发布时间 : 星期六 文章概率论期末考试题型、知识点和公式复习更新完毕开始阅读81f69876ee06eff9aef80777
概率论期末复习知识点
第一章(A卷20分,B卷22分) 1. 事件的表式
2. 事件的关系与运算 3. 概率性质及其应用 4. 古典概型 5. 条件概率 6. 全概率公式 7. 贝叶斯公式
8. 事件的独立性 重点:条件概率,全概率公式,贝叶斯公式 第二章(A卷22分,B卷20分) 1. 离散型随机变量的概率分布 2. 两点分布 3. 二项分布 4. 泊松分布
5. 概率密度函数及其性质
6. 连续型随机变量的分布函数 7. 均匀分布 8. 指数分布
9. 标准正态分布、正态分布 10. 随机变量相关的概率计算
11. 离散型随机变量函数的概率分布
1正态分布,二项分布 重点:○
2离散型随机变量及函数的概率分布 ○
第三章(A卷23分,B卷20分)
1. 离散型随机向量联合概率分布及分布函数 2. 二维连续型随机向量的联合概率密度、性质
对偶律: A?B?AB , AB?A?B ;概率的性质 1. P(?)=0;
2. A1,A2,…, An 两两互斥时:P(A1∪A2∪…∪An)=P(A1)+…+P(An), 3.P(A)?1?P(A)(A是 A不发生)(D)
4.若A?B, 则有: P(A)≤ P(B),P(AB) = P(A),P(B-A)=P(B)-P(A),P(A∪B)=P(B). 5.P(A?B)?P(A)?P(B)?P(AB)(D), P(B-A)=P(B)-P(AB)。
古典概率模型中,事件A的概率
A中包含基本事件数
P(A)?基本事件总数k从n件商品中取出k商品,共有Cn?及其应用
3. 二维连续型随机向量的分布函数 4. 均匀分布 5. 二维正态分布 6. 边缘概率密度 7. 随机变量的独立性
8. 二维随机向量的相关概率计算
1联合概率密度 重点:○
2边缘概率密度 ○
3随机变量的独立性 ○
第四章(A卷21分,B卷26分) 1. 离散型随机变量的期望 2. 连续型随机变量的期望 3. 随机变量函数的期望 4. 方差
5. 方差的性质
6. 协方差、协方差的性质 7. 相关系数
1数学期望重点:○(随机变量及函数的数学期望) 2方差(离散型随机变量的方差) ○
3协方差和相关系数 ○
第五章(A卷14分,B卷12分) 1. 雪比切夫不等式的应用
2. 棣莫弗——拉普拉斯中心极限定理的应用
重点:棣莫弗——拉普拉斯中心极限定理
概率论期末公式复习
n?n![即?]种取法[n!?n?(n?1)???2?1]。 ??k??k!(n?k)!??1
D1- P(B)>0,称下式为事件B发生条件下,事件A的条件概率
P(AB)P(A|B)? ,
P(B)乘法公式:若P(B)>0,则 P(AB)=P(B)P(A|B) ;若P(A)>0,则P(AB)=P(A)P(B|A)。 设A1, A2,…,An是两两互斥的事件,A1∪A2∪…∪An =Ω,且P(Ai)>0, i =1, 2,…, n; 另有一事件B, 它总是与A1, A2,…, An之一同时发生,则
全概率公式:P(B)??P(Ai)P(B|Ai)
i?1n贝叶斯公式:P(A|B)?P(A i)P(B|A i) , i?1, 2,?, n .(D1)
in?P(Aj)P(B|Aj)j?1定义:称 A, B独立,如果P(AB)= P(A)P(B)(D)。
定理. 若事件A, B独立相互独立,则A与B、A与B、A与B也相互独立。 随机变量 X 的分布函数:F(x)= P(X≤x), -∞< x <∞。 性质:P(a1 D2- 定义 :设离散型随机变量 X 所有可能取的值为x1,x2,?,且有 P(X?xk)?pk, k?1,2,? 。离散型随机变量X x1 x2 … p1 p2 … 则称p1 , p2, …为离散型随机变量 X 的概率分布或分布律。其中 p1 , p2, …满足 (1)pk?0, k?1,2,?; (2)?pk?1. 离散型随机变量的分布函数(累计频率): x?x1?0?x1?x?x2p1?F(x)?P(X?x)??pk ??p?px?x?x ?1232xk?x????xn(?)?x??1n(?)i?1X p xn(∞) pn pk?F(xk)?F(xk?1), k?1,2,?; (?)(?)2,E(X2)??n,D(X)?E(X2)?[E(X)]2(D2)。 E(X)??nk?1xkpkk?1xkpkD3- X ~ B(n, p)-参数为(n, p)的二项分布:用X 表示 n 重贝努里试验中事件A发生的次数,则: kkP(X?k)?Cnp(1?p)n?k, k?0, 1, ?, n(D3). E(X)?np,D(X)?np(1?p). X~P(λ)-参数为λ的泊松分布:p(k;?)?P(X?k)?e???kk!, k?0, 1, 2, ?.其中λ>0 是常数, E(X)??,D(X)??。 X为连续型随机变量:有密度函数f(x)?0 使:P(a1?X?b1)??f(x)dx , a1b?h(x)a?x?b设 f(x)??,密度函数的性质:?f(x) dx?1 或?h(x) dx?1 (D) ?a??其它?0 b1x?a?0x分布函数F(x)?P(X?x)? ???ah(t)dta?x?b ?1b?x?