(完整word版)(浙大第四版)概率论与数理统计知识点总结

《概率论与数理统计》 第一章随机事件及其概率§1.1 随机事件一、给出事件描述，要求用运算关系符表示事件： 二、给出事件运算关系符，要求判断其正确性： §1.2 概率古典概型公式：P （A ）=所含样本点数所含样本点数ΩA 实用中经常采用“排列组合”的方法计算补例1：将n 个球随机地放到n 个盒中去，问每个盒子恰有1个球的概率是多少？解：设A ：“每个盒子恰有1个球”。

求：P(A)=？Ω所含样本点数：nn n n n =⋅⋅⋅...Α所含样本点数：!1...)2()1(n n n n =⋅⋅-⋅-⋅n nn A P !)(=∴补例2：将3封信随机地放入4个信箱中，问信箱中信的封数的最大数分别为1、2、3的概率各是多少？解：设A i ：“信箱中信的最大封数为i”。

(i =1,2,3)求：P(A i )=？Ω所含样本点数：6444443==⋅⋅A 1所含样本点数：24234=⋅⋅836424)(1==∴A P A 2所含样本点数： 363423=⋅⋅C1696436)(2==∴A P A 3所含样本点数：4433=⋅C161644)(3==∴A P 注：由概率定义得出的几个性质： 1、0<P （A ）<12、P(Ω)=1，P(φ) =0 §1.3 概率的加法法则定理：设A 、B 是互不相容事件（AB=φ），则： P （A ∪B ）=P （A ）+P （B ）推论1：设A 1、 A 2、…、 A n 互不相容，则P(A 1+A 2+...+ A n )= P(A 1) + P(A 2) +…+ P(A n )推论2：设A 1、 A 2、…、 A n 构成完备事件组，则 P(A 1+A 2+...+ A n )=1推论3： P （A ）=1－P （A ）推论4：若B ⊃A ，则P(B －A)= P(B)－P(A) 推论5（广义加法公式）：对任意两个事件A 与B ，有P(A ∪B)=P(A)+P(B)－P(A B) 补充——对偶律：n n A A A A A A ⋂⋂⋂=⋃⋃⋃......2121 n n A A A A A A ⋃⋃⋃=⋂⋂⋂ (2121)§1.4 条件概率与乘法法则条件概率公式：P(A/B)=)()(B P AB P （P(B)≠0）P(B/A)= )()(A P AB P （P(A)≠0） ∴P （AB ）=P （A /B ）P （B ）= P （B / A ）P （A ）有时须与P （A+B ）=P （A ）+P （B ）－P （AB ）中的P （AB ）联系解题。

《概率论与数理统计》第一章 概率论的基本概念§2．样本空间、随机事件1．事件间的关系 则称事件B 包含事件A ，指事件A 发生必然导致事件B 发生B A ⊂ 称为事件A 与事件B 的和事件，指当且仅B}x x x { ∈∈=⋃或A B A 当A ，B 中至少有一个发生时，事件发生B A ⋃称为事件A 与事件B 的积事件，指当B}x x x { ∈∈=⋂且A B A A ，B 同时发生时，事件发生B A ⋂ 称为事件A 与事件B 的差事件，指当且仅B}x x x { ∉∈=且—A B A 当A 发生、B 不发生时，事件发生B A —，则称事件A 与B 是互不相容的，或互斥的，指事件A 与事φ=⋂B A 件B 不能同时发生，基本事件是两两互不相容的，则称事件A 与事件B 互为逆事件，又称事件且S =⋃B A φ=⋂B A A 与事件B 互为对立事件2．运算规则 交换律A B B A A B B A ⋂=⋂⋃=⋃ 结合律)()( )()(C B A C B A C B A C B A ⋂=⋂⋃⋃=⋃⋃分配律)()B (C A A C B A ⋃⋂⋃=⋂⋃）（ ))(()( C A B A C B A ⋂⋂=⋃⋂徳摩根律BA B A A B A ⋃=⋂⋂=⋃ B —§3．频率与概率定义 在相同的条件下，进行了n 次试验，在这n 次试验中，事件A 发生的次数称为A n 事件A 发生的频数，比值称为事件A 发生的频率n n A 概率：设E 是随机试验，S 是它的样本空间，对于E 的每一事件A 赋予一个实数，记为P （A ），称为事件的概率1．概率满足下列条件：)(A P （1）非负性：对于每一个事件A 1)(0≤≤A P （2）规范性：对于必然事件S 1)S (=P（3）可列可加性：设是两两互不相容的事件，有n A A A ,,,21 （可以取）∑===nk k n k k A P A P 11)()( n ∞2．概率的一些重要性质：（i ）0)(=φP （ii ）若是两两互不相容的事件，则有（可以取）n A A A ,,,21 ∑===nk knk kA P A P 11)()(n ∞（iii ）设A ，B 是两个事件若，则，B A ⊂)()()(A P B P A B P -=-)A ()B (P P ≥（iv ）对于任意事件A ，1)(≤A P （v ） （逆事件的概率）)(1)(A P A P -=（vi ）对于任意事件A ，B 有)()()()(AB P B P A P B A P -+=⋃§4等可能概型（古典概型）等可能概型：试验的样本空间只包含有限个元素，试验中每个事件发生的可能性相同若事件A 包含k 个基本事件，即，里}{}{}{2]1k i i i e e e A =个不同的数，则有中某，是，，k k n 2,1i i i ,21 ()中基本事件的总数包含的基本事件数S }{)(1j A n k e P A P kj i ===∑=§5．条件概率（1）定义：设A,B 是两个事件，且，称为事件A 发生的0)(>A P )()()|(A P AB P A B P =条件下事件B 发生的条件概率（2）条件概率符合概率定义中的三个条件1。

第1章随机事件及其概率基本事件的全体，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,…表木事件，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, 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）：如果同时有AB,BA,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：AB,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（6）事件可表本为A-AB或者AB,它表小A发生而B不发生的事件。

的关系与A、B同时发生：AB,或者AB。

AB=?，则表示A与B不可能同时发运算生，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。

-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不发生的事件。

互斥未必对立。

②运算:结合率: A(BC)=(AB)CAU(BUC)=(AUB)UC分配率: (AB)UC=(AUC)n(BUC)(AUB)AC=(AC)U(BC)德摩根率:A i A ii1i1ABAB,ABAB（7）概率设为样本空间，A为事件，对每一个事件A都有一个实数P（A）,若满足下列三个条件：第二章随机变量及其分布称为随机变量X 的分布函数，本质上是一个累积函数。

分布函数具有如下性质:100F(x)1,x;2F(x)是单调不减的函数，即x i x 2时，有F(x i )F(x 2)； 3F()limF(x)0,F()limF(x)1；xx4°F(x0)F(x),即F(x)是右连续的；5°P(Xx) 对于离散型随机变量,对于连续型随机变量,F(x)F(x0)。

F(x)P k;x k x xF(x)f(x)dx 。

⑸八大 0-1分布 P(X=1)=p,P(X=0)=q分布(4)分布设X 为随机变量，x 是任意实数，则函数函数F(x)P(Xx)P(aXb)F(b)F(a) 可以彳#到X 落入区间(a,b ］的概率。

概率论与数理统计知识点总结免费超详细版概率论与数理统计是一门研究随机现象及其统计规律的数学学科，在自然科学、工程技术、社会科学、经济管理等众多领域都有着广泛的应用。

以下是对概率论与数理统计中一些重要知识点的详细总结。

一、随机事件与概率1、随机试验随机试验是指在相同条件下可以重复进行，试验结果不止一个且事先不能确定的试验。

2、样本空间样本空间是随机试验所有可能结果组成的集合。

3、随机事件随机事件是样本空间的子集。

4、事件的关系与运算包括包含、相等、和事件、积事件、差事件、互斥事件、对立事件等。

5、概率的定义概率是对随机事件发生可能性大小的度量。

6、古典概型具有有限个等可能结果的随机试验。

7、几何概型样本空间是某个区域，且每个样本点出现的可能性与区域的面积、体积等成正比。

8、条件概率在已知某事件发生的条件下，另一事件发生的概率。

9、乘法公式用于计算两个事件同时发生的概率。

10、全概率公式将复杂事件的概率通过划分样本空间分解为简单事件的概率之和。

11、贝叶斯公式在已知结果的情况下，反推导致该结果的原因的概率。

二、随机变量及其分布1、随机变量用数值来描述随机试验的结果。

2、离散型随机变量取值可以一一列举的随机变量。

3、离散型随机变量的概率分布列出随机变量的取值以及对应的概率。

4、常见的离散型随机变量分布包括 0-1 分布、二项分布、泊松分布等。

5、连续型随机变量取值充满某个区间的随机变量。

6、连续型随机变量的概率密度函数用于描述连续型随机变量的概率分布。

7、常见的连续型随机变量分布包括均匀分布、正态分布、指数分布等。

8、随机变量的函数的分布已知随机变量的分布，求其函数的分布。

三、多维随机变量及其分布1、二维随机变量由两个随机变量组成的向量。

2、二维随机变量的联合分布函数描述二维随机变量的概率分布。

3、二维离散型随机变量的联合概率分布列出二维离散型随机变量的取值组合以及对应的概率。

4、二维连续型随机变量的联合概率密度函数用于描述二维连续型随机变量的概率分布。

概率论与数理统计知识点总结免费超详细版概率论与数理统计是一门研究随机现象数量规律的学科，它在众多领域都有着广泛的应用，如统计学、物理学、工程学、经济学等。

以下是对概率论与数理统计知识点的超详细总结。

一、随机事件与概率（一）随机事件随机事件是指在一定条件下，可能出现也可能不出现的事件。

随机事件通常用大写字母 A、B、C 等来表示。

（二）样本空间样本空间是指随机试验的所有可能结果组成的集合，通常用Ω表示。

（三）事件的关系与运算1、包含关系：若事件 A 发生必然导致事件 B 发生，则称事件 B 包含事件 A，记作 A⊂B。

2、相等关系：若 A⊂B 且 B⊂A，则称事件 A 与事件 B 相等，记作A ＝ B。

3、并事件：事件 A 与事件 B 至少有一个发生的事件称为 A 与 B的并事件，记作 A∪B。

4、交事件：事件 A 与事件 B 同时发生的事件称为 A 与 B 的交事件，记作A∩B 或 AB。

5、互斥事件：若事件 A 与事件 B 不能同时发生，则称 A 与 B 为互斥事件，即 AB ＝∅。

6、对立事件：若事件 A 与事件 B 满足 A∪B ＝Ω 且 AB ＝∅，则称 A 与 B 为对立事件，记作 B ＝A。

（四）概率的定义与性质1、概率的古典定义：若随机试验的样本空间Ω只包含有限个基本事件，且每个基本事件发生的可能性相等，则事件 A 的概率为 P(A) ＝n(A) ／n(Ω) ，其中 n(A) 为事件 A 包含的基本事件个数，n(Ω) 为样本空间Ω包含的基本事件个数。

