当前位置:文档之家› (完整word版)概率论公式总结

(完整word版)概率论公式总结


乘法公式: P(AB) P(A)P(B / A)
更一般地,对事件 A1,A2,…An,若 P(A1A2…An-1)>0,则有
P( A1A2 … An) P( A1)P( A2 | A1)P( A3 | A1A2) …… P( An | A1A2 … An 1) 。
①两个事件的独立性
设事件 A 、 B 满足 P( AB) P( A)P(B) ,则称事件 A 、 B 是相互独立的。
若事件 A 、 B 相互独立,且 P( A) 0 ,则有
P(B | A) P( AB) P( A)P(B) P(B)
P( A)
P( A)
②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)
离散型与 连续型的 关系
边缘分布
(2)
f (x, y)dxdy 1.
P(X x,Y y) P(x X x dx,y Y y dy) f (x,y)dxdy
离散型
X 的边缘分布为
Pi• P(X xi ) pij (i, j 1,2,) ;
j
Y 的边缘分布为
P• j P(Y y j ) pij (i, j 1,2,) 。
k
Z Yi ~ 2 (n1 n2 nk ). i 1
t 分布
设 X,Y 是两个相互独立的随机变量,且 X ~ N (0,1), Y ~ 2 (n), 可
以证明函数 T X 我们称随机变量 T 服从自由度为 n 的 t 分布, Y /n
记为 T~t(n)。 t1 (n) t (n)
全概公式
贝叶斯公 式
P(A) P(B1)P(A | B1) P(B2)P(A | B2) P(Bn)P(A | Bn) 。
P(Bi / A)
P(Bi )P( A / Bi )
n
,i=1,2,…n。
P(Bj )P(A/ Bj )
j 1
此公式即为贝叶斯公式。
P(Bi ) ,( i 1,2 ,…,n ),通常叫先验概率。P(Bi / A) ,( i 1 ,2 ,…, n ),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
F
1 (n2 , n1 )
第四章 随机变量的数字特征
(1) 一维 随机 变量 的数 字特 征
期望 期望就是平均值
离散型 设 X 是离散型随机变量,其分布
律 为 P( X xk ) = pk ,
k=1,2,…,n,
n
E( X ) xk pk k 1
(要求绝对收敛) Y=g(X)
连续型 设 X 是连续型随机变 量,其概率密度为 f(x),
设 X 为随机变量, x 是任意实数,则函数 F(x) P(X x) 称为随机变量 X 的分布函数,
本质上是一个累积函数。 P在(an重X贝努b里) 试 验F(中b),设F事(a件) A可发以生得的到概X率落为入p区。间事(a件,bA] 的发概生 率。分布函数 F(x) 表示随的机次变数量是落随入机区变间量(,–设∞为,Xx],内则的概X 率可。能取值为 0,1,2,, n 。
X ~ B(n, p) 。当 n 1时, P( X k) xp k q1k ,k 0.1,这
随机变量, F(x) pk ;对于连续型随机变量, 。 F (x) f (x)dx xk x 就是(0-1)分布,所以(0-1)分布是二项分布的特例。 设随机变量 X 的分布律为
泊松分布
P( X k) k e , 0 , k 0,1,2,
Z=max,min( X1,X2,…Xn)
Fx1 (x),Fx2 (x) Fxn (x) ,则 Z=max,min(X1,X2,…Xn)的分布
函数为:
Fmax(x) Fx1 (x) • Fx2 (x) Fxn (x)
Fmin (x) 1 [1 Fx1 (x)] • [1 Fx2 (x)][1 Fxn (x)]
i
X 的边缘分布密度为
连续型
f X (x)
f (x, y)dy;
Y 的边缘分布密度为
离散型
fY ( y)
f (x, y)dx.
pij pi• p• j
连续型
随机变量的 函数
有零不独立 f(x,y)=fX(x)fY(y)直接判断,充要条件:①可分离变量②正概 率密度区间为矩形 若 X1,X2,…Xm,Xm+1,…Xn 相互独立, h,g 为连续函数,则: h(X1,X2,…Xm)和 g(Xm+1,…Xn)相互独立。 特例:若 X 与 Y 独立,则:h(X)和 g(Y)独立。 例如:若 X 与 Y 独立,则:3X+1 和 5Y-2 独立。
-6-
概率论与数理统计
(3) 方差 的性 质
(1) (2) (3) (4) (5)
D(C)=0;E(C)=C
D(aX)=a2D(X); E(aX)=aE(X)
D(aX+b)= a2D(X); E(aX+b)=aE(X)+b
D(X)=E(X2)-E2(X)
D(X±Y)=D(X)+D(Y),充分条件:X 和 Y 独立;
随机变量 X 服从参数为 p 的几何分布,记为 G(p)。
设随机变量 X 的值只落在[a,b]内,其密度函数 f (x) 在[a,b]
上为常数 1 ,即 ba
当 a≤x1<x2≤b 时,X 落在区间
f
(
x)
b
1
a
,
0,
a≤x≤b 其他
( x1 , x2 )内的概率为
P( x1
X
x2 )
x2 b
2 分布
设 n 个随机变量 X 1 , X 2 ,, X n 相互独立,且服从标准正态分
布,可以证明它们的平方和
n
W X2 i我们称随机变量W服从自由度为
n

