概率统计复习笔记

第二章 随机变量及其分布

第三节 连续型随机变量及其分布

泊松分布

公式如下：

其中np_n = λ ，λ > 0
泊松分布其实就是二项分布的极限分布，即n趋于无穷时

均匀分布

指数分布

小于0的部分直接为0.
积分后易得其分布函数F(x).

正态分布

其中，u决定对称轴，宁一个决定胖瘦（符号打不出来），thigama越小，则瘦高，反之，胖矮。

第四章 随机变量的数字特征

数学期望

公式：

性质：

1. 设C是常数，则有E（C) = C
2. 设X是一个随机变量，C是一个常数，则有E(CX) = CE(X)
3. 设X和Y是两个随机变量，则有E(X + Y) = E(X) + E(Y)
4. 设X和Y是相互独立的随机变量，则E(XY) = E(X) × E(Y)

常见数学期望：

1. 0-1分布：p
2. 二项分布：np
3. 泊松分布：λ （因为np = λ）
4. 均匀分布：(a + b) / 2
5. 指数分布：θ
6. 正态分布：μ

方差

D(X) = E{[X - E(X)]²}

计算公式: D(X) = E(X²) - E(X)²

性质：

1. 设C是常数，则有D（C) = 0
2. 设X是一个随机变量，C是常数，则有：D(CX) = C²D(X)
3. 设X和Y是两个相互独立的随机变量，则有D(X ± Y) = D(X) ± D(Y)
4. D(X) = 0 的充要条件是P{X = C} = 1

常见分布的方差

1. 0-1分布：p(1-p)
2. 二项分布：np(1-p)
3. 泊松分布：λ (lambda)
4. 均匀分布：(a + b)² / 12
5. 指数分布：θ² (theta)
6. 标准正态分布：σ² (xigema)

协方差

为了便于理解协方差的具体含义
参考链接: 如何通俗易懂地解释「协方差」与「相关系数」的概念？.

定义：设X, Y为随机变量，若E[(X - EX)(Y - EY)]存在，则称其为X与Y的协方差，记为Cov(X, Y)

• 正相关：Cov(X, Y) > 0
• 负相关：Cov(X, Y) < 0
• 不相关：Cov(X, Y) = 0

常用计算公式：

• Cov(X, Y) = E(XY) - E(X)E(Y)
• D(X ± Y) = D(X) + D(Y) ± Cov(X, Y)

性质：

1. Cov(X, X) = D(X)
2. Cov(X, Y) = Cov(Y, X)
3. Cov(aX, bY) = abCov(X, Y)
4. Cov(X₁ + X₂, Y) = Cov(X₁, Y) + Cov(X₂, Y)
5. 若X与Y相互独立，则Cov(X, Y) = 0

相关系数：

其中σ_x是变量X的标准差（条件是其不为0，σ_y同理）
相关系数的性质：

• |ρ_xy| ≤ 1
• |ρ_xy| = 1 则意味着X与Y之间存在线性关系，
  即存在常数a，b使P(Y = a + bX) = 1

矩

定义：

第七章 参数估计

矩估计法

大致含义就是用原本该有的值，等于样本估计出来的值来进行解方程。