2、概率的统计定义：在大量重复试验中，事件 A 发生的频率稳定在某个常数 p 附近，则称 p 为事件 A 的概率，即 P(A) ＝ p 。

3、概率的公理化定义：设随机试验的样本空间为Ω，对于Ω中的每一个事件 A，都赋予一个实数 P(A)，如果满足以下三个条件：（1）非负性：0 ≤ P(A) ≤ 1 ；（2）规范性：P(Ω) ＝ 1 ；（3）可列可加性：对于两两互斥的事件 A1，A2，，有P(A1∪A2∪）＝ P(A1) ＋ P(A2) ＋，则称 P(A) 为事件 A 的概率。

《概率论与数理统计》第一章 概率论的基本概念§2．样本空间、随机事件1．事件间的关系 B A ⊂则称事件B 包含事件A ，指事件A 发生必然导致事件B 发生B }x x x { ∈∈=⋃或A B A 称为事件A 与事件B 的和事件，指当且仅当A ，B 中至少有一个发生时，事件B A ⋃发生B }x x x { ∈∈=⋂且A B A 称为事件A 与事件B 的积事件，指当A ，B 同时发生时，事件B A ⋂发生B }x x x { ∉∈=且—A B A 称为事件A 与事件B 的差事件，指当且仅当A 发生、B 不发生时，事件B A —发生φ=⋂B A ，则称事件A 与B 是互不相容的，或互斥的，指事件A 与事件B 不能同时发生，基本事件是两两互不相容的且S =⋃B A φ=⋂B A ，则称事件A 与事件B 互为逆事件，又称事件A 与事件B 互为对立事件2．运算规则 交换律A B B A A B B A ⋂=⋂⋃=⋃结合律)()( )()(C B A C B A C B A C B A ⋂=⋂⋃⋃=⋃⋃ 分配律 )()B (C A A C B A ⋃⋂⋃=⋂⋃）（ ))(()( C A B A C B A ⋂⋂=⋃⋂ 徳摩根律B A B A A B A ⋃=⋂⋂=⋃ B —§3．频率与概率定义 在相同的条件下，进行了n 次试验，在这n 次试验中，事件A 发生的次数A n 称为事件A 发生的频数，比值n n A 称为事件A 发生的频率概率：设E 是随机试验，S 是它的样本空间，对于E 的每一事件A 赋予一个实数，记为P （A ），称为事件的概率1．概率)(A P 满足下列条件：（1）非负性：对于每一个事件A 1)(0≤≤A P （2）规范性：对于必然事件S 1)S (=P（3）可列可加性：设n A A A ,,,21 是两两互不相容的事件，有∑===nk kn k kA P A P 11)()( （n 可以取∞）2．概率的一些重要性质： （i ） 0)(=φP（ii ）若n A A A ,,,21 是两两互不相容的事件，则有∑===nk kn k kA P A P 11)()(（n 可以取∞）（iii ）设A ，B 是两个事件若B A ⊂，则)()()(A P B P A B P -=-，)A ()B (P P ≥ （iv ）对于任意事件A ，1)(≤A P（v ）)(1)(A P A P -= （逆事件的概率）（vi ）对于任意事件A ，B 有)()()()(AB P B P A P B A P -+=⋃§4等可能概型（古典概型）等可能概型：试验的样本空间只包含有限个元素，试验中每个事件发生的可能性相同 若事件A包含k个基本事件，即}{}{}{2]1k i i i e e e A =，里个不同的数，则有中某，是，，k k n 2,1i i i ,21 ()中基本事件的总数包含的基本事件数S }{)(1j A n k e P A P kj i ===∑=§5．条件概率（1） 定义：设A,B 是两个事件，且0)(>A P ，称)()()|(A P AB P A B P =为事件A 发生的条件下事件B 发生的条件概率（2） 条件概率符合概率定义中的三个条件1。