2
分布记为
i 1
W~ 2 (n)
所谓自由度是指独立正态随机变量的个数,它是随机变量分布
中的一个重要参数。
2 分 布 满 足 可 加 性 : 设 Yi 2 (ni ), 则
E(X ) xf (x)dx
(要求绝对收敛)
Y=g(X)
函数的期望
n
E(Y ) g(xk ) pk k 1
E(Y ) g(x) f (x)dx
方差 D(X)=E[X-E(X)]2, 标准差
D( X ) [xk E( X )]2 pk
k
(X ) D(X ) ,
(2) 期望 的性 质
-5-
概率论与数理统计
设 X ~ 2 (n1 ), Y ~ 2 (n2 ) , 且 X 与 Y 独 立 , 可 以 证 明
F 分布
F X / n1 我们称随机变量 F 服从第一个自由度为 n1,第二个 Y / n2
自由度为 n2 的 F 分布,记为 F~f(n1, n2).
F1
(n1 , n2 )
“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
离散与 连续型 随机变 量的关 系
设 F(x) 是随机变量 X 的分布函数,若存在非负函数 f (x) ,对任意实数 x ,有
x
F (x) f (x)dx

则称 X 为连续型随机变量。 f (x) 称为 X 的概率密度
函数或密度函数,简称概率密度。
-3-
概率论与数理统计
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
对 于 二 维 随 机 向 量 (X,Y) , 如 果 存 在 非 负 函 数
f (x, y)( x , y ) ,使对任意一个其邻边
充要条件:X 和 Y 不相关。
D(X±Y)=D(X)+D(Y) ±2E[(X-E(X))(Y-E(Y))],无条件成立。
而 E(X+Y)=E(X)+E(Y),无条件成立。
期望
方差
0-1 分布 B(1, p)
p
p(1 p)
二项分布 B(n, p)
np
np(1 p)
(4) 常见 分布 的期 望和 方差
1. 0 F(x) 1, P(xXk); 2P。n(k)F(xC)nk是p单k q调nk不减的,函数,即 x1 x其2 时,有中
(5)八
大F分(x布1)
F二(项x2)分;布
3

qF(1)p,0limpF(1x,)k00,,1,2,F(,n,) x
lim F(x) 1
x
;4。
F(x 0) F(x) ,即 F(x则) 是称右随连机续变的;量5.X P服(X从参x数) 为Fn(x,) pF(的x 二0项) 。分对布于。离记散型为
f (x)
1
e
(
x )2 2 2
2
其中 、 0 为常数,则称随机变量 X 服从参数为 、 的
正态分布或高斯(Gauss)分布,记为 X ~ N (, 2 ) 。
f (x) 具有如下性质:
1° f (x) 的图形是关于 x 对称的;
2° 当 x 时, f () 1 为最大值;

X
~
(1) E(C)=C (2) E(CX)=CE(X)
n
n
(3) E(X+Y)=E(X)+E(Y), E( Ci X i ) Ci E( X i )
i 1
i 1
(4) E(XY)=E(X) E(Y),充分条件:X 和 Y 独立; 充要条件:X 和 Y 不相关。
相关主题