概率论与数理统计是考研数学重要组成部分。概率论与数理统计非常强调对基本概念、定理、公式的深入理解。重要基本知识要点如下:
一、考点分析
1.随机事件和概率,包括样本空间与随机事件;概率的定义与性质(含古典概型、几何概型、加法公式);条件概率与概率的乘法公式;事件之间的关系与运算(含事件的独立性);全概公式与贝叶斯公式;伯努利概型。
2.随机变量及其概率分布,包括随机变量的概念及分类;离散型随机变量概率分布及其性质;连续型随机变量概率密度及其性质;随机变量分布函数及其性质;常见分布;随机变量函数的分布。
3.二维随机变量及其概率分布,包括多维随机变量的概念及分类;二维离散型随机变量联合概率分布及其性质;二维连续型随机变量联合概率密度及其性质;二维随机变量联合分布函数及其性质;二维随机变量的边缘分布和条件分布;随机变量的独立性;两个随机变量的简单函数的分布。
4.随机变量的数字特征,随机变量的数字期望的概念与性质;随机变量的方差的概念与性质;常见分布的数字期望与方差;随机变量矩、协方差和相关系数。
5.大数定律和中心极限定理,以及切比雪夫不等式。
6.数理统计基本概念,包括总体与样本;样本函数与统计量;样本分布函数和样本矩。
7.参数估计,包括点估计;估计量的优良性;区间估计。
8.假设检验,包括假设检验的基本概念;单正态总体和双正态总体的均值和方差的假设检验。
二、解题思路
1.如果要求的是若干事件中“至少”有一个发生的概率,则马上联想到概率加法公式;当事件组相互独立时,用对立事件的概率公式。
2.若给出的试验可分解成(0-1)的n重独立重复试验,则马上联想到Bernoulli试验,及其概率计算公式。
3.若某事件是伴随着一个完备事件组的发生而发生,则马上联想到该事件的发生概率是用全概率公式计算。关键:寻找完备事件组。
4.若题设中给出随机变量X~N则马上联想到标准化~N(0,1)来处理有关问题。
5.求二维随机变量(X,Y)的边缘分布密度的问题,应该马上联想到先画出使联合分布密度的区域,然后定出X的变化区间,再在该区间内画一条//y轴的直线,先与区域边界相交的为y的下限,后者为上限,而的求法类似。
6.欲求二维随机变量(X,Y)满足条件Y≥g(X)或(Y≤g(X))的概率,应该马上联想到二重积分的计算,其积分域D是由联合密度的平面区域及满足Y≥g(X)或(Y≤g(X))的区域的公共部分。
7.涉及n次试验某事件发生的次数X的数字特征的问题,马上要联想到对X作(0-1)分解。即令
8.凡求解各概率分布已知的若干个独立随机变量组成的系统满足某种关系的概率(或已知概率求随机变量个数)的问题,马上联想到用中心极限定理处理。
9.若为总体X的一组简单随机样本,则凡是涉及到统计量的分布问题,一般联想到用分布,t分布和F分布的定义进行讨论。
第二篇:概率论与数理统计的公式及定义总结
很多考生对数学的复习不是有很清晰的认识,其实现在可以真正的开始了第一轮的复习。在第一轮的复习中有以下四大框架可以推荐给广大考生。
1. 注意基本概念、基本方法和基本定理的复习掌握
结合考研辅导书和大纲,先吃透基本概念、基本方法和基本定理,只有对基本概念深入理解,对基本定理和公式牢牢记住,才能找到解题的突破口和切入点。分析表明,考生失分的一个重要原因就是对基本概念、基本定理,理解不准确,基本解题方法没有掌握。因此,首轮复习必须在掌握和理解数学基本概念、基本定理、重要的数学原理、重要的数学结论等数学基本要素上下足工夫,如果不打牢这个基础,其他一切都是空中楼阁。
2. 加强练习,充分利用历年真题,重视总结、归纳解题思路、方法和技巧
数学考试的所有任务就是解题,而基本概念、公式、结论等也只有在反复练习中才能真正理解和巩固。试题千变万化,但其知识结构却基本相同,题型也相对固定,一般存在相应的解题规律。通过大量的训练可以切实提高数学的解题能力,做到面对任何试题都能有条不紊地分析和运算。
