《概率论与数理统计》复习提要
第一章 随机事件与概率
1.事件的关系
2.运算规则 (1)
(2)
(3)
(4)
3.概率满足的三条公理及性质:
(1) (2)
(3)对互不相容的事件,有 (可以取)
(4) (5)
(6),若,则,
(7)
(8)
4.古典概型:基本事件有限且等可能
5.几何概率
6.条件概率
(1) 定义:若,则
(2) 乘法公式:
若为完备事件组,,则有
(3) 全概率公式:
(4) Bayes公式:
7.事件的独立性: 独立 (注意独立性的应用)
第二章 随机变量与概率分布
1. 离散随机变量:取有限或可列个值,满足(1),(2)=1
(3)对任意,
2. 连续随机变量:具有概率密度函数,满足(1);
(2);(3)对任意,
3. 几个常用随机变量
4. 分布函数 ,具有以下性质
(1);(2)单调非降;(3)右连续;
(4),特别;
(5)对离散随机变量,;
(6)对连续随机变量,为连续函数,且在连续点上,
5. 正态分布的概率计算 以记标准正态分布的分布函数,则有
(1);(2);(3)若,则;
(4)以记标准正态分布的上侧分位数,则
6. 随机变量的函数
(1)离散时,求的值,将相同的概率相加;
(2)连续,在的取值范围内严格单调,且有一阶连续导数,则,若不单调,先求分布函数,再求导。
第三章 随机向量
1. 二维离散随机向量,联合分布列,边缘分布列,有
(1);(2);(3),
2. 二维连续随机向量,联合密度,边缘密度,有
(1);(2);(3);
(4),
3. 二维均匀分布,其中为的面积
4. 二维正态分布,其密度函数(牢记五个参数的含义)且;
5. 二维随机向量的分布函数 有
(1)关于单调非降;(2)关于右连续;
(3);
(4),,;
(5);
(6)对二维连续随机向量,
6.随机变量的独立性 独立
(1) 离散时 独立
(2) 连续时 独立
(3) 二维正态分布独立,且
7.随机变量的函数分布
(1) 和的分布 的密度
(2) 最大最小分布
第四章 随机变量的数字特征
1.期望
(1) 离散时 , ;
(2) 连续时,;
(3) 二维时,
(4);(5);
(6);
(7)独立时,
2.方差
(1)方差,标准差;
(2);
(3);
(4)独立时,
3.协方差
(1);
(2);
(3);
(4)时,称不相关,独立不相关,反之不成立,但正态时等价;
(5)
4.相关系数 ;有,
5. 阶原点矩, 阶中心矩
第五章 大数定律与中心极限定理
1.Chebyshev不等式 或
2.大数定律
3.中心极限定理
(1)设随机变量独立同分布,则, 或 或,
(2)设是次独立重复试验中发生的次数,,则对任意,有或理解为若,则
第六章 样本及抽样分布
1.总体、样本
(1) 简单随机样本:即独立同分布于总体的分布(注意样本分布的求法);
(2) 样本数字特征:
样本均值(,);
样本方差()样本标准差
样本阶原点矩,样本阶中心矩
2.统计量:样本的函数且不包含任何未知数
3.三个常用分布(注意它们的密度函数形状及分位点定义)
(1)分布 ,其中独立同分布于标准正态分布,若且独立,则;
(2)分布 ,其中且独立;
(3)分布 ,其中且独立,有下面的性质
4.正态总体的抽样分布
(1); (2);
(3)且与独立; (4);
(5),
(6)
第七章 参数估计
1.矩估计:
(1)根据参数个数求总体的矩;(2)令总体的矩等于样本的矩;(3)解方程求出矩估计
2.极大似然估计:
(1)写出极大似然函数;(2)求对数极大似然函数(3)求导数或偏导数;(4)令导数或偏导数为0,解出极大似然估计(如无解回到(1)直接求最大值,一般为min或max)
3.估计量的评选原则
(1)无偏性:若,则为无偏; (2) 有效性:两个无偏估计中方差小的有效;
4.参数的区间估计(正态)
第二篇:概率论与数理统计超全公式总结
F'(x)=f(x)
概率论与数理统计公式总结
F(x)=P(X≤x)=∑P(X=k)
分布函数
对离散型随机变量
第一章
P(A+B)=P(A)+P(B)-P(AB)
特别地,当A、B互斥时,P(A+B)=P(A)+P(B)条件概率公式
P(A|B)=
P(AB)
P(B)
概率的乘法公式
P(AB)=P(B)P(A|B)=P(A)P(B|A)
全概率公式:从原因计算结果
n
P(A)=∑P(Bk)P(A|Bk)
k=1
Bayes公式:从结果找原因
P(Bi)P(A|Bi)
k|A)=
P(B∑n
P(Bk)P(A|Bk)
k=1
第二章
二项分布(Bernoulli分布)————X~B(n,p)
X~B(n,p)P(X=k)=Ckpk
(1?p)n?k
n
,(k=0,1,...,n)
泊松分布————X~P(
X~P(λ)k
P(X=k)=
λk!
