视频链接:https://www.cctalk.com/m/program/1629431535446012
因为打不出来,所以本文中用A-代替事件的逆
1 随机事件和概率
把事件当成集合,不要当成事件
公式一览
不是独立的情况下,P(A+B)与P(A∪B)完全相同
P(A-B)与P(AB-)与P(A)-P(AB)完全相同;独立的情况下,P(AB)与P(A∪B)完全相同
常见反例方法:全集/空集、两事件相等、两事件互斥
充要条件题目,需要四个都证的,证不出就在A和B蒙
加乘(交并)时有分配率P(A∩(B∪C))=P((A∩B)∪(A∩C)),但减时没有P(A∩(B-C))≠P((A∩B)-(A∩C))
A-∩B-=(A∪B)-;不能把事件的运算当做数字运算
2 一维随机变量与分布
分布函数要求非负,且F(+∞)=1,F(-∞)=0;分布函数要求右连续<–>分界点处两边极限不等时,区间要写成左闭右开;分布函数要求单调不减
标准正态关于y轴对称
分布函数的导数是密度函数;F(X)={X≤x},X可以替换成如-X之类的其他随机变量
分段分布函数,都化为小于等于或小于号,小于等于号用 F(X),小于号用左极限
3 二维随机变量及其分布
互相独立的正态分布相加减,期望相加减,方差相加;期望即正态分布分布函数的对称轴
二维正态分布的相关系数为0,其边缘两个一维正态分布独立;两个正态分布、其他分布相关系数为0,不一定独立
独立时,联合分布的分布函数就是乘积;类似X<Y的情况结合图像用二次积分计算
边缘分布就是各自的分布;各自同分布,联合起来不一定同分布
4 数字特征
常见分布函数的期望方差
DX=EX2-(EX)2
遇到分布函数求数字特征,求导出密度函数;E(g(x))=密度函数与g(x)的积分;奇函数在(-∞,+∞)的反常积分为0
参数为λ的泊松分布的期望为λ
协方差和期望一样具有线型性(方差只有在独立时才有);两随机变量独立,协方差为0;自己与自己取协方差,即为方差
两变量不相关,协方差为0,EXY-EXEY=0;期望具有线型性
协方差内如果变量有加号,可以进行各自交叉计算
iid的地方是独立同分布的意思
相关系数为±1时存在a和b使得aX+B的概率为1(1时a>0,-1时a<0);正态分布的第一个是期望,第二个是方差的平方
离散型的联合分布,都是可以靠列分布列算出来的
很考察公式运用的一道题
5 大数定律和中心极限定理
切比雪夫不等式本质还是算方差,只有最后出答案时用到一个公式
辛钦大数定律(要求独立同分布+有期望)
中心极限定理的题本质上是标准化:减去期望,除以标准差(方差开根号)
6 数理统计
样本方差是总体方差的无偏估计;样本方差的均值就是总体方差
卡方分布是n(自由度)个标准正态分布的平方和;t分布是一个标准正态分布除以n为自由度的卡方分布除以n的开方;F分布是两个卡方分布各自除以自由度的商
三个分布都要求服从独立同分布;单个正态的平方也服从卡方
自由度为n的卡方分布,期望为n,方差为2n;自由度为n的卡方分布服从1/n的指数分布(冷门知识)
同时出现两个分布,通过定义找二者间的关系;T ~ t(n),则T2 ~ F(1,n);t分布的密度函数关于y轴对称
正态总体的抽样分布
正态分布均值直接对应相加减,方差直接对应相加;单个分布与均值分布的和联想样本方差结论
正态总体自带独立条件,方差可以直接线型计算;正态总体情况下求S2的方差,强行构造自由度为(n-1)的卡方分布
如改成均值的平方的方差,可以强行化为标准型,构造卡方分布