【概率论与数理统计复习笔记】
第一章 统计论的基本概念
1.1 随机试验
1.2 样本空间、随机事件
样本空间:
我们将随机试验E的所有可能结果组成的集合称为E的样本空间,记为S.样本空间的元素﹐即E的每个结果,称为样本点.
随机事件:
1.3 概率与频率
频率
频率的基本性质
概率
概率的性质
1.4 等可能模型(古典模型)
等可能模型中事件概率的计算公式
超几何分布的概率公式
N件成品,中有D件次品,从中任取n件,问恰好有k件次品的概率
1.5 条件概率
条件概率符合:
乘法定理
全概率公式和贝叶斯公式
当n为2时,有常用的全概率公式和贝叶斯公式:
1.6 独立性
根据上面的这个定义:
第一章小结
第二章随机变量及其分布
2.1 随机变量
2.2 离散型随机变量及其分布律
0-1 分布
伯努利试验、二项分布
泊松分布
泊松定理(用泊松分布逼近二项分布)
2.3 随机变量的分布函数
2.4 连续型随机变量及其概率密度
均匀分布
指数分布
服从指数分布的随机变量X具有无记忆性
正态分布
2.5 随机变量的函数的分布
第三章 多维随机变量及其分布
3.1 二维随机变量
一般,设E是一个随机试验,它的样本空间是S={e},设X=X(e)和Y=Y(e)是定义在S上的随机变量,由它们构成的一个向量(X,Y),叫做二维随机向量或二维随机变量
联合分布函数的定义:
若X Y为坐标轴,那么F(x,y)可以看做原点与(x,y)点的矩形面积。
分布函数F(x,y)具有的基本性质
离散型的随机变量
连续性的二维随机变量
根据定义,概率密度f(x,y)具有的性质:
3.2 边缘分布
3.3 条件分布
条件分布律
条件概率密度
3.4 相互独立的随机变量
对于二维正态随机变量(X,Y),X和Y的相互独立的充要条件是参数ρ=0
3.5 两个随机变量的函数的分布
Z=X+Y的分布
更一般地,可以证明有限个相互独立的正态随机变量的线性组合仍然服从正态分布.
Z的Y/X分布、Z= XY的分布
M=max{X,Y}及N=min{X,Y}的分布
以上结论可以推广到n维:
第四章 随机变量的数字特征
4.1 数学期望
数学期望是一种重要的数字特征,它反映随机变量平均取值的大小,是试验中每次可能结果的概率乘以其结果的总和。 数学期望描述的是一个随机变量取值的集中位置,也就是随机变量的概率加权平均值。(来自百度)
随机变量的函数的数学期望
推广到两个及两个以上变量的随机函数:
数学期望的几个重要性质
3.2 方差
,随机变量X的方差表达了X 的取值与其数学期望的偏离程度.
对离散型变量和连续性变量
方差由期望的计算公式
方差的几个重要性质
切尔雪夫不等式(Chebyshev)
4.3 协方差及相关系数
可推导出:
(3.2)常用来计算协方差。
协方差性质
相关系数性质
相关系数越大,表示x和y的线性相关越好,较小时,线性相关程度较差,为0时,则称X和Y不相关。
4.4 矩、协方差矩阵
n维正态随机变量具有的几条重要性质
第五章 大数定理及中心极限定理
大数定理
第六章 样本及抽样分布
6.1 随机样本
我们将试验的全部可能的观察值称为总体,这些值不一定都不相同,数目上也不一定是有限的,每-个可能观察值称为个体.总体中所包含的个体的个数称为总体的容量.容量为有限的称为有限总体,容量为无限的称为无限总体.
样本的定义
6.3 抽样分布
经验分布函数
统计量的分布称为抽样分布.在使用统计量进行统计推断时常需知道它的分布.当总体的分布函数已知时,抽样分布是确定的,然而要求出统计量的精确分布,–般来说是困难的.本节介绍来自正态总体的几个常用统计量的分布.
卡方分布
卡方分布的性质及分位点
t分布
t分布的分位点
F分布
F分布的分位点
正态总体的样本均值与样本方差的分布
正态分布定理
第七章 参数估计
7.1 点估计
下面介绍两种常用的构造估计量的方法:矩估计法和最大似然估计法.
矩估计法
最大似然估计法
看书吧,几个例子看会了这类题就会写了。