e?λ
,(k=0,1,...)概率密度函数
∫
+∞
?∞
f(x)dx=1
怎样计算概率
P(a≤X≤b)
P(a≤X≤b)=∫b
a
f(x)dx
均匀分布X~U(a,b)
f(x)=
1b?a
(a≤x≤b)
指数分布X~Exp(θ)
f(x)=1?x/θ
θ
e
(x≥0)
k≤x
)=P(X≤x)=∫x
对连续型随机变量
F(x?∞
f(t)dt
分布函数与密度函数的重要关系:
F(x)=P(X≤x)=∫x
?∞
f(t)dt
二元随机变量及其边缘分布分布规律的描述方法
联合密度函数f(x,y)联合分布函数
F(x,y)
f(x,y)≥0
∫+∞∫
+∞
?∞?∞
f(x,y)dxdy=10≤F(x,y)≤1
F(x,y)=P{X≤x,Y≤y}联合密度与边缘密度
fX(x)=∫+∞
?∞
f(x,y)dy
fY(y)=∫+∞
?∞
f(x,y)dx
离散型随机变量的独立性
P{X=i,Y=j}=P{X=i}P{Y=j}
连续型随机变量的独立性
f(x,y)=fX(x)fY(y)第三章
数学期望
+∞
离散型随机变量,数学期望定义
E(X)=
k
k∑xk
?P
=?∞
连续型随机变量,数学期望定义
E(X)=∫+∞
?∞
x?f(x)dx
?E(a)=a,其中a为常数
?E(a+bX)=a+bE(X),其中a、b为常数
?E(X+Y)=E(X)+E(Y),X、Y为任意随机变量随机变量g(X)的数学期望
E(g(X))=∑g(xk)pk
k
常用公式
E(X)=∑∑xipij
i
j
E(X)=∫∫xf(x,y)dxdy
不相关不一定独立第四章
正态分布X~N(?,σ2)
E(XY)=∑∑xiyjpij
i
j
f(x)=
1
e2πσ
?
(x??)22σE(X+Y)=E(X)+E(Y)E(XY)=∫∫xyf(x,y)dxdy
当X与Y独立时,E(XY)=E(X)E(Y)
方差定义式
E(X)=?,D(X)=σ2
标准正态分布的概率计算Φ(a)=1?Φ(?a)标准正态分布的概率计算公式
P(Z≤a)=P(Z<a)=Φ(a)
P(Z≥a)=P(Z>a)=1?Φ(a)
P(a≤Z≤b)=Φ(b)?Φ(a)
2
(x?E(X))?f(x)dx?∞+∞
D(X)=∫
常用计算式常用公式
P(?a≤Z≤a)=Φ(a)?Φ(?a)=2Φ(a)?1
一般正态分布的概率计算
2
D(X)=E(X2)?[E(X)]
X~N(?,σ2)?Z=
X??
~N(0,1)σ
D(X+Y)=D(X)+D(Y)+2E{(X?E(X))(Y?E(Y))}
一般正态分布的概率计算公式
当X、Y相互独立时:
D(X+Y)=D(X)+D(Y)
方差的性质
D(a)=0,其中a为常数
D(a+bX)=b2D(X),其中a、b为常数
当X、Y相互独立时,D(X+Y)=D(X)+D(Y)协方差与相关系数
a??