3. 开始进行综合试题和应用试题的训练
数学考试中有一些应用到多个知识点的综合性试题和应用型试题。这类试题一般比较灵活,难度相对较大。在首轮复习期间,虽然它们不是重点,但也应有目的地进行一些训练,积累解题经验,这也有利于对所学知识的消化吸收,彻底弄清有关知识的纵向与横向联系,转化为自己的东西。
4. 突出重点
高等数学是考研数学的重中之重,所占分值较大,需要复习的内容也比较多。主要内容有:
1)函数、极限与连续:主要考查分段函数极限或已知极限确定原式中的常数;讨论函数连续性和判断间断点类型;无穷小阶的比较;讨论连续函数在给定区间上零点的个数或确定方程在给定区间上有无实根。
2)一元函数微分学:主要考查导数与微分的求解;隐函数求导;分段函数和绝对值函数可导性;洛比达法则求不定式极限;函数极值;方程的根;证明函数不等式;罗尔定理、拉格朗日中值定理、柯西中值定理以及辅助函数的构造;最大值、最小值在物理、经济等方面实际应用;用导数研究函数性态和描绘函数图形,求曲线渐近线。
3)一元函数积分学:主要考查不定积分、定积分及广义积分的计算;变上限积分的求导、极限等;积分中值定理和积分性质的证明题;定积分的应用,如计算旋转面面积、旋转体体积、变力作功等。
4)多元函数微分学:主要考查偏导数存在、可微、连续的判断;多元函数和隐函数的一阶、二阶偏导数、方向导数;多元函数极值或条件极值在与经济上的应用;二元连续函数在有界平面区域上的最大值和最小值。
6)多元函数的积分学:包括二重积分在各种坐标下的计算,累次积分交换次序;
7)微分方程及差分方程:主要考查一阶微分方程的通解或特解;二阶线性常系数齐次和非齐次方程的特解或通解;微分方程的建立与求解。差分方程的基本概念与一介常系数线形方程求解方法
跨章节、跨科目的综合考查题,近几年出现的有:微积分与微分方程的综合题;求极限的综合题等。
线性代数的重要概念包括以下内容:代数余子式,伴随矩阵,逆矩阵,初等变换与初等矩阵,正交变换与正交矩阵,秩(矩阵、向量组、二次型),等价(矩阵、向量组),线性组合与线性表出,线性相关与线性无关,极大线性无关组,基础解系与通解,解的结构与解空间,特征值与特征向量,相似与相似对角化。线性代数的内容纵横交错,环环相扣,知识点之间相互渗透很深,因此不仅出题角度多,而且解题方法也是灵活多变,需要在夯实基础的前提下大量练习,归纳总结。
概率论与数理统计是考研数学中的难点,考生得分率普遍较低。与微积分和线性代数不同的是,概率论与数理统计并不强调解题方法,也很少涉及解题技巧,而非常强调对基本概念、定理、公式的深入理解。其考点如下:
1)随机事件和概率:包括样本空间与随机事件;概率的定义与性质(含古典概型、几何概型、加法公式);条件概率与概率的乘法公式;事件之间的关系与运算(含事件的独立性);全概公式与贝叶斯公式;伯努利概型。
2)随机变量及其概率分布:包括随机变量的概念及分类;离散型随机变量概率分布及其性质;连续型随机变量概率密度及其性质;随机变量分布函数及其性质;常见分布;随机变量函数的分布。
3)二维随机变量及其概率分布:包括多维随机变量的概念及分类;二维离散型随机变量联合概率分布及其性质;二维连续型随机变量联合概率密度及其性质;二维随机变量联合分布函数及其性质;二维随机变量的边缘分布和条件分布;随机变量的独立性;两个随机变量的简单函数的分布。
4)随机变量的数字特征:随机变量的数字期望的概念与性质;随机变量的方差的概念与性质;常见分布的数字期望与方差;随机变量矩、协方差和相关系数。
5)大数定律和中心极限定理,以及切比雪夫不等式。
成功备战考研英语—考前必报班! 英语考试全能王
有很多,你自己找好的吧 很多考生对数学的复习不是有很清晰的认识,其实现在可以真正的开始了第一轮的复习。在第一轮的复习中有以下四大框架可以推荐给广大考生。
1. 注意基本概念、基本方法和基本定理的复习掌握
