概率论知识点总结 大一概率论知识点总结

        概率论总结

        一、前五章总结

        一、前五章总结记作e或ω.全体样本点的集合称为样本空间.样本空间用S或Ω表示.一个随机事件就是样本空间的一个子集。基本事件—单点集，复合事件—多点集一个随机事件发生，当且仅当该事件所包含的一个样本点出现。事件间的关系及运算，就是集合间的关系和运算。

        3、定义：事件的包含与相等若事件A发生必然导致事件B发生，则称B包含A，记为BundefinedA或AundefinedB。若AundefinedB且AundefinedB则称事件A与事件B相等，记为A＝B。定义：和事件“事件A与事件B至少有一个发生”是一事件，称此事件为事件A与事件B的和事件。

        记为A∪B。用集合表示为:A∪B={e|e∈A，或e∈B}。定义：积事件称事件“事件A与事件B都发生”为A与B的积事件，记为A∩B或AB，用集合表示为AB={e|e∈A且e∈B}。

        定义：差事件称“事件A发生而事件B不发生,这一事件为事件A与事件B的差事件,记为A－B,用集合表示为A-B={e|e∈A，eundefinedB}。定义：互不相容事件或互斥事件如果A，B两事件不能同时发生，即AB＝Φ，则称事件A与事件B是互不相容事件或互斥事件。定义6：逆事件/对立事件称事件“A不发生”为事件A的逆事件，记为Ā。

        A与Ā满足：A∪Ā=S,且AĀ=Φ。运算律：设A，B，C为事件，则有

        （1）交换律：A∪B=B∪A，AB=BA

        （2）结合律：A∪(B∪C)=(A∪B)∪C=A∪B∪CA(BC)=(AB)C=ABC

        （3）分配律：A∪(B∩C)＝(A∪B)∩(A∪C)A(B∪C)＝(A∩B)∪(A∩C)=AB∪AC

        （4）德摩根律：小结：事件的关系、运算和运算法则可概括为四种关系：包含、相等、对立、互不相容；四种运算：和、积、差、逆；四个运算法则：交换律、结合律、分配律、对偶律。概率的性质：

        （1）P()=0,

        （2）（3）

        （4）若AB，则P(B-A)=P(B)-P(A),P(B)≥P(A).而条件概率P(A|B)是在原条件下又添加“B发生”这个条件时A发生的可能性大小，即P(A|B)仍是概率.乘法公式：若P(B)>0,则P(AB)=P(B)P(A|B)P(A)>0,则P(AB)=P(A)P(B|A)全概率公式：设A1,A2,…,An是试验E的样本空间Ω的一个划分，且P(Ai)>0，i=1,2,…,n,B是任一事件,则贝叶斯公式：设A1,A2,…,An是试验E的样本空间Ω的一个划分，且P(Ai)>0，i=1,2,…,n,B是任一事件且P(B)>0,则4.贝努利概型是概率论中的最重要的概型之一，在应用上相当广泛。

        3、离散型随机变量及其分布定义1：设xk(k=1,2,…)是离散型随机变量X所取的一切可能值，称等式P(X=xk)=PK,为离散型随机变量X的概率函数或分布律，也称概率分布.其中PK,≥0；ΣPk=1分布律与分布函数的关系：

        （1）已知随机变量X的分布律，可求出X的分布函数：①设一离散型随机变量X的分布律为P{X=xk}=pk(k=1，2，…)由概率的可列可加性可得X的分布函数为②已知随机变量X的分布律,亦可求任意随机事件的概率。

        （2）已知随机变量X的分布函数，可求出X的分布律：

        一、三种常用离散型随机变量的分布.1（0－1）分布：设随机变量X只可能取0与1两个值，它的分布律为P{X=k}=pk(1-p)1-k,k=0，1.(0<p<1)则称X服从（0－1）分布,记为X（0－1）分布。（0－1）分布的分布律用表格表示为：X01P1-pp易求得其分布函数为2.二项分布（binomialdistribution)：定义：若离散型随机变量X的分布律为其中0<p<1,q=1-p,则称X服从参数为n,p的二项分布，记为XB(n,p).

        4、泊松分布的定义及图形特点设随机变量X所有可能取的值为0,1,2,…,且概率分布为：其中入>0是常数,则称X服从参数为入的泊松分布,记作X~P(入).、连续型随机变量1概率密度f(x)的性质

