【hebut】概率论与数理统计复习

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