概率统计复习2015-2016下_第1页
概率统计复习2015-2016下_第2页
概率统计复习2015-2016下_第3页
概率统计复习2015-2016下_第4页
概率统计复习2015-2016下_第5页
已阅读5页,还剩192页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

1、样本空间 随机试验 E 的所有可能结果组成的集 合称为 E 的样本空间, 记为 S .,样本点 样本空间的元素 , 即试验E 的每一个结果, 称为样本点.,随机事件 随机试验 E 的样本空间 S 的子集称 为 E 的随机事件, 简称事件.,一基本定义,第一章 1-2节,二、随机事件间的关系及运算,7. 事件 A 的逆事件,若 A 与 B 互逆,则有,A 与 互为对立事件,事件间的运算规律,概率的可列可加性,1. 概率的定义,第三节 频率与概率,2. 性质,逆,第四节 等可能概型(古典概型),1. 定义,一、等可能概型(古典概型),设试验 E 的样本空间由n 个样本点构成, A 为 E 的任意一

2、个事件,且包含 m 个样本点,则事 件 A 出现的概率记为:,2. 古典概型中事件概率的计算公式,称此为概率的古典定义.,3. 古典概型的基本模型:摸球模型,(1) 无放回地摸球,问题1 设袋中有4 只白球和 2只黑球, 现从袋中无 放回地依次摸出2只球,求这2只球都是白球的概率.,解,基本事件总数为,A 所包含基本事件的个数为,(2) 有放回地摸球,问题2 设袋中有4只红球和6只黑球,现从袋中有放 回地摸球3次,求前2次摸到黑球、第3次摸到红球 的概率.,解,第1次摸球,6种,第1次摸到黑球,4种,第3次摸到红球,基本事件总数为,A 所包含基本事件的个数为,4.古典概型的基本模型:球放入杯子

3、模型,(1)杯子容量无限,问题1 把 4 个球放到 3个杯子中去,求第1、2个 杯子中各有两个球的概率, 其中假设每个杯子可 放任意多个球.,4个球放到3个杯子的所有放法,因此第1、2个杯子中各有两个球的概率为,(2) 每个杯子只能放一个球,问题2 把4个球放到10个杯子中去,每个杯子只能 放一个球, 求第1 至第4个杯子各放一个球的概率.,解,第1至第4个杯子各放一个球的概率为,同理可得,为事件 B 发生的条件下事件 A 发生的条件概率.,1. 定义,第五节条件概率,2. 性质,3、 乘法定理,4. 全概率公式,全概率公式,称此为贝叶斯公式.,5. 贝叶斯公式,1.定义,第六节 独立性,2、

4、几个重要定理,随机变量的概念,第二章第一节 随机变量,第二节 离散型随机变量及其分布律,性质,一、离散型随机变量的分布律,定义,(非负性),(规范性),(1)定取值(2)求概率(3)验证1,离散型随机变量的分布律也可表示为,二、常见离散型随机变量的概率分布,设随机变量 X 只可能取0与1两个值 , 它的分布律为,则称 X 服从 (01) 分布或两点分布.,1.(01)分布,2.等可能分布,如果随机变量 X 的分布律为,(2) n 重伯努利试验,(3) 二项概率公式,称这样的分布为二项分布.记为,4. 泊松分布,第三节 随机变量的分布函数,1.分布函数的定义,二、分布函数的性质,重要公式,一般,

5、即,分布函,其跳跃值为,解,例1,第四节连续型随机变量 及其概率密度,一、概率密度的概念与性质,1.定义,1,性质,解,例1,二、常见连续型随机变量的分布,1. 均匀分布,2. 指数分布,其他,(4.7),3、正态分布,正态分布的概率密度函数,正态分布或高斯分布.,性质:,有,即有,易知,引理,则,有,第五节 随机变量的函数的分布,一.离散型随机变量的函数分布,1. 离散型随机变量的函数的分布,注意,如果设,2. 连续型随机变量的函数的分布,方法1,例4,证,由这一式子解得,现在,即,即有,第三章 多维随机变量及其分布,二维随机变量 边缘分布 条件分布 相互独立的随机变量 两个随机变量的函数的

