当前位置：文档之家 › 概率论期末复习知识点

概率论期末复习知识点

  • 格式：docx
  • 大小：161.38 KB
  • 文档页数：14

知识点 第一章 随机事件与概率 本章重点：随机事件的概率计算． 1．**事件的关系及运算 (1) (或)．

(2) 和事件： ； （简记为）． (3) 积事件： ， （简记为或)． (4) 互不相容：若事件A和B不能同时发生，即 — (5) 对立事件： ．

(6) 差事件：若事件A发生且事件B不发生，记作(或) ．

(7) 德摩根（De Morgan）法则：对任意事件A和B有 , .

2． **古典概率的定义 古典概型： 、

． 几何概率

ABBAAB12n

AAA

1niiA

AB12n

AAA

12nAAA

1niiA

AB

AABAB

ABABABAB

()AnAPAn中所含样本点的个数中所含样本点的个数 · 3．**概率的性质 (1) ． (2) (有限可加性) 设n个事件两两互不相容，则有

． (3)． ; (4) 若事件A，B满足，则有

, ． (5) ． (6) (加法公式) 对于任意两个事件A，B，有 . 对于任意n个事件，有

. — 4．**条件概率与乘法公式

. 乘法公式：

()APA的长度（或面积、体积）样本空间的的长度（或面积、体积）

()0P1,2,,nAAA

121()()nniiPAAAPA



()1()PAPAAB()()()PBAPBPA()()PAPB()1PA

()()()()PABPAPBPAB1,2,,nAAA

111111()()()()(1)()nnniiijijkniijnijkniPAPAPAAPAAAPAA



()(|)()PABPABPB . 5．*随机事件的相互独立性 事件A与B相互独立的充分必要条件一： ， 事件A与B相互独立的充分必要条件二： ) ．

对于任意n个事件相互独立性定义如下：对任意一个，任意的，若事件总满足

， 则称事件相互独立．这里实际上包含了个等式． 6．*贝努里概型与二项概率 设在每次试验中，随机事件Ａ发生的概率，则在n次重复独立试验中．，事件Ａ恰发生次的概率为

， 7．**全概率公式与贝叶斯公式 ？ 贝叶斯公式：

如果事件两两互不相容，且，，，则

．

()()(|)()(|)PABPAPBAPBPAB()()()PABPAPB(|)()PABPA1,2,,nAAA2,,kn

11kiin1,2,,nAAA

11()()()kkiiiiPAAPAPA1,2,,nAAA21nn

()(01)PAppk

()(1),0,1,,knknnPkppknk



1,2,,nAAA1niiA

()0iPA1,2,,in

1()(|)(|),1,2,,()(|)kkkniiiPAPBAPABknPAPBA 第二章 一维随机变量及其分布 本章重点：离散型和连续性随机变量的分布及其概率计算． 概率论主要研究随机变量的统计规律，也称这个统计规律为随机变量的分布． 1．**离散型随机变量及其分布律 )