概率论与数理统计 知识点总结一、随机事件与概率1.随机事件（1）事件间的关系与运算● 事件的差：A B A AB AB -=-= ● 对立事件：,AA A A =∅⋃=Ω ● 完备事件组：设12,,,,n A A A 是有限或可数个事件，如果其满足：① ,,,1,2,i j A A i j i j =∅≠=； ②i iA =Ω，则称12,,,,n A A A 是一个完备事件组.（2）随机事件的运算律 ● 求和运算：①A B B A +=+（交换律）②()()A B C A B C A B C ++=++=++（结合律） ● 求交运算：①AB BA =（交换律）②()()AB C A BC ABC ==（结合律） ● 求和运算与求交运算的混合：①()()()A B C AB AC +=+（第一分配律） ②()()()A BC A B A C +=++（第二分配律） ● 求对立事件的运算：()A A =（自反律） ● 和及交事件的对立事件：①A B AB +=（第一对偶律） ②AB A B =+（第二对偶律）2.随机事件的概率（1）概率的公理化定义● 公理1：()1P Ω=；公理2：对任意事件A ，有()0P A ≥；公理3：对任意可数个两两不相容的事件12,,,,n A A A ，有11()()i i i i P A P A ∞∞===∑.（2）概率测度的其他性质 ● 性质1：()0P ∅=性质2（有限可加性）：12,,,n A A A 是两两互不相容的，则有11()()nni i i i P A P A ===∑性质3：()1()P A P A =-性质4：()()()P A B P A P AB -=-特别地，若A B ⊃，则①()()()P A B P A P B -=-；②()()P A P B ≥ 性质5：0()1P A ≤≤性质6：()()()()P A B P A P B P AB +=+-推论：()()()()()()()()P A B C P A P B P C P AB P AC P BC P ABC ++=++---+3.古典概型与几何概型（1）古典概型● 古典概型的概率测度：()==A A P A Ω中元素个数使发生的基本事件数中元素个数基本事件总数（2）几何概型● 几何概型的概率测度：()()()S A P A S =Ω 4.条件概率（1）条件概率的数学定义 ●()()(()0)()P AB P B A P A P A =>● ()1()P B A P B A =- ●()1()P B A P B A =-● 条件概率测度满足概率的三条公理：公理1：()1P A Ω=；公理2：对任意事件B ，有()0P B A ≥；公理3：对任意可数个两两不相容的事件12,,,,n A A A ，有11()()i i i i P A A P A A ∞∞===∑.（2）乘法公式 ● ()()(),()0P AB P A P B A P A => ● ()()(),()0P AB P B P A B P B => ● ()()()()P ABC P A P B A P C AB = ●12121312121()()()()()n n n P A A A P A P A A P A A A P A A A A -=（3）全概率公式● 设{}i A 是一列有限或可数无穷个两两不相容的非零概率事件，且i iA =Ω，则对任意事件B ，有()()()i i iP B P A P B A =∑.（4）贝叶斯公式● 设{}i A 是一列有限或可数无穷个两两不相容的非零概率事件，且1i i A ∞==Ω，则对任意事件B ， ()0P B >，有()()()()()()()i i i i j j jP A P B A P A B P A B P B P A P B A ==∑. 5.事件的独立性（1）两个事件的独立性 ●()()()P AB P A P B =（2）有限个事件的独立性● 两两独立：()()()i j i j P A A P A P A = ● 相互独立：1212()()()()k k i i i i i i P A A A P A P A P A =（3）相互独立性的性质 ● 性质1：如果n 个事件12,,,n A A A 相互独立，则将其中任何(1)m m n ≤≤个事件改为相应的对立事件，形成的新的n 个事件仍然相互独立. 性质2：如果n 个事件12,,,n A A A 相互独立，则有1111()1(1())n n ni i i i i i P A P A P A ===⎛⎫=-=-- ⎪⎝⎭∏∏（4）伯努利概型● 伯努利定理：在一次试验中，事件A 发生的概率为(01)p p <<，则在n 重伯努利试验中，事件A 恰好发生k 次的概率为：(;,)C k k n kn b k n p p q-=，其中1q p =-. ● 在伯努利试验序列中，设每次试验中事件A 发生的概率为p ，“事件A 在第k 次试验中才首次发生”(1)k ≥，这一事件的概率为1(,)k g k p q p -=.二、随机变量的分布与数字特征1.随机变量及其分布（1）离散型随机变量的概率分布● 离散型随机变量的概率分布满足性质：①()0,1,2,i p x i ≥=②()1iip x =∑● 一旦知道一个离散型随机变量X 的概率分布{}i p x （），便可求得X 所生成的任何事件的概率.特别地，对任意a b ≤，有{}({}){}()i i i i i i a x ba x ba x bP a X b P X x P X x p x ≤≤≤≤≤≤≤≤=====∑∑.一般地，若I 是一个区间，则{}=()i ix IP X I p x ∈∈∑.（2）分布函数● 随机变量的分布函数性质：①单调性，若12x x <，则12()()F x F x ≤； ②()lim ()0x F F x →-∞-∞==，()lim ()1x F F x →+∞+∞==；③右连续性，(0)()F x F x +=. （3）连续型随机变量及其概率密度 ●(){}()xF x P X x f t dt -∞=≤=⎰，()f x 为X 的概率密度函数.● 密度函数性质：①()0,(,)f x x ≥∈-∞+∞； ②()1f x dx +∞-∞=⎰.● {}()()()b aP a X b F b F a f x dx <≤=-=⎰● {}0P X x ==（连续型）●'()()F x f x =2.随机变量的数字特征（1）离散型随机变量的数学期望 ●1=i i i EX x p ∞=∑（2）连续型随机变量的数学期望 ●()EX xf x dx +∞-∞=⎰（3）随机变量函数的数学期望● 设X 是一个随机变量，()g x 是一个实函数.①若X 为离散型随机变量，概率分布为{},1,2,i i P X x p i ===.且1()iii g x p∞=<∞∑，则()Eg X 存在，且1()()i i i Eg X g x p ∞==∑.②若X 为连续型随机变量，()f x 是其密度函数，且()()g x f x dx +∞-∞<∞⎰，则()Eg X 存在，且()()()Eg X g x f x dx +∞-∞=⎰.（4）数学期望的性质● ①对任意常数a ，有Ea a =；②设12,αα为任意实数，12(),()g x g x 为任意实函数，如果12(),()Eg X Eg X 均存在，则11221122[()()]()()E g X g X Eg X Eg X αααα+=+；③如果EX 存在，则对任意实数a ，有()E X a EX a +=+. （5）随机变量的方差 ● 离差：X EX -● 方差：2()DX E X EX =-● ● ①若X 为离散型随机变量，其概率分布为{},1,2,i i P X x p i ===，则22()()i i iDX E X EX x EX p =-=-∑②若X 为连续型随机变量，()f x 为其密度函数，则22()()()DX E X EX x EX f x dx +∞-∞=-=-⎰③22()DX EX EX =-● 方差的基本性质：设X 的方差DX 存在，a 为任意常数，则 ①0Da =；②()D X a DX +=； ③2()D aX a DX =.（6）随机变量的矩与切比雪夫不等式● 矩定义：X 为一个随机变量，k 为正整数，如果kEX 存在（即kE X<∞），则称kEX 为X的k 阶原点矩，称kE X 为X 的k 阶绝对矩.定理：随机变量X 的t 阶矩存在，则其s 阶矩（s t <为正整数）也存在. 推论：设k 为正整数，C 为常数，如果kEX 存在，则()kE X C +存在，特别地，)k E X EX -（存在.● 中心矩定义：X 为一个随机变量，k 为正整数，如果k EX 存在，则称()kE X EX -为X 的k阶中心矩，称kE X EX -为X 的k 阶绝对中心矩.● 定理：设()h x 是x 的一个非负函数，X 是一个随机变量，且()Eh X 存在，则对任意0ε>，有(){()}Eh X P h X εε≥≤.推论1（马尔可夫不等式）：设X 的k 阶矩存在（k 为正整数），即kE X <∞，则对任意0ε>有{}kkE XP X εε≥≤.推论2（切比雪夫不等式）：设X 的方差存在，则对任意0ε>有2{}DXP X EX εε-≥≤.推论3：随机变量X 的方差为0当且仅当存在一个常数a ，使得{}=1P X a =.3.常用的离散型分布,n),n kp -,ndef(,),g k p k =几何分布的无记忆性：设{P X二项分布可作为超几何分布的近似，即1212C C Ck n kk n kN N k n nNN N C N N --⎛⎫⎛⎫≈ ⎪ ⎪⎝⎭⎝⎭.这一近似关系的严格数学表述是：当N →∞时，1N →∞，2N →∞，且1N p N →，21Np N→-，则对任意给定的n 和k ，有()12C C lim1Ck n kn kN N k kn nN NC p p --→∞=-.泊松定理：在n 重伯努利试验中，事件A 在每次试验中发生的概率为n p （注意这与试验的次数n 有关），如果n →∞时，n np λ→（0λ>为常数），则对任意给定的k ，有lim (;,)e !kn n b k n p k λλ-→∞=.当二项分布(,)b n p 的参数n 很大，而p 很小时，可以将它用参数为np λ=的泊松分布来近似，即有()(;,)e !k npnp b k n p k -≈.4.常用的连续型分布正态分布● 定理：设2~(,),,,X N Y aX b a b μσ=+为常数，且0a ≠，则22~(,)Y N a b aμσ+.推论1：如果2~(,)X N μσ，则~(0,1)X N μξσ-=.ξ通常称为X 的标准化.推论2：2~(,)X N μσ的充要条件是存在一个随机变量~(0,1)N ξ，使得X σξμ=+. 推论3：设2~(,),(),()X N x x μσϕΦ分别为其分布函数与密度函数，00(),()x x ϕΦ是标准正态分布的分布函数和密度函数，则有00()(),1()().x x x x μσμϕϕσσ-Φ=Φ-=● 一般正态分布的概率计算：【例】已知2~(,)X N μσ，求()a Φ. 解 0(){}{}{}()X a X a P X a P P b b μμμσσσ---Φ=≤=≤=≤=Φ5.随机变量函数的分布（1）离散型随机变量函数的分布● 离散型随机变量函数的概率分布的一般方法：先根据自变量X 的可能取值确定因变量Y 的所有可能取值，然后对Y 的每一个可能取值(1,2,)i y i =确定相应的{()}i j j i C x g x y ==，则有{}{()}{},{}{}{},j ii i i i i jx C Y y g X y X C P Y y P X C P X x ∈====∈==∈==∑从而求得Y 的概率分布. （2）连续型随机变量函数的分布● 连续型随机变量函数的概率分布的一般方法：一般地，已知X 的分布函数()X F x 或密度函数()X f x ，为求()Y g X =的分布函数，有()(){()}{},Y x F x P Y x P g X x P X C =≤=≤=∈其中{()}x C t g t x =≤.