P(A+B)=P(A)+P(B)- P(AB)
特别地,当A 、B 互斥时, P(A+B)=P(A)+P(B)
条件概率公式
概率的乘法公式
全概率公式:从原因计算结果
Bayes 公式:从结果找原因
)
()()|(B P AB P B A P =
)|()()(B A P B P AB P =)|()(A B P A P =∑==n
k k k B A P B P A P 1)
|()()(∑==
n
k k
k
i i k B A P B P B A P B P A B P 1
)
|()()
|()()|(∑≤==≤=x
k k X P x X P x F )
()()(1),(0≤≤y x F }
,{),(y Y x X P y x F ≤≤=
二项分布(Bernoulli 分布)——X~B(n,p)
泊松分布——X~P(λ)
概率密度函数
怎样计算概率
均匀分布X~U(a,b)
指数分布X~Exp (θ)
),...,1,0()1()(n k p p C k X P k n k k n =-==-,,...)
1,0(!
)(==
=-k e k k X P k
,λλ1)(=?
+∞
∞
-dx x f )
(b X a P ≤≤?=≤≤b
a
dx x f b X a P )()()(1)(b x a a
b x f ≤≤-=
分布函数
对离散型随机变量
对连续型随机变量
分布函数与密度函数的重要关系:
二元随机变量及其边缘分布 分布规律的描述方法
联合密度函数 联合分布函数
联合密度与边缘密度
)
0(1
)(/≥=
-x e
x f x θ
θ
?∞-=≤=x
dt t f x X P x F )()()(?
∞
-=≤=x
dt t f x X P x F )()()(),(y x f )
,(y x F 0
),(≥y x f 1
),(=??
+∞∞-+∞
∞
-dxdy y x f )
()('x f x F =
离散型随机变量的独立性
连续型随机变量的独立性
第三章 数学期望 离散型随机变量,数学期望定义
连续型随机变量,数学期望定义
E(a)=a ,其中a 为常数
E(a+bX)=a+bE(X),其中a 、b 为常数 E(X+Y)=E(X)+E(Y),X 、Y 为任意随机变量
随机变量g(X)
的数学期望
?+∞
∞
-=dy
y x f x f X ),()(?+∞
∞-=dx y x f y f Y ),()(}{}{},{j Y P i X P j Y i X P =====)()(),(y f x f y x f Y X =∑+∞
-∞
=?=
k k
k
P x
X E )(?+∞
∞
-?=dx
x f x X E )()(∑=k
k
k p x g X g E )())((
常用公式
方差 定义式
∑∑=i
j
ij
i p x X E )(dxdy y x xf X E ??=),()()()()(Y E X E Y X E +=+∑∑=i
j
ij
j i p y x XY E )(dxdy y x xyf XY E ??=),()()
()()(,Y E X E XY E Y X =独立时与当()?
+∞
∞-?-=dx x f X E x X D )()()(2
常用公式
当X 、Y 相互独立时:
方差的性质
D(a)=0,其中a 为常数
D(a+bX)=b2D(X),其中a 、b 为常数 当X 、Y 相互独立时,D(X+Y)=D(X)+D(Y) 协方差与相关系数
协方差的性质
))}())(({(2)()()(Y E Y X E X E Y D X D Y X D --++=+)()()(Y D X D Y X D +=+)
()()(),(Y E X E XY E Y X Cov -=)()(),(Y D X D Y X Cov XY
=
ρ[][]{})()()()()(Y E X E XY E Y E Y X E X E -=--())()()(),(2
2X D X E X E X X Cov =-=),(),(Y X abCov bY aX Cov =
独立与相关 独立必定不相关 相关必定不独立 不相关不一定独立 第四章 正
态分布
标准正态分布的概率计算 标准正态分布的概率计算公式
)()()(a a Z P a Z P Φ=<=≤
)(1)()(a a Z P a Z P Φ-=>=≥
)()()(a b b Z a P Φ-Φ=≤≤
1)(2)()()(-Φ=-Φ-Φ=≤≤-a a a a Z a P
一般正态分布的概率计算
)
,(),(),(Z Y Cov Z X Cov Z Y X Cov +=+)
,(~2σμN X 2
22)(21
)(σμσ
π--
=
x e x f 2)(,)(σμ==X D X E )(1)(a a -Φ-=Φ
一般正态分布的概率计算公式
第五章
卡方分布
t 分布
(
)()(σ
μ
-Φ=<=≤a a X P a X P )(
1)()(σ
μ
-Φ-=>=≥a a X P a X P (
(
)(σ
μ
σ
μ
-Φ--Φ=≤≤a b b X a P )
(~)1,0(~212
n X N X n
i i χ∑=,则若())(~1
),,(~21
2
22
n Y N Y n
i i χμσ
σμ∑=-则
若则
若),(~),1,0(~2
n Y N X χ)(~/n t n
Y X
F 分布
正态总体条件下
样本均值的分布:
样本方差的分布:
两个正态总体的方差之比
第六章
点估计:参数的估计值为一个常数 矩估计 最大似然估计
似然函数
均值的区间估计——大样本结果
),(~//),(~),(~212
1
2212n n F n V n U n V n U 则
若χχ)
,
(~2
n
N X σμ)1,0(~/N n
X σμ
-)
1(~)1(22
2
--n S n χσ)1(~/--n t n
s X μ
)1,1(~//212
2
2122
21--n n F S S σσ)
;(1θi n
i x f L ∏==)
;(1
θi n
i x p L ∏==
?
