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;关键是点取自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