大学概率论随机事件与概率

大学概率论与数理统计公式全集一、随机事件和概率1、随机事件及其概率2、概率的定义及其计算二、随机变量及其分布1、分布函数性质P(X 乞b) =F(b) P(a ：： X 冬b) = F(b) _ F(a)2、离散型随机变量3、连续型随机变量三、多维随机变量及其分布1、离散型二维随机变量边缘分布 P i =P(X =X i )二％ P(X = xi ,丫二 yj ) = ' pij pj =P( Y=yj )=' P(X 二 X j , 丫二 yj )=' pij j j离散型二维随机变量条件分布P(X =X j ,Y =yj )pij…= P(X =X j Y =y j ),i=1,2jP(丫 =yj )P j P(X=X j ,Y=y j )p j2、 P i j P ji3、x yf(u,v)dvdu4、连续型二维随机变量边缘分布函数与边缘密度函数 边缘分布函数： F x (x) = [「f(u,v)dvdu 边缘密度函数：f x (x)二.-^o a-bof(u,y)du*^0.■bof (x, v)y ■:: F y (y)f (u,v)dudv f Y (y)二 5、二维随机变量的条件分布fYx (yx)二■■■■■y < fxY (xy)二<x :：: ■：：x Y四、随机变量的数字特征1、数学期望离散型随机变量：E(X)=.；「X k P k连续型随机变量：E(X)二=xf(x)dx2、数学期望的性质(1)E(C) =C,C为常数E[E(X)] =E(X) E(CX) =CE(X)(2)E(X _Y) =E(X) _E(Y) E(aX _b) =aE(X) _b E(C^X^ ■ C n X n^C1E(X1^ ■ C n E(X n) ⑶ 若GY相互独立则：E(XY) =E(X)E(Y)(4) [E(XY)]2 <E2(X)E2(Y)3、万差:D(x) =E(X2) —E2(x)4、方差的性质(1) D(C) =0 D[D(X)] =0 D(aX _b) =a2D(X) D(X) ：：:E(X -C)2⑵ D(X _Y)二D(X) • D(Y) _2Cov(X,Y)若 GY相互独立则：D(X _Y)二D(X) • D(Y)5、协方差：Cov(X,Y)二E(X,Y) _E(X)E(Y)若 GY相互独立则：Cov(X,Y)=06、相关系数：认「(X,Y)〜Cov(X,丫)若GY相互独立则：认=0即GY不相关J D(X)阿石7、协方差和相关系数的性质(1)Cov(X,X) =D(X) Cov(X,Y)二Cov(Y, X)(2)Cov(X1 X2,Y) =Cov(X1,Y) Cov(X2,Y) Cov(aX c, bY • d)二abCov(X,Y)&常见数学分布的期望和方差五、大数定律和中心极限定理1、 切比雪夫不等式若 E(X)-」.,D(X)=：；2,对于任意'.0 有 P{X _E(X) _ }空里^2 或 P{X _E(X) ：：： }n n2、 大数定律：若X i …X n 相互独立且「时，—、• X i —D r-7 E(X i )ni 4ni二nn(1)若 X i X n 相互独立，E(X i ) =A i , D(X i ) =52且 O i 2兰M 贝y ： -Z X i — 1瓦 E(X i ),(n T ©nyny1n⑵若X i …X n 相互独立同分布，且E(X j )=n 则当n 时：―、X, P> Jn y3、 中心极限定理(1) 独立同分布的中心极限定理：均值为 」，方差为C 20的独立同分布时，当n 充分 大时有：n' X k —n ・iY n = ------------------- 二 N(0,1)U n cr(2) 拉普拉斯定理：随机变量n (n =1,2 )~B( n, p)则对任意G 有:xt 2lim P { ：n np兰x} = f -j^e 2dt =Q (x) x -°p(1-p) - ： .2 二六、数理统计1、总体和样本n _(5) 样本 k 阶中心距：B k =Mk(X i -X)k ,^2,3'nm(1)样本平均值： n n n2X 」、X i (2)样本方差：S 2匚、(X i -X)2L' (X i 2-nx )n-1y n -1(3)样本标准差：，彳 n ns= 1v(X i-X)2(4)样本 k 阶原点距：A k X i k,k=1,2 … ,n -1^(X 1，X 2 X n )的联合分布为 F(X 1,X 2 X n )F (X k )心(3)近似计算:nP(a 乞、X k Eb) =P(生' X k -n 」■k'.nc<^n 1才一门.」：泸- nc、、..总体X 的分布函数F(X)样本 2、统计量(6)次序统计量：设样本(X1，X2…X n)的观察值凶七和，将为,X?…X.按照由小到大的次,记取值为X(i)的样本分量为X(i),则称X(1宀(2)「乞x(n) 序重新排列,得到X(1)乞X(2) <X(n)为样本(X1,X2…X n)的次序统计量。

