概率的性质
加法公式
两者相加 两两不相容
三者相加 容斥原理
减法公式
等于去掉两者的交集
对立事件发生的概率
1的剩余
分配律
交变并
对偶律
长到变短 开口换方向
Q1 画图处理两个集合的关系 加减这类问题
条件概率(填空题)
P(AB) = P(A)P(B|A)
P(B+C|A)=P(B|A)+P(C|A)
Q1 主要是利用公式
古典概型(填空题)
随机试验样本空间只有有限个样本点
每个样本点的发生的可能性相等,事件A发生的概率为
P(A) = A中所含有的样本点数/全集中所有样本点数
Q1 主要是利用组合数 套用公式
Q2 注意抽签问题 先后无关
全概率与贝叶斯公式(大题)
全概率公式
P(A)=EP(ABi) = EP(A|Bi)P(Bi)
当所求的事件可以分成几种情况时
A发生的概率就是这些情况的对应条件概率和
贝叶斯公式
P(Bi|A) = P(BiA)/P(A) = P(A|Bi)P(Bi)/EP(A|Bj)P(Bj)
如果A发生了,判断是哪一种情况
Q1 套公式
事件的独立性(填空题)
A和B独立 P(AB) = P(A)P(B)
P(B) = P(B|A)
P(B|A) = P(B|A`)
A A` B B`也相互独立 (?)
Q1 打靶题目需要找到有多少种 概率相乘再相加(二项分布)
离散型随机变量的分布律与分布函数(填空题)
分布律 P(X = xk)=pk
分布函数 F(x) = P(X<=x) = Epk
"离散型分布函数注意端点处取值"
二项分布和泊松分布(填空题)
二项分布 B(n,p) P(X=k)=Cnk pk (1-p)n-k
n重伯努利实验中A发生的次数分布律
泊松分布 P(u) P(X=k) = u^k e^-u/k!
X~B(n,p) n较大p较小 u是什么?
Q 泊松分布先用例子解u
连续型随机变量计算(大题)
分布函数 F(x) = P(X<=x) = 积分f(x)
概率密度 f(x)
"连续性随机变量任意单点概率为零 不用注意端点处取值"
Q1 用分布函数求 二项分布
均匀分布(小题)
U(a,b)
f(x) = 1/b-a
Q1 方程有实根
正态分布(小题)
N(u,e^2)
标准化u=0,e=1,N(0,1) O(x)
X~N(u,e^2) X-u/e~N(0,1)
F(x) = P(X<=x)=P(X-u/e<=x-u/e) = O(x-u/e)
其分布函数 O(x)+O(-x) = 1
离散型随机变量函数(小题)
Y=g(x)
算完对应再合并
连续型随机变量函数的分布(大题)
f(x)
Y = g(x)
1、分布函数法
P(Y<=y) = P(g(X)<=y)=积分
fY(y)由求导得
Q1 确定未知参数值 利用分布函数趋于1和0
二维离散型随机变量分布
联合分布率
P(xi,yi) = P(xi)P(yi) (仅当XY相互独立)
边缘分布律
某个边缘一个变量固定值对另一个变量全集相加
二维连续性随机变量分布(大题)
联合分布函数
F(x,y) =P(X<=x,Y<=y) = 双积分概率密度
联合概率密度满足
f(x,y)>=0 积分和为1
边缘概率密度
fX(x) = 积分y
条件概率密度
fY|X(y|x) = f(x,y)/fX(x)
XY相互独立
f(x,y)=fX(x) fY(y)
Q2 X+Y<4 求二重积分
二维连续型随机变量函数的分布
分布函数法:
F(z)=P(Z<=z) = P(g(X,Y)<=z) f(z)求导
若XY相互独立Z = max(X,Y)
Fz(Z) = P(max(X,Y)<=z)=P(X<=z,Y<=z)=Fy(y)Fx(x)
此处方向反了的话 可以先用1去减
数学期望
离散:E(X) = Exipi
连续:E(X) = 积分xf(x)dx
概率进行加权平均
E(c)=c
