概率论与数理统计复习提纲及概率论与数理统计第7章例题

第一章随机事件及其概率一、随机事件及其运算1.样本空间、随机事件①样本点：随机试验的每一个可能结果，用表示；②样本空间：样本点的全集，用表示；注：样本空间不唯一.③随机事件：样本点的某个集合或样本空间的某个子集，用A,B,C,…表示；④必然事件就等于样本空间；不可能事件是不包含任何样本点的空集；⑤基本事件就是仅包含单个样本点的子集。2.事件的四种关系①包含关系：，事件A发生必有事件B发生；②等价关系：，事件A发生必有事件B发生，且事件B发生必有事件A发生；③互不相容（互斥）：，事件A与事件B一定不会同时发生。④对立关系（互逆）：，事件发生事件A必不发生，反之也成立；互逆满足注：互不相容和对立的关系（对立事件一定是互不相容事件，但互不相容事件不一定是对立事件。）3.事件的三大运算①事件的并：，事件A与事件B至少有一个发生。若，则；②事件的交：，事件A与事件B都发生；③事件的差：，事件A发生且事件B不发生。4.事件的运算规律①交换律：②结合律：③分配律：④德摩根（DeMorgan）定律：对于n个事件，有二、随机事件的概率定义和性质1．公理化定义：设试验的样本空间为，对于任一随机事件都有确定的实值P(A)，满足下列性质：(1)非负性：(2)规范性：(3)有限可加性(概率加法公式)：对于k个互不相容事件，有.则称P(A)为随机事件A的概率.2．概率的性质①②③若，则④注：性质的逆命题不一定成立的.如若则。（×）若，则。（×）古典概型的概率计算古典概型：若随机试验满足两个条件：①只有有限个样本点,②每个样本点发生的概率相同，则称该概率模型为古典概型,。典型例题：设一批产品共N件，其中有M件次品，从这批产品中随机抽取n件样品，则(1)在放回抽样的方式下,取出的n件样品中恰好有m件次品（不妨设事件A1）的概率为(2)在不放回抽样的方式下,取出的n件样品中恰好有m件次品（不妨设事件A2）的概率为四、条件概率及其三大公式1.条件概率：2.乘法公式：3.全概率公式：若，则。4.贝叶斯公式：若事件如全概率公式所述，且.五、事件的独立1.定义：.推广：若相互独立，2.在四对事件中，只要有一对独立，则其余三对也独立。3.三个事件A,B,C两两独立：注：n个事件的两两独立与相互独立的区别。（相互独立两两独立，反之不成立。）4.伯努利概型：1.事件的对立与互不相容是等价的。（X）2.若则。（X）3.。(X)4.A,B,C三个事件恰有一个发生可表示为。(∨)5.n个事件若满足，则n个事件相互独立。(X)6.当时，有P(B-A)=P(B)-P(A)。（∨）第二章随机变量及其分布一、随机变量的定义：设样本空间为，变量为定义在上的单值实值函数，则称为随机变量，通常用大写英文字母，用小写英文字母表示其取值。二、分布函数及其性质1.定义：设随机变量，对于任意实数，函数称为随机变量的概率分布函数，简称分布函数。注：当时，(1)X是离散随机变量，并有概率函数则有(2)X连续随机变量，并有概率密度f(x)，则.2.分布函数性质：（1F(x)是单调非减函数，即对于任意x1<x2，有；（2；且；（3离散随机变量X，F(x)是右连续函数,即；连续随机变量X，F(x)在（-∞，+∞）上处处连续。注：一个函数若满足上述3个条件，则它必是某个随机变量的分布函数。三、离散随机变量及其分布1.定义.设随机变量X只能取得有限个数值，或可列无穷多个数值且，则称X为离散随机变量,pi(i=1,2,…)为X的概率分布，或概率函数(分布律).注：概率函数pi的性质:2.几种常见的离散随机变量的分布：（1）超几何分布，X~H(N,M,n)，（2）二项分布，X~B(n.,p)，当n=1时称X服从参数为p的两点分布（或0－1分布）。若Xi(i=1,2,…,n)服从同一两点分布且独立，则服从二项分布。（3）泊松(Poisson)分布，，四、连续随机变量及其分布1.定义.若随机变量X的取值范围是某个实数区间I，且存在非负函数f(x)，使得对于任意区间，有则称X为连续随机变量;函数f(x)称为连续随机变量X的概率密度函数，简称概率密度。注1：连续随机变量X任取某一确定值的概率等于0,即注2：2.概率密度f(x)的性质：性质1：性质2：注1：一个函数若满足上述2个条件，则它必是某个随机变量的概率密度函数。