概率论与数理统计：连续型随机变量的数学期望

概率论与数理统计公式大全一、概率基本公式1.事件的概率：对于事件A，在随机试验中发生的次数记为n(A)，则事件A的概率为P(A)=n(A)/n，其中n为试验总次数。

2.互斥事件的概率：对于互斥事件A和B，有P(A∪B)=P(A)+P(B)。

3.事件的余事件概率：设事件A为必然事件，全集的概率为P(S)=1，事件A的余事件为A'，则有P(A')=1-P(A)。

4.条件概率：对于两个事件A和B，假设事件B已经发生，事件A发生的概率记为P(A，B)，则P(A，B)=P(A∩B)/P(B)。

二、随机变量及其概率分布1.离散型随机变量：设X是一个离散型随机变量，其概率函数为P(X=k)，其中k为X的取值，概率函数满足P(X=k)≥0，且∑P(X=k)=12. 连续型随机变量：设X是一个连续型随机变量，其概率密度函数为f(x)，概率密度函数满足f(x)≥0，且∫f(x)dx = 13. 随机变量的数学期望：对于离散型随机变量X，其数学期望为E(X) = ∑k*P(X=k)；对于连续型随机变量X，其数学期望为E(X)=∫xf(x)dx。

4. 随机变量的方差：对于离散型随机变量X，其方差为Var(X) =E(X^2) - [E(X)]^2；对于连续型随机变量X，其方差为Var(X) = E(X^2) - [E(X)]^2三、常见的概率分布1.伯努利分布：表示一次实验成败的概率分布，概率函数为P(X=k)=p^k(1-p)^(1-k)，其中0≤p≤12.二项分布：表示n次独立重复的伯努利试验中成功次数的概率分布，概率函数为P(X=k)=C(n,k)*p^k(1-p)^(n-k)，其中C(n,k)为组合数。

3. 泊松分布：表示单位时间或单位面积内发生事件次数的概率分布，概率函数为P(X=k) = (lambda^k)/(k!)*e^(-lambda)，其中lambda为平均发生率。

4.均匀分布：表示在一个区间内取值相等的概率分布，概率密度函数为f(x)=1/(b-a)，其中[a,b]为区间。

项目数据分析师---- 概率论与数理统计一概率（一）概率的定义所谓事件A 的概率是指事件 A 发生可能性程度的数值度量，记为P （A ）。

规定P(A) ≥ 0 ，P（Ω）=1 。

1、古典概型中概率的定义古典概型：满足下列两条件的试验模型称为古典概型。

（1 ）所有基本事件是有限个；（2 ）各基本事件发生的可能性相同；例如：掷一匀称的骰子，令A={ 掷出 2 点}={2} ，B={ 掷出偶数总}={2 ，4 ，6} 。

此试验样本空间为Ω ={1，2 ，3 ，4 ，5 ，6} ，于是，应有1=P （Ω）=6P （A ），即P （A ）=1/6 。

而P （B ）=3P （A ）=定义1：在古典概型中，设其样本空间Ω所含的样本点总数，即试验的基本事件总数为N Ω而事件A 所含的样本数，即有利于事件A 发生的基本事件数为N A ，则事件A 的概率便定义为：例1 ，将一枚质地均匀的硬币一抛三次，求恰有一次正面向上的概率。

解：用H 表示正面，T 表示反面，则该试验的样本空间Ω ={ （H ，H ，H ）（H ，H ，T ）（H ，T ，H ）（T ，H ，H ）（H ，T ，T ）（T ，H ，T ）（T ，T ，H ）（T ，T ，T ）} 。

可见N Ω =8 令A={ 恰有一次出现正面} ，则A={ （H ，T ，T ）（T ，H ，T ）（T ，T ，H ）}可见，令N A =3 故例2 ，（取球问题）袋中有5 个白球， 3 个黑球，分别按下列三种取法在袋中取球。

（1 ）有放回地取球：从袋中取三次球，每次取一个，看后放回袋中，再取下一个球；（2 ）无放回地取球：从袋中取三次球，每次取一个，看后不再放回袋中，再取下一个球；（3 ）一次取球：从袋中任取3 个球。

在以上三种取法中均求A={ 恰好取得2 个白球} 的概率。

解：（1 ）有放回取球N Ω =8 × 8 × 8=8 3 =512 ( 袋中八个球，不论什么颜色，取到每个球的概率相等)（先从三个球里取两个白球，第一次取白球有五种情况，第二次取白球还有五种情况< 注意是有放回> ，第三次取黑球只有三种情况）（2 ）无放回取球故（3 ）一次取球属于取球问题的一个实例：设有100 件产品，其中有5% 的次品，今从中随机抽取15 件，则其中恰有 2 件次品的概率便为（属于一次取球模型）例3 （分球问题）将n 个球放入N 个盒子中去，试求恰有n 个盒子各有一球的概率（n ≤ N ）。