?? ?
?
±n z x σα2/正态分布的分位点
—大样本要求样本容量—代替准差通常未知,可用样本标标准差—样本均值
—2/)
50()(ασ
z n n
s x
>??
?
? ?
?
-±n p p z p )1(2/α正态分布的分位点
—大样本要求样本容量—样本比例
—2/)
50(αz n n
p >已知准差小样本、正态总体、标σ??? ?
?
±n z x σα2
/未知
准差小样本、正态总体、标σ?
?? ?
?
-±n s n t x )1(2/α分布的分位点
的自由度为—t n n t 1)1(2/--α
正态总体方差的区间估计 两个正态总体均值差的置信区间
大样本或正态小样本且方差已知
两个正态总体方差比的置信区间
第七章
假设检验的步骤
① 根据具体问题提出原假设H0和备择假设H1 ② 根据假设选择检验统计量,并计算检验统计值
③ 看检验统计值是否落在拒绝域,若落在拒绝域则拒绝原假设,否则就不拒绝原假设。 不可避免的两类错误
第1类(弃真)错误:原假设为真,但拒绝了原假设 第2类(取伪)错误:原假设为假,但接受了原假设 单个正态总体的显著性检验
单正态总体均值的检验
大样本情形——Z 检验
正态总体小样本、方差已知——Z 检验
(
)
22
/12
22
/2
)1()1(,
ααχχ---S
n S
n 卡方分布的分位点
—样本方差
—2
2/2
αχS ()???
? ??+±-2221212/21n n z x x σσα??
?
? ??----)1,1(/,
)1,1(/212/2
2
2121
2/2221n n F S S n n F S S αα
正态总体小样本、方差未知—— t 检验 单正态总体方差的检验
正态总体、均值未知——卡方检验
单正态总体均值的显著性检验 统计假设的形式
双边检验
左边检验
右边检验
单正态总体均值的Z 检验
拒绝域的代数表示 双边检验 左边检验
右边检验
比例——特殊的均值的Z 检验
10
0::)1(μμμμ≠=H H 0
100::)2(μμμμ<≥H H 010
0::)3(μμμμ>≤H H n
X Z /0σμ-=
代替)
未知时用(大样本情形S σ2
/αZ Z ≥α
Z Z ≥n
p p p p Z /)1(0
--=
—样本比例
——总体比例—p 0αZ Z -≤
单正态总体均值的 t 检验
单正态总体方差的卡方检验
拒绝域 双边检验
左边检验
右边检验
n
S X t /0μ-=
20
2
2
)1(σχS n -=
2
2
/12
22/2ααχ
χχχ-≤≥或22
/12αχχ-≤2
2
/2αχχ≥
第1章 随机事件及其概率 例1.16 设某人从一副扑克中(52张)任取13张,设A 为“至少有一张红桃”,B 为“恰有2张红桃”,C 为“恰有5张方块”,求条件概率P (B |A ),P (B |C )解 13 52 1339 1352135213391)(1)(C C C C C A P A P -=-=-=13 52 11 39 213)(C C C AB P ?=13 39 135211392131352 13 39135213521139 213)() ()(C C C C C C C C C C A P AB P A B P -=-==1352 839 513)(C C C C P =13 52626213513)(C C C C BC P =8 39 6262131352 8395131352626 213513)() ()(C C C C C C C C C C C P BC P C B P === 某种动物出生后活到20岁的概率为0.7,活到25岁的概率为0.56,求现年为20岁的这种动物活到25岁的概率. 解设A 表示事件“活到20岁以上”,B 表示事件“活到25岁以上”,显然A B ?7.0)(=A P 56.0)(=B P 56 .0)()(==B P AB P 8.07 .056 .0)()()(=== A P A B P A B P
例1.21 某工厂生产的产品以100件为一批,假定每一批产品中的次品最多不 超过4件,且具有如下的概率:一批产品中的次品数0 1 2 3 4 概率0.1 0.2 0.4 0.2 0.1 现进行抽样检验,从每批中随机抽取10件来检验,若发现其中有次品,则认 为该批产品不合格。求一批产品通过检验的概率。4 ()()() k k k P B P A P B A == ∑解设B 表示事件“一批产品通过检验”,A i (i =0,1,2,3,4)表示“一批产品含有i 件次品”,则A 0,A 1, A 2, A 3, A 4组成样本空间的一个划分, 00()0.1,()1 P A P B A ==1099 1110100 ()0.2,()0.900 C P A P B A C ===1098 2210100 ()0.4,()0.809 C P A P B A C ===1097 3310100 ()0.2,()0.727 C P A P B A C ===1096 4410100 ()0.1,()0.652 C P A P B A C ===814.0652 .01.0727.02.0809.04.0900.0.021.0≈?+?+?+?+=顾客买到的一批合格品中,含次品数为0的概率是 0004 ()(|) 0.11(|)0.123 0.814 ()(| ) i i i P A P B A P A B P A P B A =??