概率论与数理统计

1 随机事件w和概率

间接计算

和/并、差/减/斥、摩根、条件

包含、对立、互斥/互不相容、独立

判断事件独立性

概率不等式

直接计算随机事件概率

2 一维随机变量

3 二维随机变量

4 随机变量的数字特征(期望、方差)

5 大数定理和中心极限定理

6 数理统计初步

分布律/分布列、概率密度、分布函数

⭐一维变量的常见分布

古典(样本点有限;每个事件发生的概率相同/每个样本点发生的可能性相同):P(A)=有利A/全部

几何概型(样本点无限,且构成几何区域/样本空间是几何区域;
每个样本点发生的可能性相同)
PS:样本点在几何度量上等可能,与区域成正比;关键是取自A):
P(A)=u(A)/u(全部)

贝努利概型(一次试验只有两种结果的多重试验,且每次试验相互独立):P(A)=p^k q^n-k

离散型的一维变量分布

二项X~B(n,p):n重贝努利事件中,成功次数X=k服从二项
0-1分布=B(1,p)

几何(无后性,唯一。有放回地取,一旦取到就停止;无后性):n重贝努利事件中,第k次首次成功

超几何(不放回。二项分布则相当于是有放回的

负二项分布

泊松分布(n很大,成功发生概率p很小,趋于无穷的极限二项分布):大量重复事件中的稀有事件

设独立A事件的概率为p,则在n冲伯努利试验中事件A发生k次的概率,又称为二项概率公式:Cnk=p^k(1-p)^n-k

n重贝努利事件:每次实验只有两个结果;n次试验相互独立;各次试验成功概率相同

连续型的一维变量分布

均匀分布u(a,b):背景就是一维几何概型(某点到这个几何区域),均匀分布是一整个一块

正态

指数

一维离散:分布律

一维连续

分布函数、概率密度、条件概率

随机变量函数的分布:列出Y,再合并概率

🚩连续:用定义,找分段点

二维随机变量的分布函数F(X,Y)性质/充要条件:4个

随机变量X和Y独立:F(X,Y)=F(X)F(Y)的独立性

离散:pij=pi.p.j
连续:f(x,y)=f(x)f(y)

⭐二维变量的常见分布(一般只涉及连续型)

均匀分布

正态分布

随机变量函数Z=g(X,Y)的分布

离散:就是用概型找出每个(X,Y)对的概率
(X,Y)联合分布律Pij;边缘分布律Pi.,P.j;条件分布律

连续:X和Y的联合概率密度或(X,Y)的概率密度:f(x,y);
落在D内的概率;

(X,Y)关于X的边缘密度;在Y=y条件下的条件概率密度

离散:列举,合并

X,Y都连续:Z=X+Y

X离散,Y连续:全概率

max,min

Z=XY;Z=X/Y

应用:超几何分布(同时取或者不放回地取,恰好k个次品)

有点像连续变量的背景