概率论与数理统计总复习知识点归纳1.概率论的基础概念-随机事件、样本空间和事件的关系。
-频率和概率的关系，概率的基本性质。
-古典概型和几何概型的概念。
-条件概率和乘法定理。
-全概率公式和贝叶斯公式。
-随机变量和概率分布函数的概念。
-离散型随机变量和连续型随机变量的定义、概率质量函数和概率密度函数的性质。
2.随机变量的数字特征-随机变量的数学期望、方差、标准差和切比雪夫不等式。
-协方差、相关系数和线性变换的数学期望和方差公式。
-两个随机变量的和、差、积的数学期望和方差公式。
3.大数定律和中心极限定理-大数定律的概念和三级强大数定律。
-中心极限定理的概念和中心极限定理的两种形式。
4.数理统计的基本概念和方法-总体、样本和抽样方法的概念。
-样本统计量和抽样分布的概念。
-点估计和区间估计的概念。
-假设检验的基本思想和步骤。
-正态总体的参数的假设检验和区间估计。
5.参数估计和假设检验的方法和推广-极大似然估计的原理和方法。
-矩估计的原理和方法。
-最小二乘估计的原理和方法。
-一般参数的假设检验和区间估计。
6.相关分析和回归分析-相关系数和线性相关的概念和性质。
-回归分析的一般原理。
-简单线性回归的估计和检验。
7.非参数统计方法-秩和检验和符号检验的基本思想和应用。
-秩相关系数的计算和检验。
8.分布拟合检验和贝叶斯统计-卡方拟合检验的原理和方法。
-正态总体参数的拟合优度检验。
-贝叶斯估计的基本思想和方法。
9.时间序列分析和质量控制-时间序列的基本性质和分析方法。
-时间序列预测的方法和模型。
-质量控制的基本概念和控制图的应用。
以上是概率论与数理统计总复习知识点的归纳，希望对你的复习有所帮助。
统计概率知识点梳理总结统计概率是统计学中非常重要的一个分支，它研究随机现象的概率规律，为我们处理不确定性的问题提供了一种方法。
在统计概率的学习中，有一些基本概念和方法是必须掌握的。
本文将对统计概率的相关知识进行梳理总结，包括概率基本概念、概率分布、概率密度函数、概率函数、随机变量、概率质量函数、期望、方差等内容。
1.概率基本概念概率是一个介于0-1之间的数，用来度量一个事件发生的可能性。
概率的基本概念包括样本空间、随机事件、事件的概率、事件的互斥和事件的独立性等。
样本空间是指试验中所有可能结果的集合，随机事件是指样本空间中的一个子集，事件的概率是指该事件发生的可能性大小，用P(A)表示。
事件的互斥指两个事件不可能同时发生，事件的独立性指两个事件之间的发生没有关系。
2.概率分布概率分布是描述随机变量所有可能取值及其对应概率的分布情况。
常见的概率分布包括离散型概率分布和连续型概率分布。
离散型概率分布是指随机变量只能取其中的一个值的概率分布，如伯努利分布和泊松分布；连续型概率分布是指随机变量可以取任意实数值的概率分布，如正态分布和指数分布。
3.概率密度函数概率密度函数是描述连续型随机变量的概率分布的函数，用f(x)表示。
概率密度函数具有非负性、非减性和归一性等性质。
通过概率密度函数可以计算随机变量在其中一区间内取值的概率。
4.概率函数概率函数是描述离散型随机变量的概率分布的函数，它给出了随机变量取各个值的概率。
概率函数具有非负性和归一性等性质。
通过概率函数可以计算随机变量取一些特定值的概率。
5.随机变量随机变量是一个实数值函数，它的取值是试验结果的函数。
随机变量可以是离散型的，也可以是连续型的。
离散型随机变量通常用字母大写表示，如X；连续型随机变量通常用字母小写表示，如x。
随机变量可以有多种数学表达方式，如分布函数、概率密度函数和概率函数等。
6.概率质量函数概率质量函数是描述离散型随机变量的概率分布的函数，用p(x)表示。
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（ ）。
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。