= = ≈?∑类似可以计算顾客买到的一批合格品中,含次品数为1、2、3、4件的概率分别约 为0.221、0.398、0.179、0.080。 贝叶斯公式(Bayes) 1 ()() ()1,2,,()() k k k n i i i P A P B A P A B k n P A P B A =?= =∑L 第二章 随机变量及其分布 1离散型 随机变量 P(X=x k )=p k ,k=1,2,…, (1)0≥k p , (2)∑∞ ==1 1 k k p 2连续 型随机变量概 ? ∞-=x dx x f x F )()( (1)0)(≥x f ;(2) ? +∞ ∞ -=1 )(dx x f 。 ()=()F x f x '? =-=≤概率统计公式大全(复习重点)
第一章随机事件和概率 (1)排列组合公式 )! ( ! n m m P n m- =从m个人中挑出n个人进行排列的可能数。 )! (! ! n m n m C n m- =从m个人中挑出n个人进行组合的可能数。 (2)加法和乘法原理加法原理(两种方法均能完成此事):m+n 某件事由两种方法来完成,第一种方法可由m种方法完成,第二种方法可由n种方法来完成,则这件事可由m+n 种方法来完成。 乘法原理(两个步骤分别不能完成这件事):m×n 某件事由两个步骤来完成,第一个步骤可由m种方法完成,第二个步骤可由n 种方法来完成,则这件事可由m×n 种方法来完成。 (3)一些常见排列重复排列和非重复排列(有序)对立事件(至少有一个) 顺序问题 (4)随机试验和随机事件如果一个试验在相同条件下可以重复进行,而每次试验的可能结果不止一个,但在进行一次试验之前却不能断言它出现哪个结果,则称这种试验为随机试验。试验的可能结果称为随机事件。 (5)基本事件、样本空间和事件在一个试验下,不管事件有多少个,总可以从其中找出这样一组事件,它具有如下性质: ①每进行一次试验,必须发生且只能发生这一组中的一个事件; ②任何事件,都是由这一组中的部分事件组成的。 这样一组事件中的每一个事件称为基本事件,用ω来表示。 基本事件的全体,称为试验的样本空间,用Ω表示。 一个事件就是由Ω中的部分点(基本事件ω)组成的集合。通常用大写字母A,B,C,…表示事件,它们是Ω的子集。 Ω为必然事件,?为不可能事件。 不可能事件(?)的概率为零,而概率为零的事件不一定是不可能事件;同理,必然事件(Ω)的概率为1,而概率为1的事件也不一定是必然事件。 (6)事件的关系与运算①关系: 如果事件A的组成部分也是事件B的组成部分,(A发生必有事件B发生):B A? 如果同时有B A?,A B?,则称事件A与事件B等价,或称A等于B:A=B。 A、B中至少有一个发生的事件:A B,或者A+B。 属于A而不属于B的部分所构成的事件,称为A与B的差,记为A-B,也可表示为A-AB或者B A,它表示A发生而B不发生的事件。 A、B同时发生:A B,或者AB。A B=?,则表示A与B不可能同时发生,称 事件A与事件B互不相容或者互斥。基本事件是互不相容的。 Ω-A称为事件A的逆事件,或称A的对立事件,记为A。它表示A不发生的
第一章 P(A+B)=P(A)+P(B)- P(AB) 特别地,当A 、B 互斥时, P(A+B)=P(A)+P(B) 条件概率公式 概率的乘法公式 全概率公式:从原因计算结果 Bayes 公式:从结果找原因 第二章 二项分布(Bernoulli 分布)——X~B(n,p) 泊松分布——X~P(λ) 概率密度函数 怎样计算概率 均匀分布X~U(a,b) 指数分布X~Exp (θ) 分布函数 对离散型随机变量 对连续型随机变量 分布函数与密度函数的重要关系: 二元随机变量及其边缘分布 分布规律的描述方法 联合密度函数 联合分布函数 联合密度与边缘密度 离散型随机变量的独立性 连续型随机变量的独立性 第三章 数学期望 离散型随机变量,数学期望定义 连续型随机变量,数学期望定义 ● E(a)=a ,其中a 为常数 ● E(a+bX)=a+bE(X),其中a 、b 为常数 ● E(X+Y)=E(X)+E(Y),X 、Y 为任意随机变量 随机变量g(X)的数学期望 常用公式 ) () ()|(B P AB P B A P =)|()()(B A P B P AB P =) |()(A B P A P =∑ ==n k k k B A P B P A P 1)|()()(∑ ==n k k k i i k B A P B P B A P B P A B P 1 )|()()|()()|() ,...,1,0()1()(n k p p C k X P k n k k n =-==-,,...) 1,0(! )(== =-k e k k X P k ,λλ 1)(=? +∞ ∞ -dx x f )(b X a P ≤≤?=≤≤b a dx x f b X a P )()() 0(1 )(/≥= -x e x f x θ θ ∑≤==≤=x k k X P x X P x F ) ()()(? ∞ -=≤=x dt t f x X P x F )()()(? ∞ -=≤=x dt t f x X P x F )()()() ,(y x f ),(y x F 0 ),(≥y x f 1),(=?? +∞∞-+∞ ∞ -dxdy y x f 1),(0≤≤y x F },{),(y Y x X P y x F ≤≤=?