一、教学目标1. 知识与技能：（1）理解随机事件的概念，掌握必然事件、不可能事件、随机事件的分类；（2）理解概率的定义，掌握概率的基本性质；（3）学会运用概率知识解决实际问题。

2. 过程与方法：（1）通过实例引导学生理解随机事件与概率的关系；（2）通过小组讨论、合作学习，提高学生的探究能力和团队协作能力。

3. 情感态度与价值观：（1）培养学生对概率论的兴趣，激发学生的学习热情；（2）使学生认识到概率论在现实生活中的应用价值。

二、教学重点与难点1. 教学重点：（1）随机事件的概念及分类；（2）概率的定义及基本性质。

2. 教学难点：（1）概率的定义及基本性质的运用；（2）概率在实际问题中的应用。

三、教学过程（一）导入新课1. 展示生活中常见的随机事件，如掷骰子、抛硬币、抽奖等，引导学生思考这些事件的特点；2. 引入随机事件的概念，解释必然事件、不可能事件、随机事件的区别。

（二）新课讲授1. 随机事件的概念及分类：（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，不可能发生的事件；（3）随机事件：在一定条件下，可能发生也可能不发生的事件。

2. 概率的定义及基本性质：（1）概率的定义：在一定条件下，某个事件发生的可能性大小；（2）概率的基本性质：① 非负性：任何事件的概率不小于0；② 稳定性：当试验次数足够多时，某个事件发生的频率将趋近于其概率；③ 稳定性：对于任意两个事件A和B，有0≤P(A)≤1，0≤P(B)≤1；④ 加法公式：对于任意两个互斥事件A和B，有P(A∪B) = P(A) + P(B)；⑤ 对立事件概率之和为1：对于任意两个对立事件A和B，有P(A) + P(B) = 1。