结合考研辅导书和大纲,先吃透基本概念、基本方法和基本定理,只有对基本概念深入理解,对基本定理和公式牢牢记住,才能找到解题的突破口和切入点。分析表明,考生失分的一个重要原因就是对基本概念、基本定理,理解不准确,基本解题方法没有掌握。因此,首轮复习必须在掌握和理解数学基本概念、基本定理、重要的数学原理、重要的数学结论等数学基本要素上下足工夫,如果不打牢这个基础,其他一切都是空中楼阁。
2. 加强练习,充分利用历年真题,重视总结、归纳解题思路、方法和技巧
数学考试的所有任务就是解题,而基本概念、公式、结论等也只有在反复练习中才能真正理解和巩固。试题千变万化,但其知识结构却基本相同,题型也相对固定,一般存在相应的解题规律。通过大量的训练可以切实提高数学的解题能力,做到面对任何试题都能有条不紊地分析和运算。
3. 开始进行综合试题和应用试题的训练
数学考试中有一些应用到多个知识点的综合性试题和应用型试题。这类试题一般比较灵活,难度相对较大。在首轮复习期间,虽然它们不是重点,但也应有目的地进行一些训练,积累解题经验,这也有利于对所学知识的消化吸收,彻底弄清有关知识的纵向与横向联系,转化为自己的东西。
4. 突出重点
高等数学是考研数学的重中之重,所占分值较大,需要复习的内容也比较多。主要内容有:
1)函数、极限与连续:主要考查分段函数极限或已知极限确定原式中的常数;讨论函数连续性和判断间断点类型;无穷小阶的比较;讨论连续函数在给定区间上零点的个数或确定方程在给定区间上有无实根。
2)一元函数微分学:主要考查导数与微分的求解;隐函数求导;分段函数和绝对值函数可导性;洛比达法则求不定式极限;函数极值;方程的根;证明函数不等式;罗尔定理、拉格朗日中值定理、柯西中值定理以及辅助函数的构造;最大值、最小值在物理、经济等方面实际应用;用导数研究函数性态和描绘函数图形,求曲线渐近线。
3)一元函数积分学:主要考查不定积分、定积分及广义积分的计算;变上限积分的求导、极限等;积分中值定理和积分性质的证明题;定积分的应用,如计算旋转面面积、旋转体体积、变力作功等。
4)多元函数微分学:主要考查偏导数存在、可微、连续的判断;多元函数和隐函数的一阶、二阶偏导数、方向导数;多元函数极值或条件极值在与经济上的应用;二元连续函数在有界平面区域上的最大值和最小值。
6)多元函数的积分学:包括二重积分在各种坐标下的计算,累次积分交换次序;
7)微分方程及差分方程:主要考查一阶微分方程的通解或特解;二阶线性常系数齐次和非齐次方程的特解或通解;微分方程的建立与求解。差分方程的基本概念与一介常系数线形方程求解方法
跨章节、跨科目的综合考查题,近几年出现的有:微积分与微分方程的综合题;求极限的综合题等。
线性代数的重要概念包括以下内容:代数余子式,伴随矩阵,逆矩阵,初等变换与初等矩阵,正交变换与正交矩阵,秩(矩阵、向量组、二次型),等价(矩阵、向量组),线性组合与线性表出,线性相关与线性无关,极大线性无关组,基础解系与通解,解的结构与解空间,特征值与特征向量,相似与相似对角化。线性代数的内容纵横交错,环环相扣,知识点之间相互渗透很深,因此不仅出题角度多,而且解题方法也是灵活多变,需要在夯实基础的前提下大量练习,归纳总结。
概率论与数理统计是考研数学中的难点,考生得分率普遍较低。与微积分和线性代数不同的是,概率论与数理统计并不强调解题方法,也很少涉及解题技巧,而非常强调对基本概念、定理、公式的深入理解。其考点如下:
1)随机事件和概率:包括样本空间与随机事件;概率的定义与性质(含古典概型、几何概型、加法公式);条件概率与概率的乘法公式;事件之间的关系与运算(含事件的独立性);全概公式与贝叶斯公式;伯努利概型。
2)随机变量及其概率分布:包括随机变量的概念及分类;离散型随机变量概率分布及其性质;连续型随机变量概率密度及其性质;随机变量分布函数及其性质;常见分布;随机变量函数的分布。