)σa??
P(X≥a)=P(X>a)=1?Φ(σP(X≤a)=P(X<a)=Φ(P(a≤X≤b)=Φ(
第五章卡方分布
b??a??
)?Φ()σσ
E{[X?E(X)][Y?E(Y)]}=E(XY)?E(X)E(Y)Cov(X,Y)=E(XY)?E(X)E(Y)
若X~N(0,1),则∑Xi~χ2(n)
2
n
i=1
Cov(X,Y)
ρXY=
D(X)D(Y)
协方差的性质
1
若Y~N(?,σ),则2
σ
2
∑(Y??)
i
i=1
n
2
~χ2(n)
t分布
2
Cov(X,X)=E(X2)?(E(X))=D(X)
若X~N(0,1),Y~χ(n),则
2
X
~t(n)/n
U/n1
~F(n1,n2)V/n2
Cov(aX,bY)=abCov(X,Y)2
Cov(X+Y,Z)=Cov(X,Z)+Cov(Y,Z)
独立与相关
独立必定不相关相关必定不独立
F分布
正态总体条件下样本均值的分布:
若U~χ(n1),V~χ2(n2),则
σ2
~N(?,)
n??
~N(0,1)σ/n
样本方差的分布:
(n?1)S22
~χ(n?1)2
σ
两个正态总体的方差之比
??
~t(n?1)s/n
正态总体方差的区间估计
两个正态总体均值差的置信区间大样本或正态小样本且方差已知
22??σσ12?(1?2)±zα/2?+
?n1n2???
S/S
~F(n1?1,n2?1)
σ/σ
第六章
点估计:参数的估计值为一个常数矩估计
最大似然估计
n
21212222
两个正态总体方差比的置信区间
?S12/S22??F(n?1,n?1),
2?α/21
第七章
?S12/S22
?
Fα/2(n1?1,n2?1)??
L=Πf(xi;θ)
i=1
L=Πp(xi;θ)
i=1
n
似然函数
均值的区间估计——大样本结果
σ??
?±zα/
2?
n??
?
?±zα/2?假设检验的步骤
根据具体问题提出原假设H0和备择假设H1根据假设选择检验统计量,并计算检验统计值看检验统计值是否落在拒绝域,若落在拒绝域则拒绝原假设,否则就不拒绝原假设。
不可避免的两类错误
第1类(弃真)错误:原假设为真,但拒绝了原假设第2类(取伪)错误:原假设为假,但接受了原假设单个正态总体的显著性检验
?单正态总体均值的检验
?大样本情形——Z检验
?正态总体小样本、方差已知——Z检验?正态总体小样本、方差未知——t检验
?单正态总体方差的检验
?正态总体、均值未知——卡方检验
单正态总体均值的显著性检验统计假设的形式
(1?)??
?n(1)H0:?=?0(2)H0:?≥?0(3)H0:?≤?0
H1:?≠?0H1:?<?0H1:?>?0
双边检验左边检验
右边检验
单正态总体均值的Z检验
小样本、正态总体、标准差σ已知
σ??
?±zα/2?
n??
??0
(大样本情形σ未知时用SZ=
σ/n
小样本、正态总体、标准差σ未知
拒绝域的代数表示双边检验Z≥Zα/2
左边检验
s?右边检验?
?±tα/2(n?1)?
n??
tα/2(n?1)—自由度为n?1的t分布的分位点
Z≤?Zα
Z≥Zα
比例——特殊的均值的Z检验
Z=
(n?1)S2
2
χα/2
,
(n?1)S2
χ12?α/2
)
?p0
p0(1?p0)/n
p0——总体比例——样本比例
单正态总体均值的t检验
??0t=S/n
单正态总体方差的卡方检验
(n?1)S2
χ=2σ02
拒绝域
双边检验
左边检验右边检验χ2≥χ222α/2或χ≤χ1?α/2χ2≤χ21?α/2χ2≥χ2
α/2