而{}x P X C ∈往往可由X 的分布函数()X F x 来表达或用其密度函数()X f x 的积分来表达：{}()xx X C P X C f t dt ∈=⎰.进而，Y 的密度函数，可直接从()Y F x 导出.三、随机向量1.随机向量的分布（1）随机向量及其分布函数 ●1212{,}P x X x y Y y <≤<≤22122111(,)(,)(,)(,)F x y F x y F x y F x y =--+● 由（联合）分布函数的定义得出性质：①0(,)1F x y ≤≤；②(,)F x y 关于x 和y 均单调非降、右连续； ③(,)lim (,)0,x F y F x y →-∞-∞==(,)lim (,)0,y F x F x y →-∞-∞==(,)(,)(,)lim (,)0,x y F F x y →-∞-∞-∞-∞== (,)(,)(+,+)lim(,) 1.x y F F x y →+∞+∞∞∞==●(,)F x y 的边缘分布函数：(){}{,}(,)X F x P X x P X x Y F x =≤=≤<+∞=+∞， (){}{,}(,)Y F y P Y y P X Y y F y =≤=<+∞≤=+∞.（2）离散型随机向量的概率分布● 离散型随机向量的概率分布{,},,1,2,i i ij P X x Y y p i j ====，ij p 满足性质：①0,,1,2,ij p i j ≥=；②1ijijp=∑∑.● 边缘概率分布：{},1,2,X i i ij jp P X x p i ====∑ {},1,2,Y j j ij ip P Y y p j ====∑（3）连续型随机向量的概率密度函数 ● 二维连续型随机向量(,)(,)x yF x y f s t dsdt -∞-∞=⎰⎰，(,)f x y 为(),X Y 的概率密度函数或X 与Y 的联合密度函数. (,)f x y 具有性质：①(,)0f x y ≥； ②(,)1f x y dxdy +∞+∞-∞-∞=⎰⎰；③若D 是平面上的一个区域，则(){,}(,)DP X Y D f x y dxdy ∈=⎰⎰● 边缘密度函数：()(,)()(,)X Y f x f x y dyf y f x y dx+∞-∞+∞-∞==⎰⎰● 均匀分布的密度函数：1,(,)()(,)0,x y G S G f x y ⎧∈⎪=⎨⎪⎩其他，若(),X Y 服从G 上的均匀分布，则对任何平面区域D ，有()1(){,}(,)=()()DD GS D G P X Y D f x y dxdy dxdy S G S G ⋂⋂∈==⎰⎰⎰⎰. （4）二元正态分布 ● 密度函数：()2211222221212()()()()122(1),x x y y x y μμμμρσσρσσϕ⎡⎤------+⎢⎥-⎢⎥⎣⎦=，记作()221212,~(,;,;)X Y N μμσσρ.● 边缘密度函数分布：()2121()2()=,x X x x y dy μσϕϕ--+∞-∞⎰，()2222()2()=,y Y y x y dx μσϕϕ--+∞-∞⎰.注意：比较联合密度函数(),x y ϕ和边缘密度函数()X x ϕ，()Y y ϕ，当且仅当0ρ=时，对一切(),x y ，有(),()()X Y x y x y ϕϕϕ=.2.条件分布与随机变量的独立性（1）条件分布与独立性的一般概念● 随机变量X 和Y 相互独立：(,)()()X Y F x y F x F y =● 定理1：随机变量X 和Y 相互独立的充要条件是X 所生成的任何事件与Y 生成的任何事件独立，即对任意实数集A 和B ，有{,}{}{}P X A Y B P X A P Y B ∈∈=∈∈.定理2：如果随机变量X 和Y 相互独立，则对任意函数12(),()g x g y ，均有1()g X 与2()g Y 相互独立. ● 相互独立：12,,,n X X X 相互独立，()121122,,,()()()n n n F x x x F x F x F x =.（2）离散型随机变量的条件概率分布与独立性 ● 概率分布：{,},,1,2,i j ij P X x Y y p i j ====●i j p （当{}0i P Y y =>时）：{,}{}{}iji i i j Y i jP P X x Y y P X x Y y P Y y P =======性质：①0i j p ≥；②1i jip=∑.● 已知j Y y =的条件下X 的条件概率分布：{},1,2,i i i j P X x Y y p i ====； 已知i X x =的条件下Y 的条件概率分布：{},1,2,i i j i P Y y X x p j ====.●X Y ij i j j i i j p p p p p =⋅=⋅● 定理：设,X Y 是离散型随机变量，其联合概率分布为{,}(,1,2,)i j ij P X x Y y p i j ====，边缘概率分布分别为X i p 和Yj p (,1,2,)i j =，则X 与Y 相互独立的充要条件是,,1,2,X Y ij i j p p p i j ==.（3）连续型随机变量的条件密度函数与独立性● 在Y y =的条件下X 的条件分布：0(,){,}{}lim {}()xy Y f u y du P X x y y Y y P X x Y y P y y Y y f y -∞∆→≤-∆<≤≤===-∆<≤⎰● 条件分布和条件密度函数● (,)()()()()X Y Y X X Y f x y f x f y x f y f x y ==● 定理：设连续型随机向量(),X Y 的密度函数为(,)f x y ，边缘密度函数分别为()X f x 和()Y f y ，则X 与Y 相互独立的充要条件是(,)()()X Y f x y f x f y =.3.随机向量的函数的分布与数学期望（1）离散型随机向量的函数分布 ●(,){}{(,)}{,},1,2,i j kk k i j g x y z P Z z P g X Y z P X x Y y k ========∑● 设,X Y 是两个相互独立的随机变量，分别服从参数为1λ和2λ的泊松分布，则X Y ξ=+的分布为()()1212e ,0,1,2,!kk k λλλλ-++=,可见X Y ξ=+服从参数为()12λλ+的泊松分布.结论：泊松分布具有独立可加性.2,（2）连续型随机向量的函数分布● 分布函数：(){}{(,)}{(,)}(,)zZ z D F z P Z z P g X Y z P X Y D f x y dxdy =≤=≤=∈=⎰⎰，其中z D ={(,)(,)}x y g x y z ≤. ● 密度函数：'()=()Z Z f z F z .● 随机变量的和：设(,)X Y 的联合密度函数为(,)f x y ，则X Y +的密度函数为()=(,)Z f z f z y y dy +∞-∞-⎰或 ()=(,)Z f z f x z x dx +∞-∞-⎰特别地，如果X 和Y 是相互独立的随机变量，则有(卷积公式)()=()()Z X Y f z f x f z x dx +∞-∞-⎰或 ()=()()Z X Y f z f z y f y dy +∞-∞-⎰即，()=*()*()Z X Y Y X f z f f z f f z =.● 独立正态随机变量之和：设随机变量221122~(,),~(,)X N Y N μσμσ，且X 与Y 独立，则221212~(,)X Y N μμσσ+++，即2122212()2()()z X Y f z μμσσ⎡⎤---⎢⎥+⎢⎥⎣⎦+=，结论：独立正态分布的和服从正态分布.推论：X 与Y 相互独立且分别服从正态分布211(,)N μσ和222(,)N μσ，则其任意非零线性组合仍服从正态分布，且22221212~(,)aX bY N a b a b μμσσ+++.进一步地，12,,n X X X 相互独立，2~(,)i i iX N μσ，则22111~(,)n n ni i i i i i i i i a X N a a μσ===∑∑∑.● 随机变量的商：设二维随机向量(,)X Y 的密度函数为(,)f x y ，则XZ Y=的密度函数为'()=()(,)Z Z f z F z y f zy y dy +∞-∞=⎰.● 最大值与最小值：设,X Y 的分布函数分别为(),()F x G x ，密度函数分别为(),()f x g x ，且X与Y 相互独立，令max{,},min{,}M X Y N X Y ==，则有（3）随机向量函数的数学期望● 二维离散型随机向量的数学期望：,(,)(,)ijiji jEZ Eg X Y g x y p==∑.● 二维连续型随机向量的数学期望：(,)(,)(,)EZ Eg X Y g x y f x y dxdy +∞+∞-∞-∞==⎰⎰.●(,)g X Y XY =型：()(),,,(,),,i j ij i jx y p X Y EXY xyf x y dxdy X Y +∞+∞-∞-∞⎧⎪=⎨⎪⎩∑⎰⎰若为离散型若为连续型 （4）数学期望的进一步性质● （1）对任意两个随机变量,X Y ，如果其数学期望均存在，则()E X Y +存在，且()=E X Y EX EY ++（2）设,X Y 为任意两个相互独立的随机变量，数学期望均存在，则EXY 存在，且=EXY EXEY推广： （1）12,,,n X X X 是任意n 个随机变量，数学期望均存在，则()12n E X X X +++存在，且()1212n n E X X X EX EX EX +++=+++（2）设12,,,n X X X 是个相互独立的随机变量，且数学期望均存在，则()12n E X X X 存在，且()1212n n E X X X EX EX EX =.4.随机变量的数字特征（1）协方差● 协方差：()()()cov ,X Y E X EX Y EY =--⎡⎤⎣⎦1,2,)●()cov ,X Y EXY EXEY =-● 定理：（1）()cov ,X X DX = （2）()()cov ,cov ,X Y Y X =（3）()()cov ,cov ,,,aX bY ab X Y a b =为任意常数 （4）()cov ,0,C X C =为任意常数（5）()()()1212cov ,cov ,cov ,X X Y X Y X Y +=+ （6）如果X 与Y 相互独立，则()cov ,0X Y =推论：设,X Y 为任意两个随机变量，如果其方差均存在，则X Y +的方差也存在，且()()2cov ,D X Y DX DY X Y +=++.()()2cov ,D X Y DX DY X Y -=+-特别地，如果X 与Y 相互独立，则()D X Y DX DY +=+.● 定理：设()12,,,n X X X 是n 维随机向量，如果()1,2,,i X i n =的方差均存在，则对任意实向量()12,,,n λλλ，1ni i i X λ=∑的方差必存在，且()21112cov ,n n i i i i i j i j i i i j n D X DX X X λλλλ==≤<≤⎛⎫=+ ⎪⎝⎭∑∑∑.特别地，如果12,,,n X X X 两两独立，则211n n i i i i i i D X DX λλ==⎛⎫= ⎪⎝⎭∑∑. （2）协方差矩阵 ● 记()T 12,,,n X X X =X ，其协差阵通常记作D X .对任意实向量()T12,,,n λλλ=λ，有()T T D D =λX λX λ.对任意实向量()T12,,,n λλλ=λ，()T T 0D D =≥λX λλX .（3）相关系数 ●,cov ,X Y X Y ρ，,1X Y ρ≤● 定理：设(),X Y 是一个二维随机向量，,DX DY 均存在且为正，则,1X Y ρ=的充要条件是X 与Y 具有线性关系，即存在常数0a ≠及常数b ，使得{}1P Y ax b =+=.而且，当0a >时，,1X Y ρ=；当0a <时，,1X Y ρ=-.