资源描述
第一章 计数原理
1、分类加法计数原理:做一件事情,完成它有N类办法,在第一类办法中有M1种不同的方法,在第二类办法中有M2种不同的方法,……,在第N类办法中有MN种不同的方法,那么完成这件事情共有M1+M2+……+MN种不同的方法。
2、分步乘法计数原理:做一件事,完成它需要分成N个步骤,做第一 步有m1种不同的方法,做第二步有M2不同的方法,……,做第N步有MN不同的方法.那么完成这件事共有 N=M1M2...MN 种不同的方法。
3、排列:从n个不同的元素中任取m(m≤n)个元素,按照一定顺序排成一列,叫做从n个不同元素中取出m个元素的一个排列
4、排列数:
5、组合:从n个不同的元素中任取m(m≤n)个元素并成一组,叫做从n个不同元素中取出m个元素的一个组合。
6、组合数:
7、二项式定理:
8、二项式通项公式
9.二项式系数的性质:
展开式的二项式系数是,,,…,.可以看成以为自变量的函数,定义域是,
(1)对称性.与首末两端“等距离”的两个二项式系数相等(∵).
(2)增减性与最大值:当是偶数时,中间一项取得最大值;当是奇数时,中间两项,取得最大值.
(3)各二项式系数和:∵,
令,则
第二章 随机变量及其分布
知识点:
(3) 随机变量:如果随机试验可能出现的结果可以用一个变量X来表示,并且X是随着试验的结果的不同而变化,那么这样的变量叫做随机变量. 随机变量常用大写字母X、Y等或希腊字母 ξ、η等表示。
(4) 离散型随机变量:在上面的射击、产品检验等例子中,对于随机变量X可能取的值,我们可以按一定次序一一列出,这样的随机变量叫做离散型随机变量.
3、离散型随机变量的分布列:一般的,设离散型随机变量X可能取的值为x1,x2,..... ,xi ,......,xn
X取每一个值 xi(i=1,2,......)的概率P(ξ=xi)=Pi,则称表为离散型随机变量X 的概率分布,简称分布列
4、分布列性质① pi≥0, i =1,2, … ;② p1 + p2 +…+pn= 1.
5、二点分布:如果随机变量X的分布列为:
其中0<p<1,q=1-p,则称离散型随机变量X服从参数p的二点分布
6、超几何分布:一般地, 设总数为N件的两类物品,其中一类有M件,从所有物品中任取n(n≤N)件,这n件中所含这类物品件数X是一个离散型随机变量,
则它取值为k时的概率为,
其中,且
7、 条件概率:对任意事件A和事件B,在已知事件A发生的条件下事件B发生的概率,叫做条件概率.记作P(B|A),读作A发生的条件下B的概率
8、 公式:
9、 相互独立事件:事件A(或B)是否发生对事件B(或A)发生的概率没有影响,这样的两个事件叫做相互独立事件。
10、 n次独立重复事件:在同等条件下进行的,各次之间相互独立的一种试验
11、二项分布: 设在n次独立重复试验中某个事件A发生的次数,A发生次数ξ是一个随机变量.如果在一次试验中某事件发生的概率是p,事件A不发生的概率为q=1-p,那么在n次独立重复试验中 (其中 k=0,1, ……,n,q=1-p )
于是可得随机变量ξ的概率分布如下:
这样的随机变量ξ服从二项分布,记作ξ~B(n,p) ,其中n,p为参数
12、数学期望:一般地,若离散型随机变量ξ的概率分布为
则称 Eξ=x1p1+x2p2+…+xnpn+… 为ξ的数学期望或平均数、均值,数学期望又简称为期望.是离散型随机变量。
13、方差:D(ξ)=(x1-Eξ)2·P1+(x2-Eξ)2·P2 +......+(xn-Eξ)2·Pn 叫随机变量ξ的均方差,简称方差。
14、集中分布的期望与方差一览:
期望
方差
两点分布
Eξ=p
Dξ=pq,q=1-p
二项分布,ξ ~ B(n,p)
Eξ=np
Dξ=qEξ=npq,(q=1-p)
15、正态分布:
若概率密度曲线就是或近似地是函数
的图像,其中解析式中的实数是参数,分别表示总体的平均数与标准差.
则其分布叫正态分布,f( x )的图象称为正态曲线。
16、基本性质:
①曲线在x轴的上方,与x轴不相交.
②曲线关于直线x=对称,且在x=时位于最高点.
③当时,曲线上升;当时,曲线下降.并且当曲线向左、右两边无限延伸时,以x轴为渐近线,向它无限靠近.
④当一定时,曲线的形状由确定.越大,曲线越“矮胖”,表示总体的分布越分散;越小,曲线越“瘦高”,表示总体的分布越集中.
⑤当σ相同时,正态分布曲线的位置由期望值μ来决定.
⑥正态曲线下的总面积等于1.
17、 3原则:
从上表看到,正态总体在 以外取值的概率 只有4.6%,在 以外取值的概率只有0.3% 由于这些概率很小,通常称这些情况发生为小概率事件.也就是说,通常认为这些情况在一次试验中几乎是不可能发生的.
展开阅读全文