        （1）f(x)≥0

        （2）

        (3).X落在区间(x1，x2)的概率几何意义：X落在区间(x1，x2)的概率P{x1<X≤x2}等于区间(x1，x2)上曲线y=f(x)之下的曲边梯形的面积．

        (4).若f(x)在点x处连续，则有F′(x)=f(x)。

        ．概率密度f(x)与分布函数F(x)的关系：

        (1)若连续型随机变量X具有概率密度f(x)，则它的分布函数为

        (2)若连续型随机变量X的分布函数为F(x)，那么它的概率密度为f(x)=F′(x).注意：对于F(x)不可导的点x处，f(x)在该点x处的函数值可任意给出。三种重要的连续型分布：1．均匀分布(UniformDistribution)设连续随机变量X具有概率密度则称X在区间(a，b)上服从均匀分布，记为XU(a，b).若XU(a，b)，则容易计算出X的分布函数为2.指数分布入>0则称X服从参数为入的指数分布.常简记为X~E(入)指数分布的分布函数为指数分布的一个重要特性是”无记忆性”.设随机变量X满足：对于任意的s>o，t>0,有则称随机变量X具有无记忆性。3.正态分布若r.vX的概率密度为其中μ和都是常数，任意，μ>0，则称X服从参数为μ和的正态分布.记作f(x)所确定的曲线叫作正态曲线.的正态分布称为标准正态分布.标准正态分布的重要性在于，任何一个一般的正态分布都可以通过线性变换转化为标准正态分布.随机变量函数的分布设X为连续型随机变量，具有概率密度fx(x)，求Y=g(X)（g连续）的概率密度。

        1．一般方法——分布函数法可先求出Y的分布函数FY(y)：因为FY(y)=P{Y≤y}=P{g(X)≤y}，设ly={x|g(x)≤y}则再由FY(y)进一步求出Y的概率密度2.设连续型随机变量X的密度函数为undefinedX(x),y=f(x)连续,求Y=f(X)的密度函数的方法有三种：

        （1）分布函数法；

        （2）若y=f(x)严格单调，其反函数有连续导函数，则可用公式法；

        （3）若y=g(x)在不相重叠的区间I1,I2,…上逐段严格单调，其反函数分别为h1(y),h2(y),…,且h1(y),h2(y),…,均为连续函数，则Y=g(X)是连续型随机变量，其密度函数为对于连续型随机变量，在求Y=g(X)的分布时，关键的一步是把事件{g(X)≤y}转化为X在一定范围内取值的形式，从而可以利用X的分布来求P{g(X)≤y}.。离散型随机变量的分布、连续型随机变量及其概率密度性质边缘分布1离散型随机变量的边缘分布律连续型随机变量的边缘分布随机变量的独立性：两个随机变量函数的分布

        一、离散型随机变量函数的分布

        二、连续型随机变量函数的分布2.连续型随机变量数学期望的定义数学期望的本质——定积分它是一个数不再是随机变量3.数学期望的性质E(C)=CE(CX)=CE(X)E(X+Y)=E(X)+E(Y)当X,Y独立时，E(XY)=E(X)E(Y)若存在数a使P(Xa)=1,则E(X)a；若存在数b使P(Xb)=1,则E(X)b.利用公式计算方差的性质1.D(C)=02.D(CX)=C2D(X)D(aX+b)=a2D(X)特别地，若X,Y相互独立，则若Xi，Xj均相互独立，均为常数，则2若X,Y相互独立可得逆命题不成立；3若X,Y相互独立可得逆命题不成立。4.对任意常数C,D(X)E(X–C)2,当且仅当C=E(X)时等号成立5.D(X)=0等价于P(X=E(X))=1称为X依概率1等于常数E(X)。

        切比雪夫不等式设随机变量X有期望E(X)和方差，则对于任给>0,协方差的计算公式

        1、Cov(X,Y)=E(XY)-E(X)E(Y)

        2、D(X+_Y)=D(X)+D(Y)+2Cov(X,Y)协方差的性质：相关系数：

        1、二维正态分布密度函数中，参数p代表了与Y的相关系数。

        2、二维正态随机变量X和Y相关系数为零等价于X和Y相互独立。即XY相互独立等价于XY不相关不相关的充要条件相关系数的性质：切比雪夫大数定律：设X1,X2,…是相互独立的随机变量序列，它们都有有限的方差，并且方差有共同的上界，即D(Xi)≤K，i=1,2,…，则对任意的ε>0马尔科夫条件：在切比雪夫大数定理的证明过程中可以看出只要(△)，则大数定理就能成立。

        切比雪夫大数定律的特殊情况：设X1,X2,…是独立随机变量序列，且E(Xi)=μ，D(Xi)=，i=1,2,…,则对任给>0,辛钦大数定律：设随机变量序列X1,X2,…独立同分布，具有有限的数学期E(Xi)=μ,i=1,2,…，则对任给ε>0，辛钦大数不要求随机变量的方差存在.它为寻找随机变量的期望值提供了一条实际可行的途径.中心极限定理：独立同分布下的中心极限定理：设X1,X2,…是独立同分布的随机变量序列，且E(Xi)=，D(Xi)=，i=1,2,…，则注：参考资料《概率论数理统计随机过程》作者：胡细宝孙洪祥王丽霞郭永江老师的教学课件