● 如果,DX DY 均存在且为正，那么X 与Y 不相关等价以下条件：①()cov ,0X Y =； ②EXY EXEY =；③()D X Y DX DY +=+； ④,0X Y ρ=.5.大数定律与中心极限定理（1）依概率收敛 ● 定义：设12,,,,,n X X X X 是一列随机变量，如果对任意0ε>，恒有{}lim 0n n P X X ε→∞->=，则称{}n X 依概率收敛到X ，记作Pn X X −−→或lim n n P X X →∞-=.（2）大数定律 ● 定理：①伯努利大数定律：设n μ是n 重伯努利试验中事件A 发生的次数，已知在每次试验中A 发生的概率为()01p p <<，则对任意0ε>，有lim 0n n P p n με→∞⎧⎫->=⎨⎬⎩⎭， 即Pnp nμ−−→或limnn P p nμ→∞-=.②切比雪夫大数定律：设12,,,n ξξξ是一列两两不相关的随机变量，它们的数学期望iE ξ和方差i D ξ均存在，且方差有界，即存在常数C ，使得()1,2,i D C i ξ≤=，则对任意0ε>，有1111lim 1n ni i n i i P E n n ξξε→∞==⎧⎫-<=⎨⎬⎩⎭∑∑. 推论：设12,,,nξξξ是一列独立同分布的随机变量，其数学期望和方差均存在，记=i E ξμ，则对任意0ε>，有11lim 1n i n i P n ξμε→∞=⎧⎫-<=⎨⎬⎩⎭∑. 即11n Pi i n ξμ=−−→∑.③辛钦大数定律：设12,,,nξξξ是一列相互独立同分布的随机变量，且数学期望存在，记=i E ξμ，则有11lim 1n i n i P n ξμε→∞=⎧⎫-<=⎨⎬⎩⎭∑. （3）中心极限定理● 定理：林德伯格-列维 设12,,,n ξξξ是一列相互独立同分布的随机变量，且=i E ξμ，2=0,1,2,,i D i ξσ>=则有22lim en t i xn n P x dt ξμ--∞→∞⎧⎫-⎪⎪⎪≤=⎬⎪⎪⎪⎩⎭∑.● 定理：设()~,,01,n X b n p p <<则22lim et xn P x dt --∞→∞⎧⎫⎪≤=⎬⎪⎭.四、数理统计的基础知识1.总体与样本样本与样本分布● 总体X 的分布函数为()F x ，则样本()12,,,n X X X 的分布函数为：()()121,,,nn n i i F x x x F x ==∏，称之为样本分布.特别地，若总体X 为连续型随机变量，其密度函数为()f x ，则样本的密度函数为()()121,,,nn n i i f x x x f x ==∏.若总体X 为离散型随机变量，概率分布为(){}p x P X x ==，x 取遍X 所有可能取值，则样本的概率分布为()()()1211221,,,,,,nn n n n i i p x x x P X x X x X x p x ======∏.),n i x =∏为伯努利总体，如果它服从以}{,p P X =)12,,,n X X X 的概率分布为,n n X i =取1或0，而n i +，它恰等于样本中取值为服从参数为λ的泊松分布，)12,,,n X X 为其样本，则样本的概率分布为)21,,ee !!!!kinn n n k k k n i X i X i i i i i λλλλ--======∏，其中取非负整数，而n i ++.2.统计量常用的统计量)n X +2)X -1(ni i X X =-∑3.常用的统计分布（1）分位数● 上侧分位数：设随机变量X 的分布函数为()F x ，对给定的实数(01)αα<<，如果实数F α满足{}P X F αα>=，即()1F F αα-=或()1F F αα=-，则称F α为随机变量X 的分布的水平α上的上侧分位数. ● 有关等式：{}1P X F αα-≤= 1221P F X F ααα-⎧⎫<≤=-⎨⎬⎩⎭推论：()()122,,P X F m n X F m n ααα-⎛⎫⎧⎫⎧⎫<⋃>= ⎪⎨⎬⎨⎬ ⎪⎩⎭⎩⎭⎝⎭或()()122,,1P F m n X F m n ααα-⎧⎫<<-⎨⎬⎩⎭. ● 双侧分位数：设X 是对称分布的连续型随机变量，其分布函数为()F x ，对给定的实数(01)αα<<，如果正实数T α满足{}P X T αα>=，即()()1F T F T ααα--=-.则称T α为随机变量X 的分布的水平α的双侧分位数. 注意：由于对称性，上式可改写为：()12F T αα=-或{}()12P X T F T ααα>=-=.对于具有对称密度函数的分布函数的上侧分位数，恒有1F F αα-=-. （2）2χ分布 ● 命题：设()12,,,n X X X 是n 个相互独立的随机变量，且()~0,1,1,2,,i X N i n =，则22212n X X X X=+++的密度函数为()1122221;e,022n x n x n xx n χ--=>⎛⎫Γ ⎪⎝⎭.● Γ函数：()()10e 0a x a x dx a +∞--Γ=>⎰.●2χ分布：一个随机变量X 称为服从以n 为自由度的2χ分布，如果其密度函数由()1122221;e,022n x n x n xx n χ--=>⎛⎫Γ ⎪⎝⎭给出，记作()2~X n χ.● 命题：①若()()22~,~X m Y n χχ，且X 与Y 相互独立，则()2~X Y m n χ++. ②若()2~X n χ，则,2EX n DX n ==.（3）F 分布 ● 命题：设Z 由/=/X m n X Z Y n m Y=（设()()22~,~X m Y n χχ，且X 与Y 相互独立.）所定义，则Z 的密度函数为()()11221;,1,0,22m m n m m m f x m n x x x m n n n n --+⎛⎫⎛⎫⎛⎫=+> ⎪⎪ ⎪⎛⎫⎝⎭⎝⎭⎝⎭B ⎪⎝⎭.● B 函数：()()()1110,=10,0q p p q x x dx p q --B ->>⎰.●F 分布：如果一个随机变量X 的密度函数由()()11221;,1,0,22m m n m m m f x m n x x x m n n n n --+⎛⎫⎛⎫⎛⎫=+> ⎪⎪ ⎪⎛⎫⎝⎭⎝⎭⎝⎭B ⎪⎝⎭给出，则称其服从第一自由度为m ，第二自由度为n 的F 分布，记作()~,X F m n . ● 若()~,X F m n ，则()1~,XF n m -.● 当α接近1时，可利用()()11,=,F m n F n m αα-求出所需上侧分位数.（3）t 分布● 定义式：设()()2~0,1,~X N Y n χ，且X 与Y相互独立，记T =，则()2~1,/X T F n Y n=.● 命题：T 的密度函数为()122;1,n x t x n x n +-⎫=+-∞<<+∞⎪⎭⎝⎭.●t 分布：如果一个随机变量X 的密度函数由()122;1,n x t x n x n +-⎫=+-∞<<+∞⎪⎭⎝⎭给出，则称其为服从自由度为n 的t 分布，记作()~X t n .注意：当自由度n 很大时，t 分布接近于标准正态分布，因为2+11222lim 1=en x n x n --→∞⎛⎫+ ⎪⎝⎭.●当α接近1时，()()1t n t n αα-=-.4.抽样分布（1）正态总体的抽样分布● 定理：设总体()()212~,,,,,n X N X X X μσ是其容量为n 的一个样本，X 与2S 分别为此样本的样本均值与样本方差，则有①2~,X N n σμ⎛⎫⎪⎝⎭；②()2221~1n S n χσ--；③X 与2S 相互独立. ● 单正态总体的抽样分布定理：设()12,,,n X X X 为正态总体()2~,X N μσ的样本，X 与2S 分别为该样本的样本均值与样本方差，则有①()~0,1X U N =；②()2221~1n S n χσ--；③()~1X T t n =-.● 双正态总体的抽样分布定理：设()211~,X N μσ与()222~,Y N μσ是两个相互独立的正态总体.又设()112,,n X X X是总体X 的容量为1n 的样本，X 与21S 分别为该样本的样本均值与样本方差.再设()212,,n Y Y Y 是总体Y 的容量为2n 的样本，Y 与22S 分别为此样本的样本均值与样本方差.记2S 是21S 与22S 的加权平均：222121212121122n n S S S n n n n --=++-+-，则有 ①()()~0,1X Y U N μμ---=；②()222112212~1,1S F F n n S σσ⎛⎫=-- ⎪⎝⎭；③当22212==σσσ时，()12~2X Y T t n n μμ---=+-.（2）一般总体抽样分布的极限分布 ● 定理：设()12,,,n X X X 为总体X 的样本，并设总体X 的数学期望与方差均存在，分别记为2,EX DXμσ==.再记n n X X U T ==X 与S 分别表示上述样本的样本均值与样本方差，则有①()()0n dU F x x −−→Φ； ②()()0n dT F x x =−−→Φ.以上()n U F x ，n T F 与()0x Φ分别表示n U ，n T 及标准正态分布的分布函数.五、参数估计与假设检验1.点估计概述评价估计量的标准 ),n X 为参数的有偏估计量.若),n X 为未知参数}-<=θε),n X 为取自总体①样本均值X 是μ的无偏估计量；②样本方差2S 是σ③未修正的样本方差，即样本二阶中心矩),n X 是取自总体,n .则1n 的相合估计量，,n .(~,X N μ),n X 为其样本，则样本方差2S 是2σ的相合估计2.参数的最大似然估计与矩估计（1）最大似然估计 ● ),n x ，存在),n x ，使()*1,,n x x θ为θ的最大似然估计值，称相应的统),n X 为的最大似然估计量.它们统称为θ的最大似然估计，可MLE . 如果未知参数为12,,,r θθθ，那么似然函数是多元函数(,,)r L θθ.若对任意),n x 存在),,,1,2,=n x i r ，使1*1(,,),,)max (,,)∈Θ=r r r L θθθθθ，则称*i θ为i θ的,1,2,,=MLE i r .当似然函数关于未知参数可微时，一般可通过求导数得到MLE ，其主要步骤①写出似然函数1(,,)r L θθ；0∂=∂L θ或ln 0,1,,∂==∂L i r θ，从中求得驻点注意，函数L 与ln L有相同的最值点，而使用后者往往更方便；③判断驻点为最大值点； MLE .● 最大似然估计的不变性：如果ˆθ为θ的最大似然估计，()=u g θ是θ的函数且存在单值反函数()=h u θ.那么()ˆg θ是()g θ的最大似然估计. （2）矩估计 ● 1,2,,ˆ2,3,=k B β.这种求点估计的方用矩法确定的估计量称为矩估计量，相应的估计值为矩估计值，矩估计量. 表示为总体矩的函数，即)2,;,l s αββ； k B 分别替换g 中的k α，)()1212ˆˆˆˆ,,;,,;,,=l s l sg A A B B ααββ即为θ的3.置信区间（1）寻求置信区间的方法● ①选取θ的一个较优的点估计ˆθ； ②围绕ˆθ寻找一个依赖于样本与θ的函数()1,,;=n u u X X θ.u 的分布为已知分布.像u 这样的函数，称为枢轴量；③对给定的置信水平1-α，确定1λ与2λ，使{}121<<=-P u λλα，一般可选取满足{}{}122≤=≥=P u P u αλλ的1λ与2λ；④利用不等式变形导出套住θ的置信区间(),θθ. （2）正态总体参数的置信区间4.假设检验概述假设检验的一般步骤 ①建立零假设0H ；②构造一个含待检验参数θ（不含其他未知参数）且分布已知的枢轴量()12,,,;n u X X X θ，并确定其分布；③对给定的显著性水平α，由上述枢轴量及其分布，结合零假设0H ，确定拒绝域C ，使得(){}120,,,∈≤n P X X X C H α；④根据样本值()12,,,n x x x 是否落在C 中做出是否拒绝0H 的统计决断：如果()12,,,∈n x x x C ，则拒绝0H ，如果()12,,,∉n x x x C ，则不能拒绝0H .5.单正态总体的参数假设检验编辑：李雪伟 2013年5月25日。