+∞ ∞ -=dy y x f x f X ),()(?+∞ ∞ -=dx y x f y f Y ),()(} {}{},{j Y P i X P j Y i X P =====) ()(),(y f x f y x f Y X =∑+∞ -∞ =?= k k k P x X E )(? +∞ ∞ -?=dx x f x X E )()(∑ =k k k p x g X g E )())((∑∑=i j ij i p x X E )(dxdy y x xf X E ??=),()() (1 )(b x a a b x f ≤≤-= ) ()('x f x F =
概率论总结及心得体会 2008211208班 08211106号 史永涛 班内序号:01 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} 。
统计概率知识点归纳总结大全 1.了解随机事件的发生存在着规律性和随机事件概率的意义. 2.了解等可能性事件的概率的意义,会用排列组合的基本公式计算一些等可能性事件的概率. 3.了解互斥事件、相互独立事件的意义,会用互斥事件的概率加法公式与相互独立事件的概率乘法公式计算一些事件的概率. 4.会计算事件在n 次独立重复试验中恰好发生k 次的概率. 5. 掌握离散型随机变量的分布列. 6.掌握离散型随机变量的期望与方差. 7.掌握抽样方法与总体分布的估计. 8.掌握正态分布与线性回归. 考点1. 求等可能性事件、互斥事件和相互独立事件的概率 解此类题目常应用以下知识: (1)等可能性事件(古典概型)的概率:P (A )=) ()(I card A card =n m ; 等可能事件概率的计算步骤: (1) 计算一次试验的基本事件总数n ; (2) 设所求事件A ,并计算事件A 包含的基本事件的个数m ; (3) 依公式()m P A n =求值; (4) 答,即给问题一个明确的答复. (2)互斥事件有一个发生的概率:P (A +B )=P (A )+P (B ); 特例:对立事件的概率:P (A )+P (A )=P (A +A )=1. (3)相互独立事件同时发生的概率:P (A ·B )=P (A )·P (B ); 特例:独立重复试验的概率:P n (k )=k n k k n p p C --)1(.其中P 为事件A 在一次试验中发生的概率,此式为二项式[(1-P)+P]n 展开的第k+1项.
(4)解决概率问题要注意“四个步骤,一个结合”: ① 求概率的步骤是: 第一步,确定事件性质???? ???等可能事件 互斥事件 独立事件 n 次独立重复试验 即所给的问题归结为四类事件中的某一种. 第二步,判断事件的运算?? ?和事件积事件 即是至少有一个发生,还是同时发生,分别运用相加或相乘事件. 第三步,运用公式()()()()()()()()(1) k k n k n n m P A n P A B P A P B P A B P A P B P k C p p -? =???+=+? ??=??=-??等可能事件: 互斥事件: 独立事件: n 次独立重复试验:求解 第四步,答,即给提出的问题有一个明确的答复. 考点2离散型随机变量的分布列 1.随机变量及相关概念 ①随机试验的结果可以用一个变量来表示,这样的变量叫做随机变量,常用希腊字母ξ、η等表示. ②随机变量可能取的值,可以按一定次序一一列出,这样的随机变量叫做离散型随机变量. ③随机变量可以取某区间内的一切值,这样的随机变量叫做连续型随机变量. 2.离散型随机变量的分布列 ①离散型随机变量的分布列的概念和性质 一般地,设离散型随机变量ξ可能取的值为1x ,2x ,……,i x ,……,ξ取每一个值i x (=i 1,2,……)的概率P (i x =ξ)=i P ,则称下表.
概率论知识点总结 基本概念随机实验: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。随机事件: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Ω。 样本点:随机试验的每个基本结果称为样本点,记作ω、样本空间:所有样本点组成的集合称为样本空间、样本空间用Ω表示、一个随机事件就是样本空间的一个子集。基本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。事件的关系与运算(就是集合的关系和运算)包含关系:若事件A 发生必然导致事件B发生,则称B包含A,记为或。 相等关系:若且,则称事件A与事件B相等,记为A=B。事件的和:“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。事件的积: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。事件的差:称事件“事件A发生而事件B不发生”为事件A 与事件B的差事件,记为 A-B。用交并补可以表示为。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。互斥时可记为A+B。对立事