概率论与数理统计公式精粹条件期望条件方差与条件分布条件期望、条件方差和条件分布是概率论与数理统计中重要的概念和技巧。

它们能帮助我们更准确地描述和计算随机现象的特征和性质。

本文将对条件期望、条件方差和条件分布进行精炼的介绍和讨论。

一、条件期望条件期望是指在给定某些信息或条件下，对随机变量的期望进行计算的概念。

对于随机变量X和事件A，条件期望E(X|A)表示在事件A发生的条件下，随机变量X的平均取值。

条件期望的计算可以通过基本的期望定义进行推导。

对于离散型随机变量，条件期望的计算公式为：E(X|A) = ∑x P(X=x|A) * x其中，P(X=x|A)表示在事件A发生的条件下，随机变量X取值为x的概率。

对于连续型随机变量，条件期望的计算公式为：E(X|A) = ∫xf(x|A) dx其中，f(x|A)表示在事件A发生的条件下，随机变量X的概率密度函数。

二、条件方差条件方差是在给定某些信息或条件下，对随机变量的方差进行计算的概念。

对于随机变量X和事件A，条件方差Var(X|A)表示在事件A发生的条件下，随机变量X的离散程度。

条件方差的计算可以通过基本的方差定义进行推导。

对于随机变量X和事件A，条件方差的计算公式为：Var(X|A) = E[(X-E(X|A))^2|A]其中，E(X|A)表示在事件A发生的条件下，随机变量X的条件期望。

三、条件分布条件分布是指在给定某些信息或条件下，随机变量的分布情况。

对于随机变量X和事件A，条件分布P(X=x|A)表示在事件A发生的条件下，随机变量X取值为x的概率。

条件分布的计算可以通过基本的概率计算进行推导。

对于随机变量X和事件A，条件分布的计算公式为：P(X=x|A) = P(X=x, A) / P(A)其中，P(X=x, A)表示事件A发生且随机变量X取值为x的概率，P(A)表示事件A的概率。

四、应用与扩展条件期望、条件方差和条件分布在实际问题中有广泛的应用。

概率论与数理统计知识点总结免费超详细版概率论与数理统计是一门研究随机现象数量规律的学科，它在众多领域都有着广泛的应用，如统计学、物理学、工程学、经济学等。

以下是对概率论与数理统计知识点的超详细总结。

一、随机事件与概率（一）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。

随机事件通常用大写字母 A、B、C 等来表示。

（二）样本空间样本空间是指随机试验的所有可能结果组成的集合，通常用Ω表示。

（三）事件的关系与运算1、包含关系：若事件 A 发生必然导致事件 B 发生，则称事件 B 包含事件 A，记作 A⊂B。

2、相等关系：若 A⊂B 且 B⊂A，则称事件 A 与事件 B 相等，记作A ＝ B。

3、并事件：事件 A 与事件 B 至少有一个发生的事件称为 A 与 B的并事件，记作 A∪B。

4、交事件：事件 A 与事件 B 同时发生的事件称为 A 与 B 的交事件，记作A∩B 或 AB。

5、互斥事件：若事件 A 与事件 B 不能同时发生，则称 A 与 B 为互斥事件，即 AB ＝∅。

6、对立事件：若事件 A 与事件 B 满足 A∪B ＝Ω 且 AB ＝∅，则称 A 与 B 为对立事件，记作 B ＝A。

（四）概率的定义与性质1、概率的古典定义：若随机试验的样本空间Ω只包含有限个基本事件，且每个基本事件发生的可能性相等，则事件 A 的概率为 P(A) ＝n(A) ／n(Ω) ，其中 n(A) 为事件 A 包含的基本事件个数，n(Ω) 为样本空间Ω包含的基本事件个数。

2、概率的统计定义：在大量重复试验中，事件 A 发生的频率稳定在某个常数 p 附近，则称 p 为事件 A 的概率，即 P(A) ＝ p 。

3、概率的公理化定义：设随机试验的样本空间为Ω，对于Ω中的每一个事件 A，都赋予一个实数 P(A)，如果满足以下三个条件：（1）非负性：0 ≤ P(A) ≤ 1 ；（2）规范性：P(Ω) ＝ 1 ；（3）可列可加性：对于两两互斥的事件 A1，A2，，有P(A1∪A2∪）＝ P(A1) ＋ P(A2) ＋，则称 P(A) 为事件 A 的概率。

《概率论与数理统计》第4－7章复习第四章 随机变量的数字特征常用分布的期望与方差第五章 大数定律及中心极限定理第六章 数理统计的基本概念第七章参数估计常用概率分布的参数估计表自测题第四章﹑数字特征1. 设随机变量X 的密度函数f(x)= ⎩⎨⎧5x 4 0≤x ≤1 0 其他, 求数学期望EX 。