目　录第1章　概率论的基本概念1.1　复习笔记1.2　课后习题详解1.3　考研真题详解第2章　随机变量及其分布2.1　复习笔记2.2　课后习题详解2.3　考研真题详解第3章　多维随机变量及其分布3.1　复习笔记3.2　课后习题详解3.3　考研真题详解第4章　随机变量的数字特征4.1　复习笔记4.2　课后习题详解4.3　考研真题详解第5章　大数定律及中心极限定理5.1　复习笔记5.2　课后习题详解5.3　考研真题详解第6章　样本及抽样分布6.1　复习笔记6.2　课后习题详解6.3　考研真题详解第7章　参数估计7.1　复习笔记7.2　课后习题详解7.3　考研真题详解第8章　假设检验8.1　复习笔记8.2　课后习题详解8.3　考研真题详解第9章　方差分析及回归分析9.1　复习笔记9.2　课后习题详解9.3　考研真题详解第10章　bootstrap方法10.1　复习笔记10.2　课后习题详解10.3　考研真题详解第11章　在数理统计中应用Excel软件11.1　复习笔记11.2　课后习题详解11.3　考研真题详解第12章　随机过程及其统计描述12.1　复习笔记12.2　课后习题详解12.3　考研真题详解第13章　马尔可夫链13.1　复习笔记13.2　课后习题详解13.3　考研真题详解第14章　平稳随机过程14.1　复习笔记14.2　课后习题详解14.3　考研真题详解第1章　概率论的基本概念1.1　复习笔记在个别试验中其结果呈现出不确定性，在大量重复试验中其结果又具有统计规律性的现象，称为随机现象．一、随机试验1．定义试验包括各种各样的科学实验，甚至对某一事物的某一特征的观察也认为是一种试验．2．试验的特点（1）可以在相同的条件下重复地进行；（2）每次试验的可能结果不止一个，并且能事先明确试验的所有可能结果；（3）进行一次试验之前不能确定哪一个结果会出现．在概率论中，将具有上述三个特点的试验称为随机试验．二、样本空间、随机事件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．样本空间的元素，即E的每个结果，称为样本点．2．随机事件一般地，称试验E的样本空间S的子集为E的随机事件，简称事件．在每次试验中，当且仅当这一子集中的一个样本点出现时，称这一事件发生．特别地，由一个样本点组成的单点集，称为基本事件．样本空间S包含所有的样本点，它是S自身的子集：（1）在每次试验中它总是发生的，S称为必然事件．（2）空集不包含任何样本点，也是样本空间的子集，它在每次试验中都不发生，称为不可能事件．3．事件间的关系与事件的运算事件间的关系与事件的运算按照集合论中集合之间的关系和集合运算来处理．设试验E的样本空间为S，而A，B，A k（k＝1，2，…）是S的子集．（1）包含关系①若，则称事件B包含事件A，即事件A发生必导致事件B发生；②若且，即A＝B，则称事件A与事件B相等．（2）和事件事件A∪B＝{x|x∈A或x∈B）称为事件A与事件B的和事件．当且仅当A，B中至少有一个发生时，事件A B发生．称为n个事件A1，A2，…，A n的和事件；称为可列个事件A1，A2，…的和事件．（3）积事件事件A∩B＝{x|x∈A且x∈B）称为事件A与事件B的积事件．当且仅当A，B同时发生时，事件A∩B发生.A∩B也记作AB．称为n个事件A1，A2，…，A n的积事件；称为可列个事件A1，A2，…的积事件．（4）差事件事件A-B＝{x|x∈A且x B）称为事件A与事件B的差事件．当且仅当A发生、B不发生时事件A-B发生．（5）互斥若，则称事件A与B是互不相容的，或互斥的．即事件A与事件B不能同时发生．基本事件是两两互不相容的．（6）逆事件若A∪B＝S且，则称事件A与事件B互为逆事件，又称事件A与事件B互为对立事件．对每次试验而言，事件A、B中必有一个发生，且仅有一个发生．A的对立事件记为．（7）定律设A，B，C为事件，则有：①交换律：A∪B＝B∪A；A∩B＝B∩A；②结合律：A∪（B∪C）＝（A∪B）∪C；A∩（B∩C）＝（A∩B）∩C；③分配律：A∪（B∩C）＝（A∪B）∩（A∪C）；A∩（B∪C）＝（A∩B）∪（A∩C）；④德摩根律：；．三、频率与概率1．频率（1）定义在相同的条件下，进行了n次试验，在这n次试验中，事件A发生的次数n A称为事件A发生的频数，比值n A/n称为事件A发生的频率，并记成．（2）基本性质①；②；③若A1，A2，…，A k是两两互不相容的事件，则2．概率（1）定义设E是随机试验，S是它的样本空间．对于E的每一事件A赋予一个实数，记为P（A），称为事件A的概率，如果集合函数满足下列条件：①非负性：对于每一个事件A，有P（A）≥0；②规范性：对于必然事件S，有P（S）＝1；③可列可加性：设A1，A2，…是两两互不相容的事件，即对于，i≠j，i，j＝1，2，…，有P（A1∪A2∪…）＝P（A1）＋P（A2）＋…．（2）性质①；②（有限可加性）若A1，A2，…，A n是两两互不相容的事件，则有P（A1∪A2∪…∪A n）＝P（A1）＋P（A2）＋…＋P（A n）③设A，B是两个事件，若，则有P（B－A）＝P（B）－P（A）与P（B）≥P（A）④对于任一事件A，P（A）≤1；⑤（逆事件的概率）对于任一事件A，有；⑥（加法公式）对于任意两事件A，B有P（A∪B）＝P（A）＋P（B）－P（AB）；一般，对于任意n个事件A1，A2，…，A n，可以用归纳法证得四、等可能概型（古典概型）1．定义如果一个试验具有以下两个特点：（1）试验的样本空间只包含有限个元素；（2）试验中每个基本事件发生的可能性相同.则这种试验称为等可能概型，又称古典概型．2．等可能概型的计算公式若事件A包含k个基本事件，即A＝，这里，是1，2，…，n中某k个不同的数，则有五、条件概率1．条件概率（1）定义设A，B是两个事件，且P（A）＞0，称为在事件A发生的条件下事件B发生的条件概率．（2）性质①非负性：对于每一事件B，有P（B|A）≥0；②规范性：对于必然事件S，有P（S|A）＝1；③可列可加性：设B1，B2，…是两两互不相容的事件，则有2．乘法定理（1）设P（A）＞0，则有P（AB）＝P（B|A）P（A），又称乘法公式．（2）一般，设A1，A2，…，A n为n个事件，n≥2，且，则有3．全概率公式和贝叶斯公式（1）样本空间划分的定义设S为试验E的样本空间，B1，B2，…，B n为E的一组事件．若①，i≠j，i，j＝l，2，…，n；②B1∪B2∪…∪B n＝S，则称B1，B2，…，B n为样本空间S的一个划分．若B1，B2，…，B n是样本空间的一个划分，则对每次试验，事件B1，B2，…，B n中必有一个且仅有一个发生．（2）全概率公式设试验E的样本空间为S，A为E的事件，B1，B2，…，B n为S的一个划分，且（i＝1，2，…，n），则P（A）＝P（A|B1）P（B1）＋P（A|B2）P（B2）＋…＋P（A|B n）P（B n）（3）贝叶斯公式设试验E的样本空间为S，A为E的事件，B1，B2，…，B n为S的一个划分，且，（i＝1，2，…，n），则注：在n＝2的情况下，全概率公式和贝叶斯公式分别成为六、独立性1．两个事件独立（1）定义设A，B是两事件，如果满足等式P（AB）＝P（A）P（B），则称事件A，B相互独立．（2）两个定理①设A，B是两事件，且P（A）＞0，若A，B相互独立，则P（B|A）＝P（B）．反之亦然．②若事件A与B相互独立，则下列各对事件也相互独立A与，与B，与2．三个事件独立设A，B，C是三个事件，如果满足等式则称事件A，B，C相互独立．3.n个事件独立（1）定义设A1，A2，…，A n是n（n≥2）个事件，如果对于其中任意2个，任意3个，…，任意n个事件的积事件的概率，都等于各事件概率之积，则称事件A1， A2，…，A n相互独立．（2）两个推论①若事件A1，A2，…，A n（n≥2）相互独立，则其中任意k（2≤k≤n）个事件也是相互独立的．②若n个事件A1，A2，…，A n（n≥2）相互独立，则将A1，A2，…，A n 中任意多个事件换成它们各自的对立事件，所得的n个事件仍相互独立．1.2　课后习题详解1．写出下列随机试验的样本空间S：（1）记录一个班一次数学考试的平均分数（设以百分制记分）；（2）生产产品直到有10件正品为止，记录生产产品的总件数；（3）对某工厂出厂的产品进行检查，合格的记上“正品”，不合格的记上“次品”，如连续查出了2件次品就停止检查，或检查了4件产品就停止检查，记录检查的结果；（4）在单位圆内任意取一点，记录它的坐标．解：（1）以n表示该班的学生数，总成绩的可能取值为0，1，2，3，…，100n，试验的样本空间为（2）设在生产第10件正品前共生产了k件不合格品，样本空间为或写成 （3）采用0表示检查到一件次品，以1表示检查到一件正品，例如0110表示第一次与第四次检查到次品，而第二次与第三次检查到的是正品，样本空间可表示为（4）取一直角坐标系，则有，若取极坐标系，则有2．