件:称事件“A不发生”为事件A的对立事件(逆事件),记为。对立事件的性质:。事件运算律: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)对偶律(摩根律): 第二节事件的概率概率的公理化体系:(1)非负性: P(A)≥0;(2)规范性:P(Ω)=1(3)可数可加性:两两不相容时概率的性质:(1)P(Φ)=0(2)有限可加性:两两不相容时当AB=Φ时P(A∪B)=P(A)+P(B)(3)(4)P(A-B)=P(A)- P(AB)(5)P(A∪B)=P(A)+P(B)-P(AB)第三节古典概率模型 1、设试验E是古典概型, 其样本空间Ω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 2、几何概率:设事件A是Ω的某个区域,它的面积为 μ(A),则向区域Ω上随机投掷一点,该点落在区域 A 的概率为假如样本空间Ω可用一线段,或空间中某个区域表示,则事件A 的概率仍可用上式确定,只不过把μ理解为长度或体积即可、第四节条件概率条件概率:在事件B发生的条件下,事件A发生的概率称为条件概率,记作 P(A|B)、乘法公式:P(AB)=P(B)P(A|B)=P(A)P(B|A)全概率公式:设是一个完备事件组,则
概率论与数理统计基本公式 欧阳光明(2021.03.07) 第一部分 概率论基本公式 1、) (;A B A B A AB A B A B A -?=?-==-- 2、对偶率: .- ---?=??=?B A B A B A B A ; 3、概率性率:)()();()()(),()()(B P A P B P A P B A P A B AB P A P B A P ≥-=-?-=-时有: 特别, 4、古典概型 5、条件概率 例:有三个罐子,1号装有2红1黑共3个球,2号装有3红1黑4个球,3号装有2红2黑4个球,某人随机从其中一罐,再从该罐中任取一个球,(1)求取得红球的概率;(2)如果取得是红球,那么是从第一个罐中取出的概率为多少? . 348.0) () ()|()|()2(. 639.0)(3 1 )()()(. 21)|(;43)|(;32)|()|()()(}{3,2,1i }{)1(111321321i i 321≈=≈∴==========∑A P B P B A P A B P A P B P B P B P B A P B A P B A P A B P A P B P B B B A i B i i 由贝叶斯公式:,,依题意,有:由全概率公式是一个完备事件、、,由题知取得是红球。,号罐球取自设解:6、独立事件 (1)P(AB)=P(A)P(B),则称A 、B 独立。 (2)伯努利概型 如果随机试验只有两种可能结果:事件A 发生或事件A 不发生,则称为伯努利试验,即:
P(A)=p,q p A P =-=- 1)( (0
1、 A B AB A AB;A B A (B A) 例: 证明: A B) B A AB AB A B. 第一部分 概率论基本公 式 概率论与数理统计基本公式 证明: 由(A B) B ,知 B 不发生, A 发生,则 AB 不发生,从而 A B) B A AB 成立,也即 A B 成立,也即 A B 成立。得证。 2、对偶率: A B A B ;A B A B. 3、概率性率: (1) 有限可加: A 1、 A 2为不相容事件,则 P(A 1 A 2) P(A 1) P(A 2) P(A B) P(A ) P(B);P(A) P(B) (3) 对任意两个事件有: P(A B) P(A) P(B) P(AB) 例:已知: P(A) 0.5, P(AB) 0.2,P(B) 0.4.求:(1)P(AB);P(A B); P(A 解: AB AB B,且B 、AB 是不相容事件, P(AB) P(AB) P(B) 即P(AB) 0.2.,又 P(A) 0.5, P(A B) P(A) P(AB) 0.3 P(A B) P(A) P(B) P(AB) 0.7, P( AB) PA B 1 P(A B) 0.3. 4、古典概 P(A B) P(A) P(AB),特别, B A 时有: (2) B); P( AB ) 例: n 双鞋总共 2n 只,分为 n 堆,每堆为 2只,事件 A 每堆自成一双鞋的概率 2n (2-n 2))!! 2! ,自成一双为: n! C 22 n 解:分堆法: C 22n n !,则 P(A) 5、条件概率 P(B| A) P(AB) ,称为在事件 A 条件下,事件 B 的条件概 率, P(A) P(B)称为无条件概率。 乘法公式: P(AB) P(A)P(B |A) P(AB) P(B)P(A |B) 全概率公式:P(B) P(A i )P(B| A i ) i 贝叶斯公式: P(A i |B) P(A i B) P(A i )P(B|A i ) i P(B) P(A j )P(B |A j ) j 例:有三个罐子, 1号装有 2红1黑共 3个球, 2号装有 3红1黑 4个球, 3号装有 2红2
第一章
n Pm ?
随机事件和概率
(1)排列 组合公式
n Cm ?
m! (m ? n)!
从 m 个人中挑出 n 个人进行排列的可能数。
m! 从 m 个人中挑出 n 个人进行组合的可能数。 n!(m ? n)!
