分段概率密度矩估计_概率论与数理统计复习(完整).doc

概率论与数理统计复习(完整)

概率论与数理统计复习

一、概率论的基本概念：

1、事件的运算律：

交换律：，；

结合律：，；

分配律：，；

德·摩根法则：，；

减法运算：。

2、概率的性质：

性质1 ；

性质2 (有限可加性)当个事件两两互不相容时，

；

性质3 对于任意一个事件，；

性质4 当事件满足时，

，；

性质5 对于任意两个随机事件，；

性质6 对于任意一个事件；

性质7 (广义加法法则)对于任意两个事件，

。

3、条件概率：

在已知发生的条件下，事件的概率为：

()。

注意：所有概率的性质对条件概率依然适用，但使用公式必须在同一条件下进行。

4、全概率公式与贝叶斯公式：

设个事件构成样本空间的一个划分，是一个事件，当()时，

全概率公式：；

贝叶斯公式：当时，

， 。

应用全概率公式和贝叶斯公式计算事件的概率或其在已知条件下的条件概率时，关键的问题是找到一个完备事件组，使得能且仅能与之一同时发生，然后运用古典概型、概率的加法和乘法法则计算出和，，并套用全概率公式或贝叶斯公式即可。若一个较复杂的事件是由多种“原因”产生的样本点构成时，多考虑用全概率公式，而这些样本点就构成一个完备事件组；若已知试验结果而要追查“原因”时，往往使用贝叶斯公式，这些“原因”的全体即是所求的完备事件组。

5、随机事件的独立性：

事件独立性的结论：

(1)事件与独立；

(2)若事件与独立，则与，与，与中的每一对事件都相互独立；

(3)若事件与独立，且，，则

，；

(4)若事件相互独立，则；

(5)若事件相互独立，则。

注意：

(1)事件相互独立只要求满足，而事件互斥(互不相容)只要求，这两个概念前一个与事件的概率有关，后一个与事件有关，两者之间没有必然的联系；

(2)如果事件相互独立，则与不相关，反之一般不成立。

(3)对于任意个随机事件，相互独立则两两独立，反之未必；

(4)对于任意个相互独立的随机事件，它们中任意一部分事件的运算结果(和、差、积、逆等)与其他一部分事件或它们的运算结果都相互独立，如：与，与，与都相互独立；

6、贝努利概型与二项概率公式：

设一次试验中事件发生的概率为，则重贝努利试验中，事件恰好发生次的概率为

，。

贝努利试验每次试验相互独立，只关心某一次试验中事件或是否发生，且每次事件发生的概率都相同。

二、随机变量及其分布：

(一)离散型随机变量及其分布：

1、分布律(概率函数)及其性质：

离散型随机变量的分布律(概率函数)为：

，。

分布律也可以写成表格形式，列表法是求解离散型随机变量问题的常用方法。

离散型随机变量的分布律(概率函数)的性质：

(1)，；

(2)。

注意：确定分布律中的未知常数大多考虑随机变量分布律的性质。

2、离散型随机变量的分布律与分布函数和事件概率的关系：

如果已知的分布律为，，则的分布函数

；

而事件的概率为

。

3、离散型随机变量函数的分布：

如果已知的分布律为，，则当的所有取值为()时，随机变量有分布律

。

注意：

(1)若和均为无限可列的离散型随机变量，需要注意函数关系的转化求分布律，如：已知，要求的分布律，则

；

(2)求离散型随机变量函数分布时，要注意对应不同的时，的值有没有重复，若的值有重复，则。

(二)连续型随机变量及其概率密度：

1、连续型随机变量的概率密度函数的性质：

(1)；

(2)；

(3)。

2、连续性随机变量的概率密度与分布函数和事件概率之间的关系：

(1)若的概率密度为，则的分布函数为

，

当为分段函数时其分布函数要做分段讨论；

(2)

；

(3)若的分布函数为，则在连续点处有。

3、连续性随机变量函数的分布：

方法一：

设随机变量的概率密度函数为，那么的分布函数为

，

其概率密度函数为。

方法二：

设随机变量的概率密度函数为，那么的概率密度为

其中是的反函数，，。

三、多维随机变量及其分布：

(一)二维离散型随机变量：

1、联合分布律(概率函数)：

二维离散型随机变量的联合分布律为：

，；

联合概率函数可以计算概率：对于平面上任意一个集合，

。

2、边缘分布律：

二维离散型随机变量关于和的边缘分布律分别为：

，；

，。

注意：

(1)求离散型随机变量的边缘分布函数，常先求出其边缘分布律，将其化为求一元离散型随机变量的分布函数；

(2)列表法是解决联合分布和边缘分布问题常用的方法。

3、条件分布律：

是二维离散型随机变量，

在条件下随机变量的条件分布律为：

， ，；

在条件下随机变量的条件分布律为