概率论总结
目录
一、前五章总结
第一章随机事件和概率 (1)
第二章随机变量及其分布 (5)
第三章多维随机变量及其分布 (10)
第四章随机变量的数字特征 (13)
第五章极限定理 (18)
二、学习概率论这门课的心得体会 (20)
一、前五章总结
第一章随机事件和概率
第一节:1.、将一切具有下面三个特点:(1)可重复性(2)多结
果性(3)不确定性的试验或观察称为随机试验,简称为试验,常用E表示。
在一次试验中,可能出现也可能不出现的事情(结果)称为随机事件,简称为事件。
不可能事件:在试验中不可能出现的事情,记为Ф。
必然事件:在试验中必然出现的事情,记为S或Ω。
2、我们把随机试验的每个基本结果称为样本点,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B?A
或A?B。
若A?B且A?B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,e?B} 。
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∪C
A(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:B
A
=
A
B
=
A
B
A
B
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。
第二节:
1、 设试验E 是古典概型, 其样本空间S 由n 个样本点组成 , 事件A
由k 个样本点组成 . 则定义事件A 的概率为:P(A)=k/n =A 包含的样本点数/S 中的样本点数。
2、 几何概率:设事件A 是S 的某个区域,它的面积为 μ(A ),则
向区域S 上随机投掷一点,该点落在区域A 的概率为:
P (A )=μ(A )/μ(S ) 假如样本空间S 可用
一线段,或空间中某个区域表示,并且向S 上随机投掷一点的
含义如前述,则事件A 的概率仍可用(*)式确定,只不过把 理解为长度或体积即可.
概率的性质:
(1)P(φ)=0,
(2)
(3) (4) 若A ?B ,则P(B-A)=P(B)-P(A), P(B) ≥ P(A).
第四节:条件概率:在事件B 发生的条件下,事件A 发生的概率称为A 对B 的条件概率,记作P (A |B ).
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.
()∑∞=∞==???? ??11m m P P ΦΦ ();,,,,2,1,,,1
1∑===???? ??≠=n k k n k k j i A P A P j i n j i A A 则两两互不相容,),
(1)(A P A P -=()()
B P AB P B A P =)|(
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A 1,A 2,…,A n 是试验E 的样本空间Ω的一个划分,且
P (A i )>0,i =1,2,…,n , B 是任一事件, 则
贝叶斯公式:设A 1,A 2,…,A n 是试验E 的样本空间Ω的一个划分,且
P (A i )>0,i =1,2,…,n , B 是任一事件且P (B )>0, 则
第五节 :若两事件A 、B 满足 P (AB )= P (A ) P (B ) 则称A 、B 独立,或称A 、B 相互独立. 将两事件独立的定义推广到三个事件:
对于三个事件A 、B 、C ,若
P (AC )= P (A )P (C ) P (AB )= P (A )P (B )
P (ABC )= P (A )P (B )P (C ) P (BC )= P (B )P (C ) 四个等式同时 成立,则称事件 A 、B 、C 相互独立.
第六节:定理 对于n 重贝努利试验,事件A 在n 次试验中出现k 次的概率为 总结:
1. 条件概率是概率论中的重要概念,其与独立性有密切的关系,
在不具有独立性的场合,它将扮演主要的角色。
2. 乘法公式、全概公式、贝叶斯公式在概率论的计算中经常使用,
请牢固掌握。
3. 独立性是概率论中的最重要概念之一,亦是概率论特有的概念,
应正确理解并应用于概率的计算。
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。
第二章:随机变量及其分布
1 、随机变量:分为离散型随机变量和连续型随机变量。
分布函数:设 X 是一个 r.v ,x 为一个任意实数,称函数
∑==n i i i A B P A P B P 1)
()()(|∑==n
j j
j i i i A B P A P A B P A P B A P 1)()()()()|(||p
q n k q p C k P k n k k n n -===-1,,,1,0)(
F(X)=P (X ≤x )为 X 的分布函数。X 的分布函数是F(x)记作 X ~ F(x) 或 F X (x).
如果将 X 看作数轴上随机点的坐标,那么分布函数 F(x) 的值就表示 X 落在区间 (x ≤X )。
3、 离散型随机变量及其分布
定义1 :设x k (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=x k )=P K ,
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P K,≥0;ΣP k =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=x k }=p k (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:
∑∑≤≤===≤=x x k
x x k k k p x F x X P x X P x F )(}
{}{)(即
,3,2,1)0()(}{=--==k x F x F x X P k k k
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}=p k (1-p)1-k , k=0,1. (0
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:
X 0 1
P 1-p p 易求得其分布函数为
2.二项分布(binomial distribution):
定义:若离散型随机变量X 的分布律为 其中0
X ~B(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(x 1,x 2)的概率 几何意义:X 落在区间(x 1,x 2)的概率P{x 1 (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。 ?????≥<≤-<=110100)(x p x p x x F {}n k q p C k X P k k k n ,,1,01 ===-, ,,,,!)( 210===-k k e k X P k λλ1)(=?∞+∞-dt t f {}?=-=≤<21)()()(1221x x dx x f x F x F x X x P dt t f x F x ?∞ -=)()(