设A，B，C为三个事件，用A，B，C的运算关系表示下列各事件：（1）A发生，B与C不发生；（2）A与B都发生，而C不发生；（3）A，B，C中至少有一个发生；（4）A，B，C都发生；（5）A，B，C都不发生；（6）A，B，C中不多于一个发生；（7）A，B，C中不多于两个发生；（8）A，B，C中至少有两个发生．解：以下分别用表示（1），（2），…，（8）中所给出的事件．一个事件不发生即为它的对立事件发生，例如事件A不发生即为发生．（1）A发生，B与C不发生，表示A，，同时发生，故或写成；（2）A与B都发生而C不发生，表示A，B，同时发生，故或写成；（3）①方法1　由和事件的含义知，事件即表示A，B，C中至少有一个发生，故；②方法2　事件“A，B，C至少有一个发生”是事件“A，B，C都不发生”的对立事件，因此，；③方法3　事件“A，B，C中至少有一个发生”表示三个事件中恰有一个发生或恰有两个发生或三个事件都发生，因此，又可写成（4）；（5）；（6）“A，B，C中不多于一个发生”表示A，B，C都不发生或A，B，C 中恰有一个发生，因此，；又“A，B，C中不多于一个发生”表示“A，B，C中至少有两个不发生”，亦即，，中至少有一个发生，因此又有；又“A，B，C中不多于一个发生”是事件G＝“A，B，C中至少有两个发生”的对立事件．而事件G可写成，因此又可将写成（7）“A，B，C中不多于两个发生”表示A，B，C都不发生或A，B，C 中恰有一个发生或A，B，C中恰有两个发生．因此又“A，B，C中不多于两个发生”表示A，B，C中至少有一个不发生，亦即中至少有一个发生，即有；又“A，B，C中不多于两个发生”是事件“A，B，C三个都发生”的对立事件，因此又有；（8），也可写成．3．（1）设A，B，C是三个事件，且P（A）＝P（B）＝P（C）＝，P（AB）＝P（BC）＝0，P（AC）＝，求A，B，C至少有一个发生的概率．（2）已知P（A）＝，P（B）＝，P（C）＝，P（AB）＝，P（AC）＝，P（BC）＝，P（ABC）＝，求，，，，，的概率．（3）已知P（A）＝，（i）若A，B互不相容，求；（ii）若P（AB）＝，求．解：（1）由，已知，故，得，所求概率为．（2）记，由加法公式（3）（i）；（ii）．4．设A、B是两个事件（1）已知，验证A＝B；（2）验证事件A和事件B恰有一个发生的概率为P（A）＋P（B）-2P（AB）．解：（1）假设，故有，则,即AS＝SB，故有A＝B．（2）A，B恰好有一个发生的事件为，其概率为5．10片药片中有5片是安慰剂（1）从中任意抽取5片，求其中至少有2片是安慰剂的概率；（2）从中每次取一片，作不放回抽样，求前3次都取到安慰剂的概率．解：（1）p＝1-P（取到的5片药片均不是安慰剂）-P（取到的5片药片中只有1片是安慰剂），即p（2）．6．在房间里有10个人，分别佩戴从1号到10号的纪念章，任选3人记录其纪念章的号码．（1）求最小号码为5的概率；（2）求最大号码为5的概率．解：在房间里任选3人，记录其佩戴的纪念章的号码，10人中任选3人共有＝种选法，此即为样本点的总数．以A记事件“最小的号码为5”，以B记事件“最大的号码为5”．（1）因选到的最小号码为5，则其中一个号码为5且其余两个号码都大于5，它们可从6～10这5个数中选取，故，从而；（2）同理，，故．7．某油漆公司发出17桶油漆，其中白漆10桶、黑漆4桶、红漆3桶，在搬运中所有标签脱落，交货人随意将这些油漆发给顾客．问一个订货为4桶白漆、3桶黑漆和2桶红漆的顾客，能按所订颜色如数得到订货的概率是多少？解：以S表示：在17桶油漆中任取9桶给顾客．以A表示事件“顾客取到4桶白漆、3桶黑漆与2桶红漆”，则有，，故事件A发生的概率为8．在1500件产品中有400件次品、1100件正品．任取200件．（1）求恰有90件次品的概率；（2）求至少有2件次品的概率．解：总数S：从1500件产品中任取200件产品．以A表示事件“恰有90件次品”，以B i表示事件“恰有i件次品”，i＝0，1，以C表示事件“至少有2件次品”．（1）故　；（2），其中，，互不相容，所以因,故，因此有9．从5双不同的鞋子中任取4只，问这4只鞋子中至少有两只配成一双的概率是多少？解：总数S：从5双不同的鞋子中任取4只．以A表示事件“所取4只鞋子中至少有两只配成一双鞋子”，则表示事件“所取4只鞋子无配对”．先计算P（）较为简便．以下按N（）的不同求法，列出本题的3种解法，另外还给出一种直接求P（A）的解法．解法一：考虑4只鞋子是有次序一只一只取出的，从5双（10只）鞋子中任取4只共有10×9×8×7种取法，N（S）＝10×9×8×7．现在来求N（）：第一只可以任意取，共有10种取法，第二只只能在剩下的9只中且除去与已取的第一只配对的8只鞋子中任取一只，共8种取法；同理第三只、第四只各有6种、4种取法，从而N（）＝10×8×6×4．故解法二：从10只鞋子中任取4只，共有种取法，即．为求N（），先从5双鞋子中任取4双共有种取法，再自取出的每双鞋子中各取1只（在一双中取一只共有2种取法），共有种取法，即．故解法三：现在来求N（）．先从5只左脚鞋子中任取k只（k＝0，1，2，3，4），有种取法．而剩下的4-k只鞋子只能从（不能与上述所取的配对的）5-k只右脚鞋子中选取，即对于每个固定的k，有种取法．故，故解法四：以A i表示事件“所取4只鞋子中恰能配成i双”（i＝1，2），则，，故，因为4只恰能配成2双，它可直接从5双鞋子中成双地取得，故，的算法是：先从5双中取1双，共有种取法，另外两只能从其他8只中取，共有种取法，不过这种取法中将成双的也算在内了，应去掉．从而．N（S）仍为解法二中的种，故10．在11张卡片上分别写上probability这11个字母，从中任意连抽7张，求其排列结果为ability的概率．解：解法一：总数S：自11个字母中随机地接连抽7个字母并依次排列．将11个字母中的两个b看成是可分辨的，两个i也看成是可分辨的，．以A记事件“排列结果为ability”，则N（A）＝4（因b有两种取法，i也有两种取法），因而解法二：本题也可利用乘法定理来计算．以，，，，，，依次表示取得字母a，b，i，l，i，t，y各事件，则所求概率为11．将3只球随机地放入4个杯子中去，求杯子中球的最大个数分别为1，2，3的概率．解：总数S：将3只球随机地放人4个杯子中去，易知共有43种放置法．以A i表示事件“杯子中球的最大个数为i”，i＝1，2，3．对于A3，只有当3只球放在同一杯子中时才能发生，有4个杯子可以任意选择，于是，故对于事件A1，只有当每个杯子最多放一只球时才能发生．因而，故对于A2，因，，故，从而12．50只铆钉随机地取来用在10个部件上，其中有3只铆钉强度太弱．每个部件用3只铆钉．若将3只强度太弱的铆钉都装在一个部件上，则这个部件强度就太弱．问发生一个部件强度太弱的概率是多少？解：将部件自1到10编号，随机试验E：随机地取铆钉，使各部件都装3只铆钉．以A i表示事件“第i号部件强度太弱”．由题设，仅当3只强度太弱的铆钉同时装在第i号部件上，才能发生，由于从50只铆钉中任取3只装在第i号部件上共有种取法，强度太弱的铆钉仅有3只，它们都装在第i号部件上，只有种取法，故又知，，…，两两互不相容，因此，10个部件中有一个强度太弱的概率为13．一俱乐部有5名一年级学生，2名二年级学生，3名三年级学生，2名四年级学生．（1）在其中任选4名学生，求一、二、三、四年级的学生各一名的概率；（2）在其中任选5名学生，求一、二、三、四年级的学生均包含在内的概率．解：（1）共有5＋2＋3＋2＝12名学生，在其中任选4名共有种选法，其中每年级各选1名的选法有种选法，因此，所求概率为；（2）在12名学生中任选5名的选法共有种，在每个年级中有一个年级取2名，而其他3个年级各取1名的取法共有（种）于是所求的概率为．14．（1）已知，求条件概率；（2）已知，试求．解：（1）；由题设得故（2）15．掷两颗骰子，已知两颗骰子点数之和为7，求其中有一颗为1点的概率（用两种方法）．解：随机试验E：掷两颗骰子，观察其出现之点数．以A记事件“两骰子点数之和为7”，以B记事件“两颗骰子中有一颗出现1点”．解法一：按条件概率的定义式：来求条件概率，设想两颗骰子是可分辨的，样本空间为事件A为事件AB为现在，因此解法二：按条件概率的含义来求．样本空间原有36个样本点，现在知道了“A已经发生”这一信息，根据这一信息，不在A中的样本点就不可能出现了，因而试验所有可能结果所成的集合就是A，而A中共有6个可能结果，其中只有两个结果（1，6）和（6，1）有一颗骰子出现1点，因此．16．据以往资料表明，某一3口之家，患某种传染病的概率有以下规律：P{孩子得病}＝0.6，P{母亲得病|孩子得病}＝0.5P{父亲得病|母亲及孩子得病}＝0.4求母亲及孩子得病但父亲未得病的概率．