分布律也可用下列表格形式表示：

, 2．*概率函数的性质

(1) ，

(2) ． 3．*常用离散型随机变量的分布 (1) 0—1分布，它的概率函数为 ， 其中，或1，． (2) 二项分布，它的概率函数为

(),1,2,,,.iipPXainX12naaa

rP12nppp

0ip1,2,,,;in

11iip

(1,)Bp1()(1)iiPXipp

0i01p(,)Bnp / ， 其中，，． (４)** 泊松分布，它的概率函数为

， 其中，，． ．4．*二维离散型随机变量及联合概率 二维离散型随机变量的分布可用下列联合概率函数来表示：

， 其中，． 5．*二维离散型随机变量的边缘概率

设为二维离散型随机变量，为其联合概率（），称概率为随机变量的边缘分布律，记为并有

， 称概率为随机变量Y的边缘分布率，记为，并有

=. 6．随机变量的相互独立性 ． 设为二维离散型随机变量，与相互独立的充分必要条件为

()(1)ininPXippi



0,1,2,,in01p()P

()!iPXiei0,1,2,,,in0

(,)XY(,),,1,2,,ijijPXaYbpij

0,,1,2,,1ijijijpijp

(,)XYij

p,1,2,ij

()(1,2,)iPXaiXip

.(),1,2,iiijjpPXapi

()(1,2,)jPYbj.jp

.jp(),1,2,jijiPYbpj

(,)XYXY ) 多维随机变量的相互独立性可类似定义．即多维离散型随机变量的独立性有与二维相应的结论．

7．*随机变量函数的分布 设是一个随机变量，是一个已知函数，是随机变量的函数，它也是一个随机变量．对离散型随机变量，下面来求这个新的随机变量的分布．

设离散型随机变量的概率函数为 <

则随机变量函数的概率函数可由下表求得 ， 但要注意，若的值中有相等的，则应把那些相等的值分别合并，同时把对应的概率相加．

第三章 连续型随机变量及其分布

,,1,2,.ijijpppij对一切X()gx()YgXXXY

XX12naaa

rP12nppp

()YgX

()YgX12()()()ngagaga

rP1p2pnp

()igaip 本章重点：一维及二维随机变量的分布及其概率计算,边缘分布和独立性计算． 1．*分布函数 随机变量的分布可以用其分布函数来表示， ． & 2．分布函数的性质

(1)

(2) ; 由已知随机变量的分布函数，可算得落在任意区间内的概率 ． 3．联合分布函数 二维随机变量的联合分布函数 ． （ 4．联合分布函数的性质

(1) ；

(2) ， ； (3) ． 5．**连续型随机变量及其概率密度

()Fx0()1;Fx()0,()1limlimxxFxFx

X()FxX(,]ab

(,)XY

0(,)1Fxy(,)0,(,)0limlimxyFxyFxy

(,)0,(,)1limlimxxyyFxyFxy

121222211211(,)(,)(,)(,)(,)PxXxyYyFxyFxyFxyFxy

()()FxPXx()()()PaXbFbFa(,)(,)FxyPXxYx 设随机变量的分布函数为，如果存在一个非负函数，使得对于任一实数，有

… 成立，则称X为连续型随机变量，函数称为连续型随机变量的概率密度．

6．**概率密度及连续型随机变量的性质 （１）

（２）； （３）； （4）设为连续型随机变量，则对任意一个实数c，； (5) 设是连续型随机变量的概率密度，则有

` ＝． 7．**常用的连续型随机变量的分布 (1) 均匀分布，它的概率密度为

其中，． (2) 指数分布，它的概率密度为

X()Fx()fxx

()()xFxfxdx

()fxX

()fx()0;fx()1fxdx()()FxfxX()0PXc()fxX

()()()()PaXbPaXbPaXbPaXb

()bafxdx

(,)Rab1,;()0,axbfxba



其余.

)ab()E

合集下载

概率论复习知识点总结共38页文档

概率论复习知识点总结共38页文档

45、法律的制定是为了保证每一个人 自由发 挥自己 的才能 ，而不 是为了 束缚他 的才能 。—— 罗伯斯 庇尔
6、最大的骄傲于最大的自卑都表示心灵的最软弱无力。——斯宾诺莎 7、自知之明是最难得的知识。——西班牙 8、勇气通往天堂，怯懦通往地狱。——塞内加 9、有时候读书是一种巧妙地避开思考的方法。——赫尔普斯 10、阅读一切好书如同和过去最杰出的人谈话。——笛卡儿
概率论复习知识点总结
41、实际上，我们想要的不是针对犯 罪的法 律，而 是针对 疯狂的 法律。 ——马 克·吐温 42、法律的力量应当跟随着公民，就 像影子法律和制度必须跟上人类思想进 步。— —杰弗 逊 44、人类受制于法律，法律受制于情 理。— —托·富 勒
Thank you
概率论知识点总结归纳