(2)加法 和乘法原 理
加法原理(两种方法均能完成此事) :m+n 某件事由两种方法来完成,第一种方法可由 m 种方法完成,第二种方法可由 n 种 方法来完成,则这件事可由 m+n 种方法来完成。 乘法原理(两个步骤分别不能完成这件事) :m×n 某件事由两个步骤来完成, 第一个步骤可由 m 种方法完成, 第二个步骤可由 n 种 方法来完成,则这件事可由 m×n 种方法来完成。 重复排列和非重复排列(有序) 对立事件(至少有一个) 顺序问题 如果一个试验在相同条件下可以重复进行,而每次试验的可能结果不止一个,但 在进行一次试验之前却不能断言它出现哪个结果,则称这种试验为随机试验。 试验的可能结果称为随机事件。 在一个试验下,不管事件有多少个,总可以从其中找出这样一组事件,它具有如 下性质: ①每进行一次试验,必须发生且只能发生这一组中的一个事件; ②任何事件,都是由这一组中的部分事件组成的。 这样一组事件中的每一个事件称为基本事件,用 ? 来表示。 基本事件的全体,称为试验的样本空间,用 ? 表示。 一个事件就是由 ? 中的部分点(基本事件 ? )组成的集合。通常用大写字母 A, B,C,…表示事件,它们是 ? 的子集。 ? 为必然事件,? 为不可能事件。 不可能事件(?)的概率为零,而概率为零的事件不一定是不可能事件;同理, 必然事件(Ω )的概率为 1,而概率为 1 的事件也不一定是必然事件。 ①关系: 如果事件 A 的组成部分也是事件 B 的组成部分, (A 发生必有事件 B 发生) :
(3)一些 常见排列 (4)随机 试验和随 机事件
(5)基本 事件、样本 空间和事 件
(6)事件 的关系与 运算
A? B
如果同时有 A ? B , B ? A ,则称事件 A 与事件 B 等价,或称 A 等于 B:A=B。 A、B 中至少有一个发生的事件:A ? B,或者 A+B。 属于 A 而不属于 B 的部分所构成的事件,称为 A 与 B 的差,记为 A-B,也可表 示为 A-AB 或者 A B ,它表示 A 发生而 B 不发生的事件。
1 / 33
概率论基本公式 Document number:PBGCG-0857-BTDO-0089-PTT1998
概率论与数理统计基本公式 第一部分概率论基本公式 1、)(;A B A B A AB A B A B A -?=?-==-- 例:证明: 2、对偶率:.- - - - ?=??=?B A B A B A B A ; 3、概率性率: (1) )()()(212121A P A P A A P A A +=?为不相容事件,则、有限可加:(2 ) ) ()();()()(),()()(B P A P B P A P B A P A B AB P A P B A P ≥-=-?-=-时有: 特别, (3))()()()(AB P B P A P B A P -+=?对任意两个事件有: 4、古典概型 5、条件概率 例:有三个罐子,1号装有2红1黑共3个球,2号装有3红1黑4个球,3号装有2红2黑4个球,某人随机从其中一罐,再从该罐中任取一个球,(1)求取得红球的概率;(2)如果取得是红球,那么是从第一个罐中取出的概率为多少 . 348.0) () ()|()|()2(. 639.0)(3 1 )()()(.2 1 )|(;43)|(;32)|()|()()(}{3,2,1i }{)1(111321321i i 321≈=≈∴====== ====∑A P B P B A P A B P A P B P B P B P B A P B A P B A P A B P A P B P B B B A i B i i 由贝叶斯公式:,,依题意,有:由全概率公式是一个完备事件、、,由题知取得是红球。,号罐球取自设解:6、独立事件
概率计算方法总结 在新课标实施以来,中考数学试题中加大了统计与概率部分的考查,体现了“学以致用”这一理念. 计算简单事件发生的概率是重点,现对概率计算方法阐述如下: 一.公式法 P(随机事件)= 的结果数 随机事件所有可能出现果数 随机事件可能出现的结.其中P(必然事件)=1,P (不可能事 件)=0;0
概率论与数理统计基本公式 第一部分概率论基本公式 1、A -B =AB 二A -AB; A B = A 一(B -A) 2、对偶率:A 一 B = B ;A ' B = A 一 B. P(A - B) = P(A) - P(AB),特别,B A 时有: P(A _ B)二 P(A) _ P(B); P(A) _ P(B) 对任意两个事件有: P(A B) = P(A) - P(B) - P(AB) 4、古典概型 例:n 双鞋总共2n 只,分为n 堆,每堆为2只,事件A 每堆自成一双鞋的概率 5、条件概率 P(B | A) =P(AB ),称为在事件A 条件下,事件B 的条件概率,P(B)称为无条件概率。 P(A) 乘法公式:P(AB) = P(A)P(B |A) P(AB) = P(B)P(A | B) 全概率公式:P(B)=5: P(A)P(B|A i ) i 贝叶斯公式:P(A|B)=P^= P(A i )P(B|A) P(B) Z P(A j )P(B|A j ) j 例:有三个罐子,1号装有2红1黑共3个球,2号装有3红1黑4个球,3号装有2红2 黑4个球,某人随机从其中一罐 ,再从该罐中任取一个球 ,(1)求取得红球的概率 (2)如果取得是红球,那么是从第一个罐中取出的概率为多少 ? 解:分堆法:C ;n 島!,自成一双为: n !,则 P(A) = n*. C 2n 3、概率性率
解:1)设B i={球取自i号罐}, i =1,2,3。A ={取得是红球},由题知B1> B2、B3是一个完备事件 2 3 1 由全概率公式P(B)=v P(A)P(B|A) 依题意,有:P(A|B i) ;P(A|B2); P(A| B3) . i 3 4 2 1 P(BJ =P(B2) = P(B3) ,P(A) :0.639. 3 (2)由贝叶斯公式:P(B1 | A)二P(A| B1)P(B1):. 0.348. P(A) 6、独立事件 (1)P(AB)=P(A)P(B),则称A、B 独立。 (2)伯努利概型 如果随机试验只有两种可能结果:事件A发生或事件A不发生,则称为伯努利试验,即: P(A)=p, P( A) =1 - p = q (0