注2：当时，且在f(x)的连续点x处，有3.几种常见的连续随机变量的分布：(1)均匀分布，(2)指数分布,(3)正态分布，1.概率函数与密度函数是同一个概念。（X）2.当N充分大时，超几何分布H(n,M,N)可近似成泊松分布。(X)3.设X是随机变量，有。(X)4.若的密度函数为=，则(X)第三章随机变量的数字特征一、期望（或均值）1．定义：2．期望的性质：3.随机变量函数的数学期望4.计算数学期望的方法(1)利用数学期望的定义；(2)利用数学期望的性质；常见的基本方法：将一个比较复杂的随机变量X拆成有限多个比较简单的随机变量Xi之和,再利用期望性质求得X的期望.(3)利用常见分布的期望；1．方差注：D(X)=E[X-E(X)]2≥0；它反映了随机变量X取值分散的程度,如果D(X)值越大(小)，表示X取值越分散(集中)。2．方差的性质(4)对于任意实数C∈R，有E(X-C)2≥D(X)当且仅当C=E(X)时,E(X-C)2取得最小值D(X).(5)(切比雪夫不等式):设X的数学期望E(X)与方差D(X)存在,对于任意的正数有或3.计算(1)利用方差定义；(2)常用计算公式(3)方差的性质；(4)常见分布的方差.注：常见分布的期望与方差1.若X～B(n,p),则E(X)=np,D(X)=npq;2.若3.若X～U(a,b),则4.若5.若三、原点矩与中心矩（总体）X的k阶原点矩：（总体）X的k阶中心矩：1.只要是随机变量，都能计算期望和方差。(X)2.期望反映的是随机变量取值的中心位置，方差反映的是随机变量取值的分散程度。(√)3.方差越小，随机变量取值越分散，方差越大越集中。(X)4.方差的实质是随机变量函数的期望。(√)5.对于任意的X,Y，都有成立。(X)第四章正态分布一、正态分布的定义1.正态分布⑴概率密度为其分布函数为注：.正态密度函数的几何特性：2.标准正态分布当时，其密度函数为且其分布函数为的性质：3.正态分布与标准正态分布的关系定理：若则.定理：设则二、正态分布的数字特征设则1.期望E(X)2.方差D(X)3.标准差三、正态分布的性质1．线性性.设则；2．可加性.设且X和Y相互独立，则3．线性组合性设，且相互独立，则四、中心极限定理1.独立同分布的中心极限定理设随机变量相互独立，服从相同的分布，且则对于任何实数x，有定理解释：若满足上述条件，有（1）；；（3）2.棣莫弗-拉普拉斯中心极限定理设则定理解释：若当n充分大时，有（1）；（2）1.若则（X）2.若则（√）3.设随机变量X与Y均服从正态分布：4.已知连续随机变量X的概率密度函数为则X的数学期望为__1____;X的方差为__1/2____.第五章数理统计的基本知识一、总体个体样本1.总体：把研究对象的全体称为总体(或母体).它是一个随机变量，记X.2.个体：总体中每个研究对象称为个体.即每一个可能的观察值.3.样本：从总体X中，随机地抽取n个个体,称为总体X的容量为n的样本。注：⑴样本是一个n维的随机变量；⑵本书中提到的样本都是指简单随机样本，其满足2个特性：①代表性：中每一个与总体X有相同的分布.②独立性：是相互独立的随机变量.4.样本的联合分布设总体X的分布函数为F(x)，则样本的联合分布函数为(1)设总体X的概率密度函数为f(x),则样本的联合密度函数为(2)设总体X的概率函数为,则样本的联合概率函数为二、统计量1.定义不含总体分布中任何未知参数的样本函数称为统计量,是的观测值.注：（1）统计量是随机变量；（2）统计量不含总体分布中任何未知参数；（3）统计量的分布称为抽样分布.2.常用统计量（1）样本矩：①样本均值；其观测值.可用于推断：总体均值E(X).②样本方差;其观测值可用于推断：总体方差D(X).③样本标准差其观测值④样本k阶原点矩其观测值⑤样本k阶中心矩其观测值注：比较样本矩与总体矩，如样本均值和总体均值E(X)；样本方差与总体方差D(X)；样本k阶原点矩与总体k阶原点矩；样本k阶中心矩与总体k阶原点矩.前者是随机变量，后者是常数.(2)样本矩的性质:设总体X的数学期望和方差分别为，为样本均值、样本方差，则

