是未知参数??的最大似然估计量．7.13 设随机变量X的分布函数为．，，，＝xxxxF 0 122 其中0．设nXXX21??为来自总体X的简单随机样本，求未知参数??的最大似然估计量．由条件知随机变量X的概率密度为．，若，，若xxxxf 0 232 未知参数??的似然函数为．若若，，，nnnnnniiXXXXXXXXXXfL ***********??????似然函数??L显然无驻点，需要直接求其最大值点．由??L值随??增大而增大，可见??L的最大值点为nXXXmin??21??．于是nXXXmin??21??就是未知参数??的最大似然估计量．7.14 为观察一种橡胶制品的耐磨性，从这种产品中各随意抽取了5件，测得如下数据：—习题解答●7.8— 185.82，175.10，217.30，213.86，198.40．假设产品的耐磨性2NX，求2和的无偏估计值．样本容量n5．经计算，得样本均值X198.10，样本方差23.3240063.1822S．于是??的无偏估计值；10.198X?? 23.3242??S是2??的无偏估计．7.15 对某种袋装食品的质量管理标准规定：每袋平均重500克，标准差10克．现在从一商店的一批这种袋装食品中随意抽取了14袋，测量每袋的重量，得如下数据：500.90，490.01，501.63，500.73，515.87，511.85，498.39，514.23，487.96，525.01，509.37，509.43，488.46，497.15．假设这种袋装食品每袋的重量X服从正态分布2N．试利用??和??的0.95置信区间，说明抽查结果是否表明这一批袋装食品每袋平均重??和标准差??符合标准．经计算样本均值，64.503??X样本标准差11.11??S正态总体的数学期望??的1置信区间的一般形式为：XX，其中??的表达式区分202已知和2??未知两种情形：未知，若，已知，若 1 00nStnun 其中??u是标准正态分布水平??双侧分位数（附表3），1??nt??是自由度为1n??的t分布水平??双侧分位数（附表4）。

概率论与数理统计教案-随机事件与概率一、教学目标1. 理解随机事件的定义及其分类。

2. 掌握概率的基本性质和计算方法。

3. 能够运用概率论解决实际问题。

二、教学内容1. 随机事件的定义与分类1.1 随机事件的定义1.2 随机事件的分类1.3 事件的运算2. 概率的基本性质2.1 概率的定义2.2 概率的取值范围2.3 概率的基本性质3. 概率的计算方法3.1 古典概型3.2 条件概率3.3 独立事件的概率3.4 互斥事件的概率4. 随机事件的排列与组合4.1 排列的定义与计算4.2 组合的定义与计算5. 概率论在实际问题中的应用5.1 概率论在社会科学中的应用5.2 概率论在自然科学中的应用三、教学方法1. 讲授法：讲解随机事件的定义、分类及概率的基本性质。

2. 案例分析法：分析实际问题，引导学生运用概率论解决。

3. 互动教学法：提问、讨论，提高学生对知识点的理解和掌握。

四、教学准备1. 教案、教材、课件等教学资源。

2. 计算器、黑板、粉笔等教学工具。

3. 实际问题案例库。

五、教学评价1. 课堂问答：检查学生对随机事件定义、分类和概率基本性质的理解。

2. 课后作业：布置有关概率计算和方法的应用题，检验学生掌握程度。

3. 课程报告：让学生选择一个实际问题，运用概率论进行分析，评价其应用能力。

4. 期末考试：设置有关概率论与数理统计的综合题，全面评估学生学习效果。

六、教学内容6. 大数定律与中心极限定理6.1 大数定律6.2 中心极限定理7. 随机变量及其分布7.1 随机变量的概念7.2 离散型随机变量7.3 连续型随机变量7.4 随机变量分布函数8. 随机变量的数字特征8.1 数学期望8.2 方差8.3 协方差与相关系数9. 抽样分布与抽样误差9.1 抽样分布的概念9.2 抽样误差的估计9.3 抽样方案的设计10. 估计量的性质与假设检验10.1 估计量的性质10.2 假设检验的基本概念10.3 常用的假设检验方法七、教学方法1. 讲授法：讲解大数定律、中心极限定理、随机变量及其分布等概念。

概率论与数理统计(李慧斌)复习大纲Chapter 7 Confidence Intervals置信区间7.1 Sampling Distribution 抽样分布统计量的分布称为抽样分布。

在本节中，我们将从正态分布推导出随机样本的样本方差分布，以及样本均值和样本方差的各种函数的分布。

复习：Thm 5.5.2若X1, X2,…, X n独立且满足，i= 1,2,…,n，若C1, C2,…, C n不全为零，则Corollary 5.5.2 设随机变量X1, X2,…, X n组成随机样本，满足正态分布，其中均值μ和方差σ2，则7.2 χ2Distribution卡方分布定义：若随机变量X1, X2,…, X n独立同分布且其中每个随机变量都满足标准正态分布，所以有着以n阶自由度卡方分布(χ2distribution with n degrees of freedom)，记作，n来源于独立随机变量中以n阶自由度的χ2分布的概率密度函数其中欧拉函数定义为χ2分布的性质：定理1定理2 （χ2分布的可加性）若X ~χ2 (n) , Y ~χ2(m)，X, Y独立，则X+Y ~ χ2 (n+m)例：设X1, X2,…, X n是正态分布的随机样本，证明Thm 7.3.1 设X1, X2,…, X n是正态分布的随机样本，则：（1）与独立；（2）注：，虽然基于n个，但是它们之和为0，所以指定数量的n-1确定剩余值。

因此有n-1阶自由度。

结果表明，只有从正态分布中抽取随机样本，样本均值和样本方差才是独立的。

证明如下：的联合概率分布函数为其中A为正交矩阵(orthogonal matrix)，且的联合概率分布函数为因此独立且⇒与独立且7.4 The t Distribution t分布定义：设X ~ N(0, 1), Y ~χ2 (n)且X和Y独立，则随机变量所满足的分布称为n阶自由度t分布，记作，其中的概率密度函数为t分布的性质：（1）f(x)图像呈钟型，且中心为0；（2）它的一般形状类似于平均分布0的正态分布的概率密度函数。