E(cX) = cE(X)
E(X+Y) = E(X)+E(Y)
E(XY) = E(X)E(Y) 只在XY相互独立时
Q1
方差和标准差
D(X)=E[X-E(X)]^2 = E(X^2)-E(X)^2
标准差就是方差开根号
D(C)=0
D(X+C)=D(X)
D(CX)=C^2D(X)
D(X+Y)=D(X)+D(Y)+2E{[X-E(X)][Y-E(X)]}
D(X+Y)=D(X)+D(Y) 只在XY相互独立时
常用分布的期望和方差
种类 简述 期望 方差
0-1分布 P(x=k)=p^k(1-p)^1-k p p(1-p)
二项分布 P(x=k) = Cnk pk (1-p)1-k np np(1-p)
泊松分布 P(x=k) = u^ke^-u/k! u u
均匀分布 f(x) = 1/b-a a+b/2 (b-a)^2/12
正态分布 f(x)~N(u,e^2) u e^2
指数分布 f(x) = ue^-ux 1/u 1/u^2
E(X^2)有时用方差公式计算
协方差和相关系数
协方差:Cov(X,Y)=E(XY)-E(X)E(Y)
协方差的性质:
Cov(X,C)=0
Cov(aX,bY)=abCov(X,Y)
Cov(X1+X2,Y)=Cov(X1,Y)+Cov(X2,Y)
D(X+Y) = D(X)+D(Y)+2Cov(X,Y)
相关系数 Cov(X,Y)/D(X)^-0.5*D(Y)^-0.5
中心极限定理(大题)
正态分布定理
1、随机变量 独立同分布
E(Xk)=u D(Xk)=e^2
当n充分大时有 EXk~N(nu,ne^2)
EXk-nu/ne~N(0,1)
2、随机变量X~B(n,p) n充分大
X~N(np,np(1-p))
Q1 套正态分布的公式即可
三大分布(填空)
卡方分布
Xi相互独立,Xi~N(0,1),Xi^2平方和服从卡方分布
t(n)分布
X~N(0,1),Y~卡方(n) X,Y相互独立 T=X/(T/n)^2 自由度服从卡方的n
F分布
X~卡方分布 Y~卡方分布 X,Y相互独立 F=X/n1/Y/n2~F(n1,n2)
Q1 看具体的分布类型和自由度 平方和 卡方,没平方和正态
Q2
距估计(大题)
1、总体一阶矩 E(X)=g(e),样本一阶矩X = EXi/n
2、总体距=样本距 g(e)=X 反解出估计量e` =h(X)
3、X具体值带入e`=h(X),得到估计值
无偏估计
如果E(e`)=e,则称e`为e的无偏估计量
Q1
极大似然估计(大题)
已经出现的就是最有可能出现的
1、离散型总体最大似然估计
P(X=x)=p(x,e),e为未知参数
xi是一组样本观测值
1、计算似然函数L(e)=Np(xi,e)
2、对似然函数取对数 lnL(e)=Elnp(xi,e)
3、令dlnL(e)/de=0,解出最大似然估计e`
2、连续性
f(x,e)
1、计算似然函数L(e)=Nf(xi,e)
2、对似然函数取对数lnL(e)=Eln(f(xi,e))
3、dln(L(e))/de=0,解出最大似然估计e`
Q1 按照步骤来
假设检验(大题)
1、构造源假设H0和对立假设H1
2、按照下表构造检验统计量
显著性水平1-a 样本均值X = 1/nEXi 样本方差S^2 = 1/n-1E(Xi-X)^2
均值的假设 方差可知z>u1-a/2 方差不可知t>t1-a/2(n-1)
方差的假设 方差可知卡方<X^2a/2(n)X^2>X^21-a/2(n)
方差不可知X^2<X^2a/2(n-1) X^2>X1-a/2^2(n-1)
3、给定显著性水平a,写出拒绝域
4、代入样本观察值,算出统计量的具体值
如果该值落入拒绝域则拒绝源假设
【hebut】概率论与数理统计复习
最新推荐文章于 2024-07-23 22:26:59 发布