6、分布 小结与习题,图示,一、二维随机变量及其分布函数,1.定义,2.二维随机变量的分布函数,(1)分布函数的定义,(2) 分布函数的性质,且有,若二维随机变量 ( X, Y ) 所取的可能值是有限对或无限可列多对,则称 ( X, Y ) 为二维离散型随机变量.,二、二维离散型随机变量,1. 定义,2. 二维离散型随机变量的分布律,二维随机变量 ( X,Y ) 的分布律也可表示为,1.定义,三、二维连续型随机变量,2.性质,例2,解,(2) 将 ( X,Y )看作是平面上随机点的坐标,即有,二、离散型随机变量的边缘分布律,三、连续型随机变量的边缘分布,一、边缘分布函数,四、小结,第二节 边缘分布

7、,一、边缘分布函数,为随机变量 ( X,Y )关于Y 的边缘分布函数.,二、离散型随机变量的边缘分布律,例1 已知下列分布律求其边缘分布律.,注意,联合分布,边缘分布,解,因此得离散型随机变量关于X 和Y 的边缘分布函数分别为,三、连续型随机变量的边缘分布,同理可得 Y 的边缘分布函数,Y 的边缘概率密度.,解,例3,一、离散型随机变量的条件分布,二、连续型随机变量的条件分布,三、小结,第三节 条件分布,定义,一、离散型随机变量的条件分布,例1,解,由上述分布律的表格可得,定义,二、连续型随机变量的条件分布,例3,现设二维随机变,求条件概率,解,且有边缘概率密度,一、随机变量的相互独立性,二、

8、二维随机变量的推广,第四节 相互独立的随机变量,三、小结,一、相互独立的随机变量,1.定义,若对于所有,即,2.说明,(1) 若离散型随机变量 ( X,Y )的联合分布律为,例1 对于随机变量,由,得,例2 若X,Y具有联合分布率,则有,二、离散型随机变量函数的分布,三、连续型随机变量函数的分布,第五节两个随机变量的函数的分布,结论,求二维连续型随机变量函数的密度函数的一般步骤:,求随机变量Z的分布函数,第二步求导即得随机变量Z的密度函数,第一步首先求随机变量Z=g(X,Y)的分布函数,求出随机变量Z的取值范围,三、连续型随机变量函数的分布,它具有概率,其,概率密度为,或,和,即,证,即有,例

9、1,他们都服,其概率密度为,解,由(5.4)式,得,说明,有限个相互独立的正态随机变量的线性组合,一般,从正态分布,仍然服从正态分布.,它们的,故有,分布函数为,即有,类似地,即,则,分布函数分别为,推广,1. 数学期望 2. 方差 3. 协方差及相关系数 4. 矩、协方差矩阵,第四章 随机变量的数字特征,定义: 定义:,数学期望简称期望,又称均值。,例5:,例6:,几种重要分布的数学期望,例7:已知某零件的横截面是个圆,对横截面的直径X进 行测量,其值在区间(1,2)上均匀分布,求横截 面面积S的数学期望。,例8:,数学期望的特性:,这一性质可以推广到任意有限个随机变量线性组合的情况,X分解

10、成数个随机变量之和,利用E(X)=E(X1 +X2+Xn)= E(X1)+ E(X2)+ +E(Xn)”,为标准差或均方差。,方差实际上是一个特殊的函数 g(X) =(X-E(X)2 的期望,对于离散型随机变量X,其分布律为,对于连续型随机变量X,其概率密度为,此外,利用数学期望的性质,可得方差得计算公式(常用):,方差的性质:,表1 几种常见分布的均值与方差,数学期望 方差,分布率或 密度函数,分布,总结方差的计算方法,定义法:函数的数学期望 方差的性质 常用公式:D(X)=E(X2)-E(X)2 X分解成数个相互独立的随机变量之和,利用D(X)=D (X1 +X2+Xn)= D (X1)+