概率论知识点总结归纳

概率论知识点总结归纳概率论是数学中的一个分支，研究随机现象发生的规律性及其数学模型。

概率论广泛应用于统计学、金融、生物学等领域。

本文将对概率论的基本概念、概率计算方法、常见概率分布以及概率论在实际问题中的应用进行总结归纳。

一、基本概念1. 随机试验：在相同的条件下可以重复进行的实验，结果不确定。

2. 样本空间：随机试验所有可能结果的集合，用S表示。

3. 事件：由样本空间S的一个或多个元素构成的子集，表示试验结果的一个集合。

4. 概率：事件发生的可能性大小的度量，用P(A)表示。

二、概率计算方法1. 古典概型：指随机试验中每个基本事件发生的概率相等的情况。

计算概率时可以根据样本空间和事件个数进行计算。

2. 频率派概率：根据大量实验的频率来计算概率，概率等于事件发生的次数与试验次数之比的极限。

3. 主观概率：根据个人主观判断来计算概率，没有明确的计算方法。

三、常见概率分布1. 离散概率分布：表示随机变量在有限取值集合上的概率分布。

a. 伯努利分布：只有两个可能取值的离散概率分布。

b. 二项分布：多次伯努利试验的结果相加，每次试验相互独立。

c. 泊松分布：表示单位时间或空间内随机事件发生的次数的概率分布。

2. 连续概率分布：表示随机变量在一个区间上的概率分布。

a. 均匀分布：随机变量在一段区间上取值的概率相等。

b. 正态分布：最常见的连续概率分布，具有钟形曲线的特点。

四、概率论的应用1. 统计学：概率论是统计学的基础，通过概率论可以推导出统计学各种假设检验和置信区间的计算方法。

2. 金融学：概率论在金融学中被广泛应用，例如在风险管理、期权定价、投资组合构建等方面。

3. 生物学：概率论能够帮助解释生物学中的随机现象，如遗传、进化等过程中的概率计算。

4. 工程学：概率论可以用于工程问题的风险评估和可靠性分析，如工程结构的寿命预测等。

总结：概率论是研究随机现象的规律性及其数学模型的学科，它包括了基本概念、概率计算方法、常见概率分布以及在各个领域的应用。

统计学复习资料概率论与数理统计重点知识点整理

统计学复习资料概率论与数理统计重点知识点整理

统计学复习资料概率论与数理统计重点知识点整理概率论与数理统计是统计学的基础课程之一，也是应用最为广泛的数学工具之一。

下面将对概率论与数理统计的重点知识点进行整理，以供复习使用。

一、概率论的基本概念1. 样本空间和事件：样本空间是指随机试验的所有可能结果构成的集合，事件是样本空间的子集。

2. 古典概型和几何概型：古典概型是指样本空间中的每个结果具有相同的概率，几何概型是指采用几何方法进行分析的概率模型。

3. 概率公理和条件概率：概率公理是概率论的基本公理，条件概率是指在已知某一事件发生的条件下，另一事件发生的概率。

4. 独立事件和全概率公式：独立事件是指两个事件的发生与否互不影响，全概率公式是用于计算复杂事件的概率的公式。

5. 随机变量和概率分布函数：随机变量是对样本空间中的每个结果赋予一个数值，概率分布函数是随机变量的分布情况。

二、概率分布的基本类型1. 离散型概率分布：包括二项分布、泊松分布和几何分布等。

2. 连续型概率分布：包括正态分布、指数分布和均匀分布等。

三、多维随机变量及其分布1. 边缘分布和条件分布：边缘分布是指多维随机变量中的某一个或几个变量的分布，条件分布是指在已知某些变量取值的条件下，其他变量的分布。

2. 二维随机变量的相关系数：相关系数用于刻画两个随机变量之间的线性关系的强度和方向。

3. 多维随机变量的独立性：多维随机变量中的各个分量独立时，称为多维随机变量相互独立。

四、参数估计与假设检验1. 参数估计方法：包括点估计和区间估计，点估计是通过样本数据得到参数的估计值，区间估计是对参数进行一个范围的估计。

2. 假设检验的基本概念：假设检验是用于对统计推断的一种方法，通过与某个假设进行比较来得出结论。

3. 假设检验的步骤：包括建立原假设和备择假设、选择显著性水平、计算检验统计量和做出统计决策等步骤。

五、回归分析与方差分析1. 简单线性回归分析：简单线性回归分析是研究两个变量之间的线性关系的方法，通过建立回归方程来拟合数据。

概率论与数理统计期末复习重要知识点及公式整理讲解

概率论与数理统计期末复习重要知识点及公式整理讲解

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。