(常用到的不定积分公式: 2 xk?1e??xdx1x??x?xdx?,?edx??,?sinxdx??cosx,?2?arctg,?udv?uv??vdu等). 2k?1???x??k在 f (x)的连续点,有:F?(x)?f(x) . E(X)??xh(x) dx,E(X2)??x2h(x) dx,D(X)?E(X2)?[E(X)]2 aabbD4- X~N(?,?2):参数为常数μ和σ>0的正态分布:密度函数为 f(x)??1e2??(x??)22?2,???x??,E(X)??,D(X)??2。 标准正态分布,记作X~N(0,1),E(X)?0,D(X)?1: 1?x2/2密度函数:?(x)?e , ???x?? ,2? x1?t2/2分布函数:?(x)??ed t (可查表得出).??2?X??若 X~N(?, ?2),~N(0,1), ?b????b1???当 x?0 时,?(?x)?1??(x)(D) ?a???P{X?b}P{a1?X?b1}???4?.?1????1? .1????????????X~U(a, b)-均匀分布,密度函数: ?1?, a?x?b,E(X)?(a?b)/2,D(X)?(b?a)2/12. f(x)??b?a??0, 其他 .X ~E(λ)-参数为λ的指数分布, 密度函数: ?? e??x , x?0 ,f(x)?? (??0),E(X)?1/?,D(X)?1/?2. ? 0 , x?0 .X1,X2独立,Xi~N(?i,?i2),i?1,2. aX1+bX2+c~N(aμ1+bμ2+c,a2σ12+b2σ22) E(aX+b)= aE(X)+b,D(aX+b)= a2D(X),E(aX+bY+c)= aE(X)+ bE(X)+c, X,Y独立,D(aX+bY+c)= a2D(X)+b2D(X). 二维离散型随机变量(X,Y ): pij?P(X?xi,Y?yj)≥0,?n(?)j?1二维离散型随机变量(X,Y ) Y X x1 x2 … xm(∞) 边缘 y1 p11 p21 y2 p12 p22 ?m(?)i?1pij?1, … yn(∞) … … … … … p1n p2n 边缘 p1· p2· … pm(∞)· (?)(?),p?j??impi???nj?pij, 1pij?1分布函数F(x,y)???pij X?xiY?yj… pm1 p·1 … pm2 p·2 … p·n(∞) pmn 独立:pij?pi?p?j,i?1,2,?.j?1,2,?。 (?)m(?)Z?g(X,Y),E(Z)??nj?g(xi,yj)pij 1?i?1Z?X,Y,XY,X2,Y2时,可计算:E(X),E(Y),E(XY),E(X2),E(Y2), Cov(X,Y)?E(XY)?E(X)E(Y)等。 独立→不相关:Cov(X,Y)?0,或E(XY)?E(X)E(Y)。 二维连续型随机变量(X,Y )密度函数 ?h(x,y)(x,y)?D1f(x,y)?? [均匀分布时,h(x,y)?,d为D的面积], d其它?0D是矩形(含正方形)、全部区域、三角形(含大三角形)、圆盘、直线与抛物线所围区域等。 3 ?2(x)?2(y)??bdD5- 1???? ?????f(x,y)dxdy???h(x,y)dxdy??adx??1(x)h(x,y)dy(或??cdy??1(y)h(x,y)dx)D(a是区域D左边界的最小值,b是区域D右边界的最大值,ψ1(x)是区域D的下边界函数,ψ2(x)是区域D的上边界函数;c是区域D下边界的最小值,d是区域D上边界的最大值,φ1(x)是区域D的左边界函数,φ2(x)是区域D的右边界函数)。 P[(X,Y)?S]???f(x,y)dxdy???h(x,y)dxdy??( D∩S是矩形、三角形等) SD?S2(x)???a?x?b, ?1(x)h(x,y)dyf(x,y)dy??0x?a或x?b?fx(x)??????fy(y)??????2(y)???c?y?d ?1(y)h(x,y)dxf(x,y)dx??0y?c或y?d?(X,Y )独立:f(x,y)?fx(x)fy(y) (D5) ??D6?Z?g(X,Y),E(Z)?????????g(x,y)f(x,y)dxdy???g(x,y)h(x,y)dxdyD ??dx?ba?2(x)?1(x)g(x,y)h(x,y)dy(或??dy?dc?2(y)?1(y)g(x,y)h(x,y)dx)Z?X,Y,XY,X2,Y2时,可计算:E(X),E(Y),E(XY),E(X2),E(Y2). Cov(X,Y)?E(XY)?E(X)E(Y),?xy?Cov(X,Y)/D(X)D(Y)(D6). D(X?Y)?D(X)?D(Y)?2Cov(X,Y).D(X)?E(X2)?[E(X)]2,D(Y)?E(Y2)?[E(Y)]2. 独立→不相关:Cov(X,Y)?0,或E(XY)?E(X)E(Y)。 D(X)(ε≠0). E(X),D(X)存在,ε任意,切比雪夫不等式:P(X?E(X)??)?2?D7- X1,…,Xn独立, Xi服从0-1分布,p =P(X=1),n充分大时,则 b?npa1?np(D) P(a1??in?1Xi?b1)??(1)??()7 np(1?p)np(1?p) 4