（三）巩固练习1. 完成课本上的例题，巩固所学知识；2. 小组讨论，互相解答问题。

（四）课堂小结1. 回顾本节课所学内容，强调重点和难点；2. 引导学生思考概率论在现实生活中的应用。

（五）布置作业1. 完成课后习题，巩固所学知识；2. 收集生活中与概率相关的事例，下节课分享。

随机事件与概率知识点随机事件和概率是概率论中的基本概念，它们揭示了不确定性现象背后的规律性。

本文将介绍随机事件的定义及性质，以及概率的概念、性质和计算方法。

一、随机事件的定义随机事件是指在一定条件下，具有不确定性的事件。

简单来说，就是不知道会发生什么的事件。

一个事件发生与否，可以用0或1表示，其中0代表事件不发生，1代表事件发生。

这种不确定性使得我们需要运用概率论的知识来描述和研究。

对于一个随机试验，其样本空间为Ω，由所有可能出现的结果组成。

样本空间中的每一个元素称为一个样本点，记作ω。

而样本空间中的子集，称为事件。

简单来说，事件就是样本空间的一个子集，用来描述某些结果的集合。

二、随机事件的性质1. 必然事件和不可能事件：必然事件是指在所有可能的结果中，一定会发生的事件。

记作Ω，其对应的概率为1。

例如，在一次掷骰子的实验中，必然事件就是出现的点数在1至6之间。

不可能事件是指在所有可能的结果中，一定不会发生的事件。

记作∅，其对应的概率为0。

例如，在一次掷骰子的实验中，不可能事件就是出现的点数为7。

2. 事件的互斥与对立：互斥事件是指两个事件不能同时发生的情况。

例如，掷骰子出现的点数为奇数和出现的点数为偶数就是互斥事件，因为在一次实验中，掷出奇数的点数和掷出偶数的点数不可能同时发生。

对立事件是指两个事件必定有一个发生，但不能同时发生的情况。

例如，掷骰子出现的点数为奇数和出现的点数为偶数就是对立事件。

三、概率的概念与性质概率是描述随机事件发生可能性大小的数值，通常用P(A)表示。

概率的取值范围在0到1之间，其中0代表不可能事件，1代表必然事件。

1. 古典概型：古典概型是指所有样本点出现的概率相等的情况。

例如，在一次掷骰子的实验中，每个点数出现的概率都是1/6。

2. 几何概型：几何概型是指样本空间是一个有限的几何图形的情况。

例如，在一个正方形平面内随机选择一个点，那么点落在正方形的某个子区域中的概率就可以通过计算子区域面积与正方形面积的比值得到。

大学概率论知识点总结概率论是研究随机现象数量规律的数学分支，在大学数学中占据着重要的地位。

以下是对大学概率论中一些重要知识点的总结。

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，抛一枚硬币，正面朝上就是一个随机事件。

2、样本空间样本空间是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、并、交、差、互斥（互不相容）和对立等关系。

4、概率的定义概率是对随机事件发生可能性大小的度量。

古典概型中，概率等于有利事件的个数除以总事件的个数；几何概型中，概率等于几何度量（如长度、面积、体积等）的比值。

5、概率的性质包括非负性、规范性和可加性等。

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，记作 P(B|A)。

2、乘法公式P(AB) ＝ P(A)P(B|A)三、全概率公式与贝叶斯公式1、全概率公式如果事件组 B1，B2，，Bn 是样本空间的一个划分，且 P(Bi) ＞ 0（i ＝ 1, 2,， n），则对任意事件 A 有 P(A) ＝ΣP(Bi)P(A|Bi)2、贝叶斯公式在全概率公式的基础上，如果已知 P(A)，P(Bi) 和 P(A|Bi)，可以计算在事件 A 发生的条件下，事件 Bi 发生的概率 P(Bi|A)四、随机变量及其分布1、随机变量是定义在样本空间上的实值函数。

2、离散型随机变量其取值为有限个或可列个。

常见的离散型随机变量分布有：二项分布、泊松分布等。

3、连续型随机变量其取值可以是某个区间内的任意实数。

常见的连续型随机变量分布有：均匀分布、正态分布、指数分布等。

4、随机变量的分布函数F(x) ＝ P(X ＜＝ x)，具有单调不减、右连续等性质。

五、多维随机变量及其分布1、二维随机变量由两个随机变量组成。

2、联合分布函数F(x, y) ＝ P(X ＜＝ x, Y ＜＝ y)3、边缘分布包括边缘分布函数和边缘概率密度（离散型为边缘概率分布）。

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。

概率论中的随机事件及概率的定义及计算在概率论中，随机事件是指一个结果是不确定的事件，例如掷骰子的结果、抽奖的结果、病人是否能成功治愈等。

通过对随机事件的概率进行计算，我们可以预测它们发生的可能性大小，从而对未来的结果进行预测和控制。

随机事件的概率定义在概率论中，随机事件的概率定义为该事件在所有可能结果中出现的比例。

例如，在掷一次骰子时，获得6面的概率为1/6，因为6面是6个可能结果中的一个。

概率的计算方法一般来说，概率的计算方法有两种：相对频率方法和古典概型方法。

1. 相对频率方法相对频率方法是指通过实验来计算概率。

具体来说，我们可以对随机事件进行多次实验，然后统计该事件发生的次数与实验总次数之比。

例如，如果我们想要计算投掷骰子获得6面的概率，我们可以对骰子进行大量实验，并记录6面出现的次数。

然后，我们可以计算该事件发生的次数与实验总次数之比，即得到6面出现的概率。

2. 古典概型方法古典概型方法是指对于已知的固定有限集合，每个结果的概率相等时，对随机事件进行计算。

例如，对于投掷一枚骰子的情况，我们可以通过以下公式计算获得特定面的概率：P(E) = n(E) / n(S)其中，n(E)是事件E中有利结果的数量，n(S)是样本空间中的所有结果数。

概率的性质在概率论中，概率具有以下几个重要的性质：1. 非负性：概率是非负的，即概率不会小于零。

2. 正则性：所有可能事件的概率之和等于1。

3. 加法性：对于两个不相交事件A和B，它们的概率之和等于它们的并集的概率。

4. 乘法性：对于两个事件A和B，它们的联合概率等于它们各自的概率的积。

总结概率论是应用广泛的一门学科，在许多领域都有着重要的应用，例如统计学、经济学、金融学等。

随机事件及概率的定义和计算方法是概率论中最基础的概念，建立了整个概率论体系的基础。

了解概率论的基本概念和方法，可以帮助我们更好地理解和应用它们，在实际应用中更加准确地估计未来的结果和降低风险。