概率论公式总结.doc

(完整word版)概率论公式总结第1章 随机事件及其概率加法公式P(A+B)=P(A)+P(B)-P(AB)当P(AB)0时，P(A+B)=P(A)+P(B)减法公式P(A-B)=P(A)-P(AB)当BA时，P(A-B)=P(A)-P(B)当A=时，P()=1- P(B)乘法公式乘法公式：更一般地，对事件A1，A2，An，若P(A1A2An-1)0，则有。独立性两个事件的独立性设事件、满足，则称事件、是相互独立的。若事件、相互独立，且，则有多个事件的独立性设ABC是三个事件，如果满足两两独立的条件，P(AB)=P(A)P(B)；P(BC)=P(B)P(C)；P(CA)=P(C)P(A)并且同时满足P(ABC)=P(A)P(B)P(C）全概公式。贝叶斯公式，i=1，2，n。此公式即为贝叶斯公式。，（，），通常叫先验概率。，（，），通常称为后验概率。贝叶斯公式反映了“因果”的概率规律，并作出了“由果朔因”的推断。第二章 随机变量及其分布连续型随机变量的分布密度设是随机变量的分布函数，若存在非负函数，对任意实数，有， 则称为连续型随机变量。称为的概率密度函数或密度函数，简称概率密度。密度函数具有下面性质： 。 离散与连续型随机变量的关系。积分元在连续型随机变量理论中所起的作用与在离散型随机变量理论中所起的作用相类似。设为随机变量，是任意实数，则函数称为随机变量X的分布函数，本质上是一个累积函数。 可以得到X落入区间的概率。分布函数表示随机变量落入区间（ ，x内的概率。1. ；2。 是单调不减的函数，即时，有 ；3。，；4。 ，即是右连续的；5. 。对于离散型随机变量，；对于连续型随机变量， 。 （5）八大分布0-1分布P(X=1)=p, P(X=0)=q二项分布在重贝努里试验中，设事件发生的概率为。事件发生的次数是随机变量，设为，则可能取值为。， 其中，则称随机变量服从参数为，的二项分布。记为。当时，这就是（0-1）分布，所以（0-1）分布是二项分布的特例。泊松分布设随机变量的分布律为，则称随机变量服从参数为的泊松分布，记为或者P()。超几何分布随机变量X服从参数为n,N,M的超几何分布，记为H(n,N,M)。几何分布，其中p0，q=1-p。随机变量X服从参数为p的几何分布，记为G(p)。均匀分布当ax1x2b时，X落在区间（）内的概率为设随机变量的值只落在a，b内，其密度函数在a，b上为常数，即axb 其他指数分布 ,0, ,其中，则称随机变量X服从参数为的指数分布。X的分布函数为记住积分公式 , x0。 正态分布设随机变量的密度函数为其中、为常数，则称随机变量服从参数为、的正态分布或高斯（Gauss）分布，记为。具有如下性质：1 的图形是关于对称的；2 当时，为最大值；若，则的分布函数为是不可求积函数，其函数值，已编制成表可供查用。(-x)1-(x)且(0)。如果，则。 函数分布离散型已知的分布列为，的分布列（互不相等）如下：，若有某些相等，则应将对应的相加作为的概率。连续型先利用X的概率密度fX(x)写出Y的分布函数FY(y)P(g(X)y)，再利用变上下限积分的求导公式求出fY(y)。第三章 二维随机变量及其分布连续型对于二维随机向量，如果存在非负函数，使对任意一个其邻边分别平行于坐标轴的矩形区域D，即D=(X,Y)|axb,cy2)二维随机变量数字特征期望函数的期望方差协方差对于随机变量X与Y，称它们的二阶混合中心矩为X与Y的协方差或相关矩，记为，即与记号相对应，X与Y的方差D（X）与D（Y）也可分别记为与。相关系数对于随机变量X与Y，如果D（X）0, D(Y)0，则称为X与Y的相关系数，记作（有时可简记为）。|1，当|=1时，称X与Y完全相关：完全相关而当时，称X与Y不相关。以下五个命题是等价的：；cov(X,Y)=0;E(XY)=E(X)E(Y);D(X+Y)=D(X)+D(Y);D(X-Y)=D(X)+D(Y).协方差的性质(i) cov (X, Y)=cov (Y, X);(ii) cov(aX,bY)=ab cov(X,Y);(iii) cov(X1+X2, Y)=cov(X1,Y)+cov(X2,Y);(iv) cov(X,Y)=E(XY)-E(X)E(Y).独立和不相关若随机变量X与Y相互独立，则；反之不真。（2）中心极限定理列维林德伯格定理设随机变量X1，X2，相互独立，服从同一分布，且具有相同的数学期望和方差：，则随机变量的分布函数Fn(x)对任意的实数x，有此定理也称为独立同分布的中心极限定理。棣莫弗拉普拉斯定理设随机变量为具有参数n, p(0p1)的二项分布，则对于任意实数x,有第六章 样本及抽样分布常见统计量及其性质样本均值样本方差样本标准差样本k阶原点矩样本k阶中心矩，其中，为二阶中心矩（2）正态总体下的四大分布正态分布设为来自正态总体的一个样本，则样本函数t分布其中t(n-1)表示自由度为n-1的t分布。设为来自正态总体的一个样本，则样本函数设为来自正态总体的一个样本，则表示自由度为n-1的分布分布F分布设为来自正态总体的一个样本，而为来自正态总体的一个样本，则样本函数其中表示自由度为，当总体X为连续型随机变量时，设其分布密度为 ，其中为未知参数。又设为总体的一个样本，称为样本的似然函数，简记为Ln.当总体X为离型随机变量时，设其分布律为，则为样本的似然函数。若似然函数在处取到最大值，则称分别为的最大似然估计值，相应的统计量称为最大似然估计量。若为的极大似然估.- 16 -