概率论与数理统计基本公式
第一部分 概率论基本公式
1、
例:证明:
2、对偶率:
3、概率性率:
(1)
(3)
4、古典概型
5、条件概率
例:有三个罐子,1号装有2红1黑共3个球,2号装有3红1黑4个球,3号装有2红2黑4个球,某人随机从其中一罐,再从该罐中任取一个球,(1)求取得红球的概率;(2)如果取得是红球,那么是从第一个罐中取出的概率为多少?
(1)P(AB)=P(A)P(B),则称A、B独立。
(2)伯努利概型
如果随机试验只有两种可能结果:事件A发生或事件A不发生,则称为伯努利试验,即:
P(A)=p, 相同条件独立重复n次,称之为n重伯努利试验,简称伯努利概型。 伯努利定理: 事件A首次发生概率为: 例:设事件A在每一次试验中发生的概率为0.3,当A发生不少于3次时,指示灯发出信号,(1)进行5次重复独立试验,求指示灯发出信号的概率;(2)进行了7次重复独立试验,求指示灯发出信号的概率。 第二章 7、常用离散型分布 (1)两点分布:若一个随机变量X只有两个可能的取值,且其分布为: )则称X服从 特别地,若X服从 X 0 1 q p 则称X服从参数为0—1分布。 其中期望E(X)=p,D(X)=p(1-p) (2)二项分布:若一个随机变量X的概率分布由 其中 其期望E(X)=np,方差D(X)=n(1-p) (3)泊松分布:若一个随机变量X概率分布为: 泊松定理:在n重伯努利试验中,事件A在每次试验中发生的概率为 有 其期望方差相等,即:E(X)=D(X)= 8、常用连续型分布 (1)均匀分布:若连续随机变量X的概率密度为 其期望E(X)= (2)指数分布:若随机变量的概率为 其期望E(X)= (3)正态分布:若随机变量X的概率密度为 定理:设 其期望E(X)= μ,D(X)= 9、随机变量函数的分布(1)离散型随机变量函数分布一般方法:先根据自变量X的所有可能取值确定因变量Y的所有可能值,然后通过Y的每一个可能的取值 (2)连续型随机变量函数分布方法:设已知X的分布函数 例:设随机变量X的密度函数为 11、联合概率分布(1)离散型联合分布: X Y P{X= p P{Y= 1 (2)连续型随机变量函数的分布: 例:设随机变量(X,Y)的密度函数 求 解:①当0≤x≤2时由 同理可求得: ② E(X)= ③因为E(XY)= 所以,cov(X,Y)= E(XY)- E(X) E(Y)=4/3-(7/6) ④ 同理得D(Y)= ⑤D(X+Y)=D(X)+D(Y)+2cov(X,Y)= 12、条件分布:若 13、随机变量的独立性:由条件分布设A={Y≤y},且P{Y≤y}>0,则: 14、连续型随机变量的条件密度函数:设二维连续型随机变量(X,Y)的概率密度为 例:设二维随机变量(X,Y)的概率密度函数为: (5)条件概率密度函数 (2)连续型: 数学期望的性质:① E(CX)=CE(X) ① 例:10个人随机进入15个房间,每个房间容纳的人数不限,设X表示有人的房间数,求E(X)(设每个人进入房间是等可能的,且各人是否进入房间相互独立) 附:二项分布b(n,p)和两点分布b(1,p)的另一个关系,仍设一个实验只有两个结果: 其中: (2)方差性质:①D(CX)=C 17、协方差:(1)cov(X,Y)=E(XY)-E(X)E(Y),特别,X,Y独立时,有:cov(X,Y)=0. (2)协方差性质:①cov(X,X)=D(X);②cov(aX,bY)=ab cov(X,Y);③cov(C,Y)=0;④cov( (3)相关系数 附注: ④设e=E[Y-( 18、切比雪夫不等式:设随机变量X的期望E(X)=μ,方差D(X)= 19、大数定理:设随机变量X (2)棣莫佛—拉普拉斯定理:设随机变量X 第二部分 数理统计 21、由于样本方差(或样本标准差)很好的反应总体方差(或标准差)的信息,因此,当方差 22、常用统计分布(1)分位数:设随机变量X的分布函数F(x),对给定的实数 (1)设总体 设 例:已知总体X的概率分布为 (4)确定拒绝域,即依据直观分析先确定拒绝域形式,然后根据给定的显著性水平α和U的分布,由P{拒绝 例:水泥厂用包装机包装水泥,每袋额定重量50千克,某日开工后随机抽查了9袋,得其样本均值为49.9,样本方差为0.29.假设每袋重量服从正态分布,问包装机工作是否正常( 解:(1)建立假设 (2) 选择统计量: (3) 对于给定的显著性水平α,确定k,使 P{|T|>k}=α,查t分布表得: 本文来源:https://www.2haoxitong.net/k/doc/da38987485c24028915f804d2b160b4e777f815d.html
文档为doc格式