3)二维随机变量及其概率分布:包括多维随机变量的概念及分类;二维离散型随机变量联合概率分布及其性质;二维连续型随机变量联合概率密度及其性质;二维随机变量联合分布函数及其性质;二维随机变量的边缘分布和条件分布;随机变量的独立性;两个随机变量的简单函数的分布。
4)随机变量的数字特征:随机变量的数字期望的概念与性质;随机变量的方差的概念与性质;常见分布的数字期望与方差;随机变量矩、协方差和相关系数。
5)大数定律和中心极限定理,以及切比雪夫不等式。
成功备战考研英语—考前必报班! 英语考试全能王
有很多,你自己找好的吧
结合考研辅导书和大纲,先吃透基本概念、基本方法和基本定理,只有对基本概念深入理解,对基本定理和公式牢牢记住,才能找到解题的突破口和切入点。分析表明,考生失分的一个重要原因就是对基本概念、基本定理,理解不准确,基本解题方法没有掌握。
因此,首轮复习必须在掌握和理解数学基本概念、基本定理、重要的数学原理、重要的数学结论等数学基本要素上下足工夫,如果不打牢这个基础,其他一切都是空中楼阁。
第三篇:概率论与数理统计公式总结【已整理 可直接打印】
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
概率的乘法公式
全概率公式:从原因计算结果
Bayes公式:从结果找原因
第二章
二项分布(Bernoulli分布)——X~B(n,p)
泊松分布——X~P(λ)
概率密度函数
怎样计算概率
均匀分布X~U(a,b)
指数分布X~Exp (θ)
分布函数
对离散型随机变量
对连续型随机变量
分布函数与密度函数的重要关系:
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
联合分布函数
联合密度与边缘密度
离散型随机变量的独立性
连续型随机变量的独立性
第三章
数学期望
离散型随机变量,数学期望定义
连续型随机变量,数学期望定义
l E(a)=a,其中a为常数
l E(a+bX)=a+bE(X),其中a、b为常数
l 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
常用公式
方差
定义式
常用计算式
常用公式
当X、Y相互独立时:
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
协方差的性质
独立与相关
独立必定不相关
相关必定不独立
不相关不一定独立
第四章
正态分布
标准正态分布的概率计算
标准正态分布的概率计算公式
一般正态分布的概率计算
一般正态分布的概率计算公式
第五章
卡方分布
t分布
F分布
正态总体条件下
样本均值的分布:
样本方差的分布:
两个正态总体的方差之比
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
似然函数
均值的区间估计——大样本结果
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
两个正态总体方差比的置信区间
第七章
假设检验的步骤
① 根据具体问题提出原假设H0和备择假设H1
② 根据假设选择检验统计量,并计算检验统计值
③ 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
l 单正态总体均值的检验
Ø 大样本情形——Z检验
Ø 正态总体小样本、方差已知——Z检验
Ø 正态总体小样本、方差未知—— t检验
l 单正态总体方差的检验
Ø 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
双边检验
左边检验
右边检验
单正态总体均值的Z检验
拒绝域的代数表示
双边检验
左边检验
右边检验
比例——特殊的均值的Z检验
单正态总体均值的 t 检验
单正态总体方差的卡方检验
拒绝域
双边检验
左边检验
右边检验