第四章
选择题：
1．二项分布的概率分布图在 条件下为对称图形。
A．n > 50 B．π=0.5 C．nπ=1 D．π=1 E．nπ> 5
2．满足 时，二项分布B（n,π）近似正态分布。
A．nπ和n（1－π）均大于等于5 B．nπ或n（1－π）大于等于5
C．nπ足够大 D．n > 50 E．π足够大
3. 的均数等于方差。
A．正态分布 B．二项分布 C．对称分布 D．Poisson分布 E．以上均不对
4．标准正态典线下，中间95%的面积所对应的横轴范围是 。
A．－∞到+1.96 B．－1.96到+1.96 C．－∞到+2.58
D．－2.58到+2.58 E．－1.64到+1.64
5．服从二项分布的随机变量的总体均数为 。
A．n（1－π） B．（n－1）π C．nπ（1－π） D．nπ πE.
6．服从二项分布的随机变量的总体标准差为 。
A. B.
（1-π）（1-π）（ -）π1
C. D. π（1-π）（1-π）π E.π
7.设X1,X2分别服从以λ1,λ2为均数的Poisson分布,且X1与X2独立,则X1+X2服从以
为方差的Poisson分布。
A. B .λ2λ12+2λ2λ1+ C. D. 2λ2λ1+（） 2λ2λ1+（） E.λ2λ12+2
8．满足
时，Poisson分布Ⅱ（λ）近似正态分布。
A．λ无限大 B．λ>20 C．λ=1 D．λ=0 E．λ=0.5
概率的计算与估计知识点总结
概率是数学中一门重要的分支，用于描述随机事件的发生规律。在我们的日常生活和各个领域中，概率计算和估计都扮演着重要的角色。本文将对概率的计算与估计知识点进行总结，帮助读者更好地理解和应用这些概念。
1. 概率的基本概念
概率是描述事件发生可能性的数值，通常用0到1之间的实数表示。在概率论中，我们使用样本空间、事件和事件的概率来描述随机事件。样本空间是指所有可能结果的集合，而事件是样本空间的子集。概率可以通过频率派定义（频率定义）和主观派定义（主观定义）来进行解释。
2. 概率的计算
在计算概率时，我们可以使用经典概型、几何概型和基本概率规则等方法。经典概型适用于各个结果发生的概率相等的情况，它的计算公式为P(A) = n(A) / n(S)，其中n(A)表示事件A包含的有利结果数，n(S)表示样本空间中的总结果数。几何概型适用于连续的情况，可以通过计算面积或长度来求解概率。基本概率规则包括加法规则和乘法规则，可以帮助我们计算复杂事件的概率。
3. 条件概率与独立性
条件概率指在已知某一事件发生的情况下，另一事件发生的概率。条件概率的计算公式为P(A|B) = P(A∩B) / P(B)，其中P(A∩B)表示事件A和事件B同时发生的概率，P(B)表示事件B发生的概率。独立事件是指两个或多个事件的发生不受彼此影响。对于独立事件，我们有P(A∩B) = P(A) * P(B)。
4. 贝叶斯定理
贝叶斯定理是一种用于更新概率估计的方法，它结合了先验概率和后验概率的关系。贝叶斯定理的公式为P(A|B) = P(B|A) * P(A) / P(B)，其中P(A|B)表示在事件B发生的情况下事件A发生的概率，P(B|A)表示在事件A发生的情况下事件B发生的概率，P(A)和P(B)分别表示事件A和事件B的先验概率。
5. 随机变量与概率分布
随机变量是可以随机取到不同值的变量，它可以是离散型随机变量或连续型随机变量。概率分布是随机变量取到各个值的概率情况的描述。常见的离散型概率分布有伯努利分布、二项分布和泊松分布，而连续型概率分布有均匀分布、正态分布和指数分布等。
概率统计公式大全复习重点
