《概率论与数理统计主要内容小结.docx》由会员分享，可在线阅读，更多相关《概率论与数理统计主要内容小结.docx（9页珍藏版）》请在第壹文秘上搜索。
1、概率论与数理统计主要内容小结概率局部1、全概率公式与贝叶斯公式全概率公式：其中。,当,纥是空间S的一个划分。贝叶斯公式：P由I公=广幻P(A田)力P(Bj)P(AIBj)其中男,星,8”是空间S的一个划分。2、互不相容与互不相关AB互不相容OAn8=。,P(Af8)二。事件AB互相独立=P(AB)=P（八）(B);两者没有必然联系3、几种常见随机变量概率密度与分布律:两点分布，二项分布，泊松分布，均匀分布，二项分布，指数分布，正态分布。X伙1,P),即二点分布，那么分布律为Px=k=pk0-p)i,k=0,1.X久,p),即二项分布，那么分布律为Px=k=CP1-p)n-k=0,1,.,n.X
2、ie,xw(a,b)X万(,即泊松分布，那么分布律为Px=k=-=0,1,XU(,b),即均匀分布，那么概率密度为f()=b-a0,其它x(。),即指数分布，那么概率密度为F(X)=Je.0,其它1*2XN(4,),即正态分布，那么那么概率密度为/()=-e2,一OOVXO(或g(x)O),那么Y概率密度为：其中，z(y)是g(x)的反函数，且有=ming(-OO),g(+oo),7=maxg(-oo),g(+8).(ii)利用分布函数计算：先求y=g)值域，再在该值域求Y的分布函数那么有4(y)=F(y)常用求导公式5、二维随机变量分布律对于二维连续性随机变量(X,y),其联合概率密度为7(
3、x,y),其联合分布函数为/(x,y),那么F(x,y)=,：/(，V)dvdu,概率密度性质：(i)/(x,y)O,(ii)f(u.v)dvduJ-DOJ-X概率密度f(x,y),求区域概率有P(x,)D=f(x,y)dydx,D边缘分布函数为Fx(x)=JJ：/(，v)dvdu,FX(y)=v)dudv,边缘概率密度为Fx(X)=f(x9y)dy,f(y)=f(x,y)d.J-8J-OC条件分布函数为FXIy(XIy)=L当弋八，KuUI幻=L弊卜匕条件概率密度为rUy)=坐斗，4X(yI幻=需-f(y)fM对于离散情形，设联合分布律为PX=i,Y=yj=Pij边缘概率密度为PX=Xi=Y
4、pij=P-PY=y.=pij=Pjj=Z=I条件概率密度为尸丫=XIX=X=，PX=iY=yj=-L.6、二维随机变量函数的分布设二维随机变量(X,Y)概率密度为f(x,y)，分布函数为F(x,y)(i) Z=X+Y,那么Z的概率密度为当X,y相互独立时，fz(Z)=X(Z-y)fr(y)dy=jfx(x)fy(z-x)dx(ii) M=maxX,Y与N=min(X,Y当X,Y相互独立时,Fm(z)=Fx(z)Fy(z)fFN(Z)=I-(I-FX(Z)X1-4(Z)7、数学期望(i)求法：连续随机变量X概率密度为/a),那么E(X)=%。)公；假设y=g(X),那么E(Y)=fg(x)f(
5、x)dx.离散随机变量分布律为Px=pjt,那么E(X)=SZp;假设Y=g(X),那么k=E(X)=g(xk)pk.Jl=I假设有二维的随机变量(X,y),其联合概率密度为/(x,y),假设Y=g(X,Y),那么E(Y)=J：匚g(x，y)f(x,y)dydx.(ii)性质：E(C)=C,E(CX)=CE(X),E(X+Y)=E(X)+E(Y)x,y相互独立，那么有E(Xy)=E(X)(丫).8、方差定义：D(X)=ElX-E(X)2,标准差(均方差)：JaX).计算：D(X)=E(X2)-I(X)J2性质：D(C)=0,D(X+C)=D(X),D(CX)=C2D(X).常见分布的数学期望和
6、方差：两点分布：E(X)=P1D(X)=P(I-P).X仇,p),即二项分布，那么E(X)=np,D(X)=np(-p).X粗,即泊松分布，那么E(X)=ZD(X)=ZXU(4,6),即均匀分布，那么E(X)=巴心,D(X)=S.212XE(8),即指数分布,那么E(X)=3D(X)=XN(M,，),即正态分布，那么E(X)=,O(X)=/9、协方差与相关系数定义：协方差:Cov%x,y)=F(x)F(y)=f(x)f(y)=E(X,Y)=E(X)E(Y)F为分布函数，而f为概率密度一般情况下，X,y相互独立=x,y不相关，但反之不成立；特殊情况，当(x,y)N(外,2；。：,犬;夕)时，X,丫相互独立ox,丫不相关并且此时E(X)=，夙丫)=2；。(X)=b(Y)=1px=.Cov(XI)=px2.11、切比雪夫(ChebySheV)不等式：设随机变量X的期望与方差为E(X)=,O(X)=b?,那么对任意正数0,有PX-E(X)e即尸X-4g.进一步有：PX-E(X)1-,BPPX-OM=1,2,，那么当n充分大时，Yn =NXk-E(NXk)/=14n近似N(OJ).定理2(棣莫弗-拉普拉斯定理)设随机变量%,=1,2服从参数为2,p(0p,X+%5-l)nX+-1),X-ta(n-1)Jnyn
