概率论与数理统计基础知识
一、随机变量的数字特征
(一)、随机变量的数学期望
1、离散型随机变量的数学期望
2、连续性随机变量的数学期望
3、数学期望的性质
(1)、设C为常数,则E(C)=C
(2)、设X为一随机变量,且E(X)存在,C为常数,则E(CX)=CE(X)
(3)、设X,Y为两个随机变量,则E(X+Y)=E(X)+E(Y)
(4)、设X,Y是两个相互独立的随机变量,则E(XY)=E(X)E(Y)
(二)、随机变量的方差
1、方差的定义
2、方差的计算
(1)、定义法
(2)、公式法:D(X)=E(X²)-[E(X)]²
3、方差的性质
(1)、设C为常数,则D(C)=0
(2)、设X为一随机变量,C为常数,则D(CX)=C²D(X),D(C+X)=D(X)
(3)、设X,Y为两个随机变量,则D(X+Y)=D(X)+D(Y)+2E{[X-E(X)][Y-E(Y)]}.
特别的,若X,Y相互独立,则D(X+Y)=D(X)+D(Y)
二、随机事件及其概率
(一)、随机现象与随机试验
1、随机现象
2、随机试验
(二)、样本空间和随机事件
1、样本空间
2、随机事件
3、事件的关系与运算
(1)、包含关系
(2)、相等关系
(3)、和事件
(4)、积事件
(5)、差事件
(6)、互斥事件
(7)、对立事件
(8)、完备事件组
4、事件的运算律
(1)、交换律
(2)、结合律
(3)、分配律
(4)、德摩根律
(三)、随机事件的概率
1、概率的定义及性质
(1)、定义
1.非负性
2.规范性
3.可列可加性
(2)、概率的性质
1.P(∅)=0
2.有限可加性
3.逆事件的概率
4.减法公式
5.加法公式
2、古典概型
(1)、定义
1.只有有限个样本点
2.每个样本点的出现具有等可能性
(2)、计算方法:P(A)=n(A)/n(Ω)
3、几何概型
(1)、定义
1.样本空间Ω为一个可度量的几何区域
2.样本点的出现具有等可能性
(2)、计算方法:P(A)=m(A)/m(Ω)
(四)、条件概率
1、定义:设A,B是任意两个事件,且P(A)>0,则称P(AB)/P(A)为在事件A发生的条件下,事件B发生的条件概率,记为P(B∣A)
2、乘法定理:设P(A)>0,则称P(AB)=P(B)P(A)
(五)、随机事件的独立性
1、定义:设A,B是任意两个事件,如果满足等式P(AB)=P(A)P(B),则称事件A,B相互独立
2、三个事件的独立性
(六)、全概率公式与贝叶斯公式
1.全概率公式
2.叶贝斯公式
三、大数定律和中心极限定理
(一)、切比雪夫不等式
(二)、依概率收敛
(三)、大数定律
1、辛钦大数定律
2、伯努利大数定律
(四)、中心极限定理
1、 [列维-林德伯格定理(独立同分布的中心极限定理)]
2、[棣莫弗-拉普拉斯定理(二项分布的中心极限定理)]
四、数理统计的基本概念
(一)、总体和样本
1、总体
2、样本
3、简单随机样本的概率分布
(二)、统计量与样本的数字特征
1、统计量
2、样本的数字特征
(1)、样本均值
(2)、样本方差
(3)、样本标准差
(三)、常用的统计抽样分布
1、X²分布
2、t分布
3、F分布
(四)、正态总体的抽样分布
五、随机变量及其分布
(一)、随机变量:对于样本空间Ω中的每一个样本点ω,按照某种对应法则,都与一个实数对应,这样定义一个样本空间Ω到实数集R的映射X=X(ω),称这个映射为随机变量
(二)、随机变量的分布函数
1、定义:设X是一个随机变量,对于任意实数x,令F(x)=P(X≤x),称F(x)为随机变量X的概率分布函数,简称分布函数
2、分布函数的性质
(1)、有界性
(2)、单调性
(3)、右连续性
(三)、离散型随机变量及其分布律
1、定义:若随机变量的取值为有限个或可数无限多个,则称这种随机变量为离散型随机变量。设离散型随机变量X的所有可能取值为x₁,x₂,…,x_k,称P(X=x_k)=p_k(k=1,2,…)为离散型随机变量X的分布律
2、离散型变量的分布函数
3、常用的离散型随机变量
(1)、0-1分布
(2)、伯努利实验与二项分布
(3)、泊松分布
(4)、超几何分布
(5)、几何分布
(四)、连续性随机变量及其概率密度函数
1、定义:如果对于随机变量X的分布函数F(X),存在非负可积函数f(x),使得对于任意实数x,有F(x)=∫ f(t)dt,则称X为连续性随机变量,f(x)称为X的概率密度函数,简称概率密度或密度函数
2、概率密度函数的性质
(1)、非负性
(2)、规范性
3、常用的连续性随机变量
(1)、均匀分布
(2)、指数分布
(3)、正态分布
(五)、随机变量函数的分布
1、离散型随机变量函数的分布
2、连续型随机变量函数的分布