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 p p ====-<<，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 k n kn 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。
附件6编号（注：此处编号作者不填，由论文收藏单位填写.正式论文此行提示信息删除并保留2空行.）学士学位论文概率统计中几种重要分布及关系学院名称：专业班级：学生姓名：学号：指导教师：完成日期：年月日摘要概率统计作为数学知识理论中的重要内容，对于数学学习有重要的作用.随机变量的分布是概率统计中的重要内容，对随机变量分布的学习，有利于全面掌握概率统计的相关内容.本文主要是对概率统计中几种重要分布及关系的研究，采用文献总结法和分析归纳法，通过对概率统计中二项分布、泊松分布、正态分布的概念进行阐述，对三种分布之间的联系进行分析研究，对三种分布在实际中的具体应用进行系统的表述，最终得出二项分布与泊松分布之间之间，当n的数值越大时，二者的相似度越高；二项分布与正态分布之间存在二项分布收敛于正态分布的关系；泊松分布与正态分布存在某种固定的内在联系。
通过对概率统计中几种重要分布及关系的研究，有利于旨在建立系统全面的概率统计的知识架构，加强学生对概率统计相关知识的掌握和学习.关键词：概率统计；分布；关系；应用Several important distributions and relations in probability andstatisticsAbstractProbability and statistics, as an important part of mathematical knowledge theory, plays an important role in mathematics learning. The distribution of random variables is an important part of probability and statistics. Learning the distribution of random variables is conducive to a comprehensive grasp of the relevant content of probability and statistics. This paper mainly studies several important distributions and relationships in probability and statistics, using the methods of literature summary and analysis induction, This paper expounds the concepts of binomial distribution, Poisson distribution and normal distribution in probability and statistics, analyzes the relationship between the three distributions, and systematically describes the specific application of the three distributions in practice. Finally, it comes to the conclusion that the greater the value of binomial distribution and Poisson distribution, the higher the similarity between them; there is a gap between binomial distribution and normal distribution In the relationship of binomial distribution converging to normal distribution, Poisson distribution and normal distribution have some fixed internal relations. Through the study of several important distributions and relationships in probability and statistics, it is helpful to establish a systematic and comprehensive knowledge framework of probability and statistics, and strengthen students' mastery and learning of probability and statistics related knowledge.Key words: probability and statistics; distribution; relation; application目录摘要 (I)ABSTRACT (II)1绪论 (1)1.1研究背景及意义 (1)1.1.1研究背景 (1)1.1.2研究意义 (1)1.2国内外研究现状 (1)1.2.1国内研究现状 (1)1.2.2国外研究现状 (2)1.3研究主要内容 (2)2相关概念 (4)2.1二项分布 (4)2.2泊松分布 (4)2.3正态分布 (5)3.三种分布间的联系 (7)3.1二项分布与泊松分布之间的联系 (7)3.2二项分布与正态分布之间的联系 (8)3.3泊松分布与正态分布之间的联系 (9)4.三种分布在实际中的应用 (11)4.1二项分布的具体应用 (11)4.2泊松分布的具体应用 (12)4.3正态分布的具体应用 (13)结论 (15)参考文献 (16)致谢 (17)1绪论1.1研究背景及意义1.1.1研究背景概率统计是数学课程中较为重要的数学知识点，二项分布、泊松分布、正态分布、指数分布是数学概率论中最为基础的数学知识点，也是日常练习过程中较为常见的概率分布。
第五章颗粒污染物控制技术基础5.1 根据以往的分析知道，由破碎过程产生的粉尘的粒径分布符合对数正态分布，为此在对该粉尘进行粒径分布测定时只取了四组数据（见下表），试确定：1）几何平均直径和几何标准差；2）绘制频率密度分布曲线。
解：在对数概率坐标纸上作出对数正态分布的质量累积频率分布曲线，d读出d84.1=61.0 m、d50=16.0 m、d15。
9=4.2 m。
g . 3.81 。
d50作图略。
5.2 根据下列四种污染源排放的烟尘的对数正态分布数据，在对数概率坐标纸上绘出它们的筛下累积频率曲线。
污染源质量中位直径集合标准差平炉0.36 2.14飞灰 6.8 4.54水泥窑16.5 2.35化铁炉60.017.65解：绘图略。
5.3 已知某粉尘粒径分布数据（见下表），1）判断该粉尘的粒径分布是否符合对数正态分布；2）如果符合，求其几何标准差、质量中位直径、个数中位直径、算数平均直径及表面积－体积平均直径。
解：在对数概率坐标纸上作出对数正态分布的质量累积频率分布曲线，读出质量中位直径d50d（MMD ）=10.3 m、d84.1=19.1 m、d15。
9=5.6 m。
g 84.1 1.85。
d50按《大气污染控制工程》P129（5－24）ln MMD ln NMD 3ln2 NMD 3.31 m；g12P129（5－26）ln d L ln NMD ln g d L4.00 m ；52P129（ 5－ 29） ln d sv ln NMD ln d sv 8.53 m 。
svsvsv 2 g sv5.4 对于题 5.3 中的粉尘，已知真密度为1900kg/m 3， 填充空隙率0.7， 试确定其比表面积 （分别以质量、净体积和堆积体积表示） 。
解：《大气污染控制工程》 P135（ 5－ 39）按质量表示 S m 6 3.7103cm 2 /gd sv P6323P135（ 5－ 38）按净体积表示S V 7.03 10 cm /cm d svP135（ 5－ 40）按堆积体积表示S b 6（1 ） 2.11 103cm 2/cm 3。
