概率论课程

知识总结

第一章 随机事件及其概率

• 古典概型：

一个试验的样本点有限，并且每个样本点出现的可能性都相等，那这个试验就是古典概型（等可能概型）

概率是衡量一个事件发生的可能性大小的数值，满足如下性质：

1. 非负性
2. 规范性：无论什么结果出现事件都发生
3. 可列可加性：两两互斥的事件，概率相加后为1

条件概率：$P(B|A)=P(AB)/P(A)$
全概率公式：$P(A)=\sum P(B_i)P(A/B_i)$
贝叶斯公式：$P(A_i/B)=P(A_i)P(B|A_i)/\sum P(B|A_j)P(A_j)=P(A_{i}B)/P(B)$
独立性：
$P(AB)=P(A)P(B)$

第二章 随机变量及其分布

对于样本空间U，有$x=x(w)$为实值单值函数，称$X=X(w)$为随机变量，定义域为样本空间 { w ∣ x ( w ) = a } \{ w|x(w)=a\} {w∣x(w)=a}

• 离散型随机变量

随机变量全部可能取到的值是有限个或可列无限个，这种随机变量称为离散型随机变量

分布律：可以用表格形式或 P { X = x k } = p k , k = 1 , 2... P\{ X=x_k\} =p_k,k=1,2... P{X=xk​}=pk​,k=1,2...

• 三种离散型随机变量

1. （0—1）分布
   分布律： P { X = k } = p k ( 1 − p ) 1 − k , k = 1 , 2... P\{ X=k\} =p^k(1-p)^{1-k},k=1,2... P{X=k}=pk(1−p)1−k,k=1,2...
2. 伯努利试验、二项分布

设试验E只有两个可能结果，A和非A，则称E为伯努利试验。
将E独立重复地进行n次，称这一串重复的独立试验为n重伯努利试验。

1.求线性回归方程：求$L_{xx}$和$L_{xy}$
$L_{xy}$ = $\sum x_i{y}_i-\sum x_i\sum y_i/n$
斜率k = $L_{xy}/L_{xx}$
$y^{=}k(x-\sum x_i/n)+\sum y_i$
2.求概率密度：
先在分布函数的层面将函数转换成目标形式
目标概率密度即为对分布函数求导得出
3.无偏性：$E({\theta }^{\prime })=\theta$
有效性：方差小
相合性：$limP${|${\theta }^{\prime }-\theta$|<N} = 1 N>0
4.区间估计：
详见手机相册
5.切比雪夫不等式：
$P(|X-u|>=N)<=D(X)/N^2$,N>0
6.矩估计量中$E(X)=\overline{X}=\sum X_i/n$