11、 D (X2)+ +D (Xn)” 根据题型,以上方法可能独立使用,也可能结合使用。,3 协方差及相关系数,对于二维随机变量(X,Y),除了讨论X与Y的数学期望和方差外,还需讨论描述X与Y之间相互关系的数字特征。 定义:,协方差的计算,证(2):,注: X,Y相互独立,协方差的性质:,例1、设(X,Y)的分布律为:,求Cov(X,Y).,易知:,E(X)=p E(Y)=p,4 矩、协方差矩阵,显然,数学期望是一阶原点矩,方差是二阶中心矩, 协方差是二阶混合中心矩。,136,第五章 大数定律和中心极限定理,关键词: 契比雪夫不等式 大数定律 中心极限定理,辛钦大数定理(弱大数定理) 设X1,X2

12、,Xn为 独立、同分布的随机变量,且有相同的数学期望E(Xi)= (i=1,2,),则对0,有,依概率收敛于,142,例2:设某种电器元件的寿命服从均值为100小时的指 数分布,现随机取得16只,设它们的寿命是相互 独立的,求这16只元件的寿命的总和大于1920小 时的概率。,143,145,例3:某保险公司的老年人寿保险有1万人参加,每人每年交200元, 若老人在该年内死亡,公司付给受益人1万元。设老年人死亡率为0.017,试求保险公司在一年内这项保险亏本的概率。,第6章 样本及抽样分布,总体:实验的全部可能的观察值。 个体:每个可能的观察值。 抽样:从总体X中抽取有限个个体对总体进行观察的

13、取值过程。 随机样本:随机抽取的n个个体的集合(X1,X2,Xn), n为样本容量 简单随机样本:满足以下两个条件的随机样本(X1,X2,Xn)称 为简单随机样本。 1. 每个Xi与X同分布 2. X1,X2,Xn是相互独立的随机变量 说明:后面提到的样本均指简单随机样本,由概率论知,若总体 X具有概率密度f(x),则样本(X1,X2,Xn)具有联合密度 函数:,一、总体与样本,二. 统计量,统计量:样本的函数 ,且不含未知参数。 称为统计量的值。,2. 常见的统计量,弱大数定理,特别的,,(4)样本的k阶原点矩:,(5)样本的k阶中心矩:,二、统计三大抽样分布,记为,分布,1、,定义: 设

14、相互独立, 都服从正态分布 N(0,1), 则称随机变量: 所服从的分布为自由度为 n 的 分布.,分布是由正态分布派生出来的一种分布.,1. 设 相互独立, 都服从正态分布,则,这个性质叫 分布的可加性.,3若,近似正态分布N(0,1).,(应用中心极限定理可得 ),2设 且X1,X2相互独立,,E(X)=n, D(X)=2n.,概率密度函数为:,2、t 分布,由定义可见,,3、F分布,F(n2,n1),即它的数学期望并不依赖于第一自由度n1.,1.F分布的数学期望为:,若n22,若FF(n1,n2), F的概率密度为,2.F分布的分位数,三、几个重要的抽样分布定理,定理 1 (样本均值的分

15、布),定理 2 (样本方差的分布),定理 3 (样本均值的分布),定理 4 (两总体样本均值差、样本方差比的分布),分别是,第七章 参数估计,169,7.1 参数的点估计,170,(一)矩估计法,171,基本步骤,172,采用的矩不同,得出的参数估计也不同。,173,构造置信区间具体步骤:,正态总体下常见枢轴量:,基本步骤,1、提出原假设H0 ,确定备择假设H1 ;,2、构造分布已知的合适的统计量;,3、由给定的检验水平,求出在H0成立的条件下的 临界值(上侧分位数,或双侧分位数);,4、计算统计量的样本观测值,如果落在拒绝域内, 则拒绝原假设,否则,接受原假设。,第八章 假设检验,一、单个正态总体的均值检验,问题:总体XN(,2),2已知,假设 H0:=0;H1:0,构造Z统计量,由,Z检验法,双边检验,如果统计量的观测值满足,则

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论