《概率统计》公式、符号汇总表及各章要点及复习策略 (共4页) 第一章均独立。 与与与此时独立与B A B A B A B P A P AB P B A B P AB P B A P ,,);()()( )()()( (1)?=?= )() ()()( ) ()()()()( )3() (1)( ) ()( A B )()()( ) ()()()()( ) ()()()( )2(11A P B P B A P A B P B P B A P B P B A P A P A P A P B P A P AB P A P B A P A P A B P B P B A P AB P AB P B P A P B A P i i i n n ?=?++?=-=-?-=-?=?=-+= 第二、三章 一维随机变量及分布:X , i P , )(x f X , )(x F X 二维随机变量及分布:),(Y X , ij P , ),(y x f , ),(y x F *注意分布的非负性、规范性 (1)边缘分布:如:∑=j ij i p P ,?+∞ ∞-=dy y x f x f X ),()( (2)独立关系:J I IJ P P P Y X =?独立与 或)()()(y f x f y x f Y X =, ),,(11n X X 与),,(21n Y Y 独立),,(11n X X f ?与),,(21n Y Y g 独立 (3)随机变量函数的分布(离散型用点点对应法、连续型用分布函数法) 一维问题:已知X 的分布以及)(X g Y =,求Y 的分布 二维问题:已知),(Y X 的分布,求Y X Z +=、{}Y X M ,m ax =、{}Y X N ,m in =的分布- *??+∞∞-+∞ ∞--=-=dy y y z f dx x z x f z f Z ),(),()( M 、N 的分布--------离散型用点点对应法、连续型用分布函数法 第四章 (1)期望定义:离散:∑= i i i p x X E )( 连续:? ??+∞∞-+∞∞-+∞ ∞-==dxdy y x xf dx x xf X E ),()()( 方差定义:)()(]))([()(222X E X E X E X E X D -=-= 离散:∑-= i i i p X E x X D 2))(()( 连续:?+∞ ∞--=dx x f X E x X D X )())(()(2 协方差定义:)()()())]())(([(),(Y E X E XY E Y E Y X E X E V X COV -=--=
概率论公式总结 This manuscript was revised by the office on December 10, 2020.
第一章 P(A+B)=P(A)+P(B)- P(AB) 特别地,当A 、B 互斥时, P(A+B)=P(A)+P(B) 条件概率公式 概率的乘法公式 全概率公式:从原因计算结果 Bayes 公式:从结果找原因 第二章 二项分布(Bernoulli 分布)——X~B(n,p) 泊松分布——X~P(λ) 概率密度函数 怎样计算概率 均匀分布X~U(a,b) 指数分布X~Exp (θ) 分布函数 对离散型随机 变量 对连续型随机变量 分布函数与密度函数的重要关系: 二元随机变量及其边缘分布 分布规律的描述方法 联合密度 函数 联合分布函数 联合密度与边缘密度 )(b X a P ≤≤∑≤==≤=x k k X P x X P x F )()()(?∞-=≤=x dt t f x X P x F )()()(),(y x f ),(y x F 1),(0≤≤y x F
离散型随机变量的独立性 连续型随机变量的独立性 第三章 数学期望 离散型随机变量,数学期望定义 连续型随机变量,数学期望定义 E(a)=a ,其中a 为常数 E(a+bX)=a+bE(X),其中a 、b 为常数 E(X+Y)=E(X)+E(Y),X 、Y 为任意随机变量 随机变量g(X)的数学期望 常用公式 方差 定义式 常用计算 式 常用公式 当X 、Y 相互独立时: 方差的性质 D(a)=0,其中a 为常数 D(a+bX)=b2D(X),其中a 、b 为常数 当X 、Y 相互独立时,D(X+Y)=D(X)+D(Y) 协方差与相关系数 协方差的性质 独立与相关 独立必定不相关 ∑+∞-∞=?=k k k P x X E )([]22)()()(X E X E X D -=
《概率统计》公式、符号汇总表及各章要点 (共3页) 第一章 均独立。 与与与此时独立与B A B A B A B P A P AB P B A B P AB P B A P ,,);()()( ) ()()( (1)?=?= ) () ()()( )()()()()( )3() (1)( )()( A B )()()( )()()()()( )()()()( )2(11A P B P B A P A B P B P B A P B P B A P A P A P A P B P A P AB P A P B A P A P A B P B P B A P AB P AB P B P A P B A P i i i n n ?= ?++?=-=-?-=-?=?=-+= 第二、三章 一维随机变量及分布:X , i P , )(x f X , )(x F X 二维随机变量及分布:),(Y X , ij P , ),(y x f , ),(y x F *注意分布的非负性、规范性 (1)边缘分布:∑ = j ij i p P ,? +∞ ∞ -= dy y x f x f X ),()( (2)独立关系:J I IJ P P P Y X =?独立与 或)()()(y f x f y x f Y X =, ),,(1 1n X X 与),,(21n Y Y 独立),,(1 1n X X f ?与),,(21n Y Y g 独立 (3)随机变量函数的分布(离散型用列表法) 一维问题:已知X 的分布以及)(X g Y =,求Y 的分布-------连续型用分布函数法 二维问题:已知),(Y X 的分布,求Y X Z +=、{}Y X M ,max =、{}Y X N ,min =的分布- ? ? +∞ ∞ -+∞ ∞ --=-= dy y y z f dx x z x f z f Z ),(),()( M 、N 的分布---------连续型用分布函数法 第四章 (1)期望定义:离散:∑= i i i p x X E )( 连续:?? ? +∞∞ -+∞ ∞-+∞ ∞ -= = dxdy y x xf dx x xf X E ),()()( 方差定义:)()(]))([()(2 2 2 X E X E X E X E X D -=-= 离散:∑-=i i i p X E x X D 2 ))(()( 连续:? +∞ ∞ --= dx x f X E x X D X )())(()(2