2.设随机变量X ～N (-1，3)，Y ～N (0，5)，Cov(X ,Y )=0.4，求D (X +Y )的值。

3. 设随机变量X 和Y 的密度函数分别为f X (x)= ⎩⎨⎧0.5， 1≤x ≤30， 其它 ，f Y (y)= ⎩⎨⎧3e -3y ， y>00， y ≤0， 若X ，Y 相互独立，求： E(XY)4. 设 X 服从参数为 λ 的普阿松分布(λ>0)，则下列6个等式中那几个是错误的。

DX=1λ, E(X)D(X) =1 , E(X 2)=E(X)[E(X)+1] , E(X) = λ , E (X - λ)2 = 0, EX=λ2+λ5．设随机变量的联合分布律为⎣⎢⎡⎦⎥⎤X ╲Y 1 2 0 1/4 1/12 2 1/6 1/2 求：(1) E(X), E(Y)；(2)D(X), D(Y)；(3) ρxy 。

6．设二维随机变量(X ，Y)的联合分布律为⎣⎢⎡⎦⎥⎤X ╲Y 0 1 3 0 0.1 0.2 0.1 1 0.2 0.4 0，求(1)E(XY); (2)Cov(X,Y)。

试问：X 与Y 是否相互独立？为什么？7. 设随机变量X 的分布律为 ⎣⎡⎦⎤X -2 0 1 2P 0.2 0.3 0.4 0.1.记Y =X 2， 求：(1)D (X )，D (Y )；(2)Cov(X,Y ), ρxy .8. 已知投资某短期项目的收益率R 是一随机变量，其分布为：⎣⎡⎦⎤R -2% 0% 3% 10%P 0.1 0.1 0.3 0.5 。

(1) 求R 的数学期望值E(R)与方差D(R)；(2) 若一位投资者在该项目上投资100万元，求他预期获得多少收益(纯利润)(万元)？9. 假定暑假市场上对冰淇淋的需求量是随机变量X 盒，它服从区间[200，400]上的均匀分布，设每售出一盒冰淇淋可为小店挣得1元，但假如销售不出而屯积于冰箱，则每盒赔3元。

概率论与数理统计期末复习重要知识点及公式整理2010-2011学年第一学期期末复习资料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XP{X x1}p,P{X x2}1p只有两个可能取值，且其分布为(0p1)，则称X服从x1,x2处参数为p的两点分布。

两点分布的概率分布：两点分布的期望：（2）二项分布：P{X x1}p,P{X x2}1p(0p1) E(X)p；两点分布的方差：D(X)p(1p)若一个随机变量X的概率分布由式给出，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：二项分布的期望：（3）泊松分布：P{x k}Cnp(1p)kkn kkkn k,k0,1,...,n. P{x k}Cnp(1p),k0,1,...,n. E(X)np；二项分布的方差：D(X)np(1p)kP{X k} e若一个随机变量X的概率分布为数为的泊松分布，记为X~P () k!,0,k0,1,2,...，则称X服从参P{X k} e泊松分布的概率分布：泊松分布的期望：4.连续型随机变量：kk!,0,k0,1,2,... E(X)；泊松分布的方差：D(X)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)P{X x}f(x)，使得对于任意实数x，有xf(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。

2010-2011学年第一学期期末复习资料5.常用的连续型分布：（1）均匀分布：1,若连续型随机变量X的概率密度为f(x)b a 0,a x b其它，则称X在区间（a,b）上服从均匀分布，记为X~U(a,b)1,均匀分布的概率密度：f(x)b a0,a b2a xb 其它均匀分布的期望：（2）指数分布：E(X)；均匀分布的方差：D(X)(b a)122e xf(x)0若连续型随机变量X的概率密度为x00，则称X服从参数为的指数分布，记为X~e ()x0e xf(x)0指数分布的概率密度：指数分布的期望：（3）正态分布：E(X)1；指数分布的方差：D(X)2f(x)(x)222x若连续型随机变量X的概率密度为则称X服从参数为和22的正态分布，记为X~N(,)(x)222f(x)正态分布的概率密度：正态分布的期望：E(X)xD(X)x22；正态分布的方差：（4）标准正态分布：0,21(x)，2(x)xet22标准正态分布表的使用：（1）x0(x)1(x)2010-2011学年第一学期期末复习资料X~N(0,1)P{a x b}P{a x b}P{a x b}P{a x b}(b)(a)X~N(,),Y2（2）X（3）P{a X b}P{a~N(0,1),F(x)P{X x}P{X故b}(b)(a)x(x) Y2Y定理1：设X~N(,),则X~N(0,1)6.随机变量的分布函数：设X是一个随机变量，称分布函数的重要性质：0F(x) 1P{x1X x2}P{X x2}P{X x1}F(x2)F(x1)x1x2F(x1)F(x2)F()1,F()0F(x)P{X x}为X的分布函数。