在学习概率统计这门学科时，掌握各种公式是至关重要的。这些公式不仅是解决问题的工具，更是理解概率统计概念的关键。本文将为您梳理概率统计中的重点公式，帮助您更好地复习和掌握这部分知识。
一、随机事件与概率
1、 古典概型概率公式
如果一个随机试验所包含的基本事件总数为 n，事件 A 所包含的基本事件数为 m，则事件 A 发生的概率为：P(A) ＝ m ／ n
2、 几何概型概率公式
设样本空间为几何区域 Ω，事件 A 对应的区域为 ω，则事件 A 发生的概率为：P(A) ＝ ω 的测度 ／ Ω 的测度
3、 条件概率公式
设 A、B 是两个事件，且 P(B) ＞ 0，则在事件 B 发生的条件下，事件 A 发生的条件概率为：P(A|B) ＝ P(AB) ／ P(B)
4、 乘法公式
P(AB) ＝ P(A|B)P(B) 或 P(AB) ＝ P(B|A)P(A)
5、 全概率公式 设 B₁, B₂,， Bₙ 是样本空间 Ω 的一个划分，且 P(Bᵢ) ＞ 0（i ＝ 1,
2,， n），A 是 Ω 中的任意一个事件，则有：P(A) ＝ ∑ P(Bᵢ)P(A|Bᵢ)（i
从 1 到 n）
6、 贝叶斯公式
设 B₁, B₂,， Bₙ 是样本空间 Ω 的一个划分，且 P(Bᵢ) ＞ 0（i ＝ 1,
2,， n），A 是 Ω 中的任意一个事件，在事件 A 已经发生的条件下，事件 Bᵢ 发生的概率为：P(Bᵢ|A) ＝ P(Bᵢ)P(A|Bᵢ) ／ ∑ P(Bₙ)P(A|Bₙ) （i
从 1 到 n，k 从 1 到 n）
二、随机变量及其分布
1、 离散型随机变量的概率分布
设离散型随机变量 X 的可能取值为 x₁, x₂,， xₙ，对应的概率为
p₁, p₂,， pₙ，则概率分布为：P(X ＝ xᵢ) ＝ pᵢ （i ＝ 1, 2,， n），且∑
pᵢ ＝ 1
2、 二项分布
概率论与数理统计知识点总结
一、概率论
1.随机试验和样本空间：随机试验是具有不确定性的试验，其结果有多个可能的取值。样本空间是随机试验所有可能结果的集合。
2.事件及其运算：事件是样本空间中满足一定条件的结果的集合。事件之间可以进行并、交、补等运算。
3.概率的定义和性质：概率是描述随机事件发生可能性的数值。概率具有非负性、规范性和可列可加性等性质。
4.条件概率和独立性：条件概率是在已知一事件发生的条件下，另一事件发生的概率。事件独立表示两个事件之间的发生没有相互关系。
5.全概率公式和贝叶斯公式：全概率公式是一种计算事件概率的方法，将事件分解成互斥的多个事件的概率之和。贝叶斯公式是一种用于更新事件概率的方法。
6.随机变量和分布函数：随机变量是样本空间到实数集的映射，用来描述试验结果的数值特征。分布函数是随机变量取值在一点及其左侧的概率。
7.常用概率分布：常见的概率分布包括离散型分布（如二项分布、泊松分布）和连续型分布（如正态分布、指数分布）。
8.数学期望和方差：数学期望是随机变量的平均值，用于描述随机变量的中心位置。方差是随机变量离均值的平均距离，用于描述随机变量的分散程度。
二、数理统计 1.统计量和抽样分布：统计量是对样本数据进行总结和分析的函数。抽样分布是统计量的概率分布，用于推断总体参数。
2.估计和点估计：估计是利用样本数据对总体参数进行推断。点估计是利用样本数据得到总体参数的一个具体数值。
3.估计量的性质和评估方法：估计量的性质包括无偏性、有效性和一致性等。评估方法包括最大似然估计、矩估计等。
4.区间估计：区间估计是对总体参数进行估计的区间范围。置信区间是对总体参数真值的一个区间估计。
5.假设检验和检验方法：假设检验是在已知总体参数的条件下，对总体分布做出的统计推断。检验方法包括参数检验和非参数检验。
6.正态总体的推断：当总体近似服从正态分布时，可以利用正态分布的性质进行推断。