3.抽样分布：统计量的分布称为抽样分布.3大抽样分布 ：定义.设相互独立，且，则注：若则（2）性质（可加性）设相互独立，且则2.t分布：设X与Y相互独立,且则注：t分布的密度图像关于t=0对称；当n充分大时，t分布趋向于标准正态分布N(0,1).3.F分布:定义.设X与Y相互独立，且则(2)性质.设则.四、分位点定义：对于总体X和给定的若存在，使得则称为X分布的分位点。注：常见分布的分位点表示方法（1）分布的分位点（2）分布的分位点其性质：（3）分布的分位点其性质（4）N(0,1)分布的分位点有第六章参数估计一、点估计:设为来自总体X的样本，为X中的未知参数，为样本值，构造某个统计量作为参数的估计，则称为的点估计量，为的估计值.2.常用点估计的方法：矩估计法和最大似然估计法.二、矩估计法1.基本思想:用样本矩（原点矩或中心矩）代替相应的总体矩.2.求总体X的分布中包含的m个未知参数的矩估计步骤：①求出总体矩,即；②用样本矩代替总体矩，列出矩估计方程：③解上述方程（或方程组）得到的矩估计量为：④的矩估计值为：3.矩估计法的优缺点：优点：直观、简单;只须知道总体的矩,不须知道总体的分布形式.缺点：没有充分利用总体分布提供的信息；矩估计量不具有唯一性；可能估计结果的精度比其它估计法的低三、最大似然估计法1.直观想法：在试验中，事件A的概率P(A)最大,则A出现的可能性就大；如果事件A出现了，我们认为事件A的概率最大.2.定义设总体X的概率函数或密度函数为（或），其中参数未知，则X的样本的联合概率函数（或联合密度函数）（或称为似然函数.3.求最大似然估计的步骤：（1）求似然函数:X离散：X连续：（2）求和似然方程：（3）解似然方程，得到最大似然估计值：（4）最后得到最大似然估计量：4.最大似然估计法是在各种参数估计方法中比较优良的方法，但是它需要知道总体X的分布形式.估计量的评价标准1.无偏性:设是未知参数的估计量，若，则是的无偏估计量，是的无偏估计值。有效性:设和是未知参数的无偏估计量，若，则称比有效。1.若是来自总体X的样本，则相互独立.（√）2.不含总体X的任何未知参数的样本函数就是统计量.(√)3.样本矩与总体矩是等价的。（X）4.矩估计法的基本思想是用总体矩代替样本矩，故矩估计量不唯一.(X)设总体，则估计量分别是的无偏估计量.(X)第7章例题1.量的是B2.量的是D3.样本BA.B.X-1012P（x）0.20.40.10.3C.D.4.设是来自任意总体X的一个容量为2的样本，则在下列总体均值的无偏估计中，最有效的估计量是DA.B.C.D.5.从总体中抽取样本下面总体均值的估计量中哪一个最有效DA.B.C.D.6.从总体中抽取样本统计量,中更为有效的是CA.B.C.D.以上均不正确7.设是取自总体的样本，已知和都是的无偏估计量，则________更有效8.设X1，X2，X3，X4是来自均值为的指数分布总体的样本，其中未知，设有估计量（1）找出其中的无偏估计量；（2）证明较为有效.解(1)由于Xi服从均值为的指数分布，所以即是的无偏估计量(2)由方差的性质知，所以较为有效。9.设总体X的概率密度为其中为未知参数，如果取得样本观测值为，求参数的极大似然估计值.解10.设总体X的概率密度为其中>0，若取得样本观测值为，求参数的极大似然估计值解11.设总体的概率密度为,其中为未知参数.如果取得样本观测值为,求参数的最大似然估计值.解:似然函数,,时，,取对数得,所以单调增加.由于,即应该满足的最大似然估计值为.12.设为正态总体的样本，样本均值的观测值,则未知参数的置信度为0.95的置信区间为A13.设为正态总体的样本，样本均值的观测值，则置信度为0.90的置信区间为B14.某工厂生产滚珠，从某日生产的产品中随机抽取9个，测得直径（mm）如下：14.6，14.7，15.1，14.9，14.8，15.0，15.1，15.2，14.8.设滚珠直径～，如果已知直径标准差（mm），求在置信水平1－=0.95的置信区间.()解、已知，n=9，，所以的置信度为0.95的置信区间为，即（14.81，15.01）15.某厂生产的滚珠直径，从某天的产品里随机抽取6个，测得直径如下：(单位：毫米)14.70、15.21、14.98、14.91、15.32、15.32.如果知道该天产品直径的方差是0.05，试找出置信度为0.95的直径平均值的置信区间.()解、，由置信水