概率论与数理统计基本公式 第一部分 概率论基本公式 1、)(;A B A B A AB A B A B A -?=?-==-- 2、对偶率:.- ---?=??=?B A B A B A B A ; 3、概率性率:) ()();()()(),()()(B P A P B P A P B A P A B AB P A P B A P ≥-=-?-=-时有: 特别, 4、古典概型 5、条件概率 例:有三个罐子,1号装有2红1黑共3个球,2号装有3红1黑4个球,3号装有2红2黑4个球,某人随机从其中一罐,再从该罐中任取一个球,(1)求取得红球的概率;(2)如果取得是红球,那么是从第一个罐中取出的概率为多少? . 348.0) () ()|()|()2(. 639.0)(3 1 )()()(. 21)|(;43)|(;32)|()|()()(}{3,2,1i }{)1(111321321i i 321≈=≈∴==========∑A P B P B A P A B P A P B P B P B P B A P B A P B A P A B P A P B P B B B A i B i i 由贝叶斯公式:,,依题意,有:由全概率公式是一个完备事件、、,由题知取得是红球。,号罐球取自设解:6、独立事件 (1)P(AB)=P(A)P(B),则称A 、B 独立。 (2)伯努利概型 如果随机试验只有两种可能结果:事件A 发生或事件A 不发生,则称为伯努利试验,即: P(A)=p,q p A P =-=- 1) ( (0
概率论知识点总结 第一章 随机事件及其概率 第一节 基本概念 随机实验: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。 随机事件: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Ω。 样本点:随机试验的每个基本结果称为样本点,记作ω. 样本空间:所有样本点组成的集合称为样本空间. 样本空间用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。 事件的关系与运算(就是集合的关系和运算) 包含关系:若事件 A 发生必然导致事件B 发生,则称B 包含A ,记为A B ?或 B A ?。 相等关系:若A B ?且B A ?,则称事件A 与事件B 相等,记为A =B 。 事件的和:“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 。 事件的积: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 。 事件的差:称事件“事件A 发生而事件B 不发生”为事件A 与事件B 的差事件,记为 A -B 。 用交并补可以表示为B A B A =-。 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。互斥时B A ?可记为A +B 。 对立事件:称事件“A 不发生”为事件A 的对立事件(逆事件),记为A 。对立事
概率统计公式大全
————————————————————————————————作者:————————————————————————————————日期:
第1章随机事件及其概率 (1) 排列组合公式 )! ( ! n m m P n m- =从m个人中挑出n个人进行排列的可能数。 )! (! ! n m n m C n m- =从m个人中挑出n个人进行组合的可能数。 (2) 加法和乘法原理加法原理(两种方法均能完成此事):m+n 某件事由两种方法来完成,第一种方法可由m种方法完成,第二种方法可由n 种方法来完成,则这件事可由m+n 种方法来完成。 乘法原理(两个步骤分别不能完成这件事):m×n 某件事由两个步骤来完成,第一个步骤可由m种方法完成,第二个步骤可由n 种方法来完成,则这件事可由m×n 种方法来完成。 (3) 一些常见排列重复排列和非重复排列(有序)对立事件(至少有一个) 顺序问题 (4) 随机试验和随机事件如果一个试验在相同条件下可以重复进行,而每次试验的可能结果不止一个,但在进行一次试验之前却不能断言它出现哪个结果,则称这种试验为随机试验。 试验的可能结果称为随机事件。 (5) 基本事件、样本空间和事件在一个试验下,不管事件有多少个,总可以从其中找出这样一组事件,它具有如下性质: ①每进行一次试验,必须发生且只能发生这一组中的一个事件; ②任何事件,都是由这一组中的部分事件组成的。 这样一组事件中的每一个事件称为基本事件,用ω来表示。 基本事件的全体,称为试验的样本空间,用Ω表示。 一个事件就是由Ω中的部分点(基本事件ω)组成的集合。通常用大写字母A,B,C,…表示事件,它们是Ω的子集。 Ω为必然事件,?为不可能事件。 不可能事件(?)的概率为零,而概率为零的事件不一定是不可能事件;同理,必然事件(Ω)的概率为1,而概率为1的事件也不一定是必然事件。 (6) 事件的关系与运算①关系: 如果事件A的组成部分也是事件B的组成部分,(A发生必有事件B发生):B A? 如果同时有B A?,A B?,则称事件A与事件B等价,或称A等于B:A=B。 A、B中至少有一个发生的事件:A B,或者A+B。 属于A而不属于B的部分所构成的事件,称为A与B的差,记为A-B,也可表示为A-AB或者B A,它表示A发生而B不发生的事件。 A、B同时发生:A B,或者AB。A B=Φ,则表示A与B不可能同时发