解：以A记事件“孩子得病”，以B记事件“母亲得病”，以C记事件“父亲得病”，按题意需要求，已知．由乘法定理得17．已知在10件产品中有2件次品，在其中取两次，每次任取一件，作不放回抽样．求下列事件的概率：（1）两件都是正品；（2）两件都是次品；（3）一件是正品，一件是次品；（4）第二次取出的是次品．解：随机实验E：在10件产品中（其中有2件次品）任取两次，每次取1件，作不放回抽样．以A i（i＝1，2）表示事件“第i次抽出的是正品”．因为是不放回抽样，所以：（1）两件都是正品的概率为（2）两件都是次品的概率为（3）一件是正品，一件是次品的概率为（4）第二次取出的是次品的概率为18．某人忘记了电话号码的最后一个数字，因而他随意地拨号．求他拨号不超过三次而接通所需电话的概率．若已知最后一个数字是奇数，那么此概率是多少？解：解法一：以表示事件“第i次拨号拨通电话”，i＝1，2，3．以A表示事件“拨号不超过3次拨通电话”，则有．事件，，发生的概率如下所以该人拨号不超过三次而接通所需电话的概率为（2）当已知最后一位数是奇数时，所求概率为．解法二：沿用解法一的记号．（1）该人拨号不超过三次而接通所需电话的概率为：（2）当已知最后一位是奇数时，所求概率为．19．（1）设甲袋中装有n只白球、m只红球；乙袋中装有N只白球、M 只红球．今从甲袋中任意取一只球放入乙袋中，再从乙袋中任意取一只球，问取到白球的概率是多少？（2）第一只盒子装有5只红球，4只白球；第二只盒子装有4只红球，5只白球．先从第一盒中任取2只球放入第二盒中去，然后从第二盒中任取一只球，求取到白球的概率．解：解法一：（1）随机实验E：从甲袋任取一球放人乙袋（试验），再从乙袋任取一球观察其颜色（试验）．试验E是由和合成的．以R表示事件“从甲袋取得的是红球”，以W表示事件“从乙袋取得的是白球”，即有而，在计算时，注意在试验中，乙袋球数为N＋M＋1只；在求P（W|R）时，乙袋白球数为N，但在求时，乙袋白球数为N ＋1，故从乙袋取到白球的概率为（2）随机实验E：从第一盒中任取2只球放入第二盒（），再从第二盒任取一球观察其颜色（）．以（i＝0，1，2）表示事件“从第一盒中取得的球中有i只是红球”，以W表示事件“从第二盒取得一球是白球”．由于，，两两互不相容，且，故从而而在试验E2中第二盒球的个数为11，故所以解法二：（1）以A表示事件“最后取到的是白球”，以B表示事件“最后取到的是甲袋中的球”，因于是而又有故（2）以A表示事件“最后取到的是白球”，以B表示事件“最后取到的是甲袋中的球”，因故20．某种产品的商标为“MAXAM”，其中有2个字母脱落，有人捡起随意放回，求放回后仍为“MAXAM”的概率．解：以，，，，依次表示事件“脱落M、M”，“脱落A、A”，“脱落M、A”，“脱落X、A”，“脱落X、M”，以G表示事件“放回后仍为MAXAM”，所需求的是P（G）．可知，，，，两两不相容，且．已知而由全概率公式得，放回后仍为“MAXAM”的概率为21．已知男子有5％是色盲患者，女子有0.25％是色盲患者．今从男女人数相等的人群中随机地挑选一人，恰好是色盲者，问此人是男性的概率是多少？解：以A表示事件“选出的是男性”，则表示事件“选出的是女性”，以H 表示事件“选出的人患色盲”，则表示“选出的人不患色盲”．由题设可知所需求的概率是P（A|H），由贝叶斯公式得22．一学生接连参加同一课程的两次考试．第一次及格的概率为p，若第一次及格则第二次及格的概率也为p；若第一次不及格则第二次及格的概率为．（1）若至少有一次及格则他能取得某种资格，求他取得该资格的概率；（2）若已知他第二次已经及格，求他第一次及格的概率．解：E：一学生接连参加一门课程的两次考试．以A i表示事件“第i次考试及格”，i＝1，2；以A表示“他能取得某种资格”．（1）按题意，且由已知条件故（2）根据贝叶斯公式可知，在第二次及格的条件下，该人第一次及格的概率为23．将两信息分别编码为A和B传送出去，接收站收到时，A被误收作B 的概率为0.02，而B被误收作A的概率为0.01．信息A与信息B传送的频繁程度为2：1．若接收站收到的信息是A，问原发信息是A的概率是多少？解：以D表示事件“将信息A传递出去”，则表示事件“将信息B传递出去”，以R表示“接收到信息A”，则表示事件“接收到信息B”，按题意需求概率为,已知得由贝叶斯公式得到，在接受到信息A的情况下，原发信息是A的概率为24．有两箱同种类的零件，第一箱装50只，其中10只一等品；第二箱装30只，其中18只一等品．今从两箱中任挑出一箱，然后从该箱中取零件两次，每次任取一只，作不放回抽样．求：（1）第一次取到的零件是一等品的概率；（2）在第一次取到的零件是一等品的条件下，第二次取到的也是一等品的概率．解：以H表示事件“从第一箱中取零件”，则表示事件“从第二箱中取零件”．由已知条件知又以A i表示事件“第i次从箱中（不放回抽样）取得的是一等品”，i＝1，2．（1）由条件，故（2）需要求的是．因，而由条件概率的含义，表示在第一箱中取两次，每次取一只零件，作不放回抽样，且两次都取得一等品的概率．因第一箱共有50只零件，其中有10只一等品，故有；同理．故有25．某人下午5：00下班，他所积累的资料表明：某日他抛一枚硬币决定乘地铁还是乘汽车，结果他是5：47到家的，试求他是乘地铁回家的概率．解：以H表示事件“乘地铁回家”，则表示事件“乘汽车回家”．因到家时间为5:47，它属于区间5:45～5:49，以T记“到家时间在5:45～5:49之间”，则需要求的是概率P（H|T）．已知，又因他是由掷硬币决定乘地铁还是乘汽车，因此，．由贝叶斯公式得26．病树的主人外出，委托邻居浇水，设已知如果不浇水，树死去的概率为0.8．若浇水则树死去的概率为0.15，有0.9的把握确定邻居会记得浇水．（1）求主人回来树还活着的概率．（2）若主人回来树已死去，求邻居忘记浇水的概率．解：（1）记A为事件“树还活着”，记W为事件“邻居记得给树浇水”，即有（2）根据贝叶斯公式可得，在树已死的条件下，邻居忘记浇水的概率为27．设本题涉及的事件均有意义，A，B都是事件：（1）已知P（A）＞0，证明；（2）若P（A|B）＝1，证明；（3）若C也是事件，且有P（A|C）≥P（B|C），，证明P（A）≥P（B）．证：（1）若P（A）＞0，要证，该不等式左边等于P（AB）／P（A），右边等于．因为，，故有（2）由，即．所以（3）由假设，即．同样由就有，即，得或 因为，得P（A）≥P（B）．28．有两种花籽，发芽率分别为0.8，0.9，从中各取一颗，设各花籽是否发芽相互独立．求（1）这两颗花籽都能发芽的概率；（2）至少有一颗能发芽的概率；（3）恰有一颗能发芽的概率．解：以A，B分别表示事件第一颗、第二颗花籽能发芽，即有P（A）＝0.8，P（B）＝0.9．（1）由A，B相互独立，得两颗花籽都能发芽的概率为P（AB）＝P（A）P（B）＝0．8×0．9＝0．72（2）至少有一颗花籽能发芽的概率．即事件的概率为（3）恰有一颗花籽能发芽的概率，即为事件的概率，由第4题（2）得29．根据报导美国人血型的分布近似地为：A型为37％，O型为44％，B 型为13％，AB型为6％．夫妻拥有的血型是相互独立的．（1）B型的人只有输入B、O两种血型才安全．若妻为B型，夫为何种血型未知，求夫是妻的安全输血者的概率；（2）随机地取一对夫妇，求妻为B型夫为A型的概率．（3）随机地取一对夫妇，求其中一人为A型，另一人为B型的概率；（4）随机地取一对夫妇，求其中至少有一人是0型的概率．解：（1）由题意知夫血型应为B、O才为安全输血者．因两种血型互不相容，故所求概率为（2）因夫妻拥有血型相互独立，于是所求概率为（3）所求概率为（4）有三种可能，即夫为O，妻为非O；妻为O，夫为非O；夫妻均为O；所求概率为30．（1）给出事件A、B的例子，使得（i）P（A|B）＜P（A）；（ii）P（A|B）＝P（A）；（iii）P（A|B）＞P（A）．（2）设事件A，B，C相互独立，证明：（i）C与AB相互独立；（ii）C 与相互独立．（3）设事件A的概率P（A）＝0，证明对于任意另一事件B，有A，B相互独立．（4）证明事件A，B相互独立的充要条件是．解：（1）举例（i）设试验为将骰子投掷一次，事件A“出现偶数点”，B为“出现奇数点”，则（ii）设试验为将骰子掷一次，A同上，B为“掷出点数≥1”，则P（A|B）＝，而P（A）＝，故P（A|B）＝P（A）（iii）设试验为将骰子掷一次，A同上，B为“掷出点数≥4”，则P（A|B）＝2/3，而P（A）＝，故P（A|B）＞P（A）（2）因A，B，C相互独立，故P（AB）＝P（A）P（B），P（BC）＝P（B）P（C）P（CA）＝P（C）P（A），P（ABC）＝P（A）P（B）P（C）。

概率论与数理统计知识点总结(免费超详细版) 题目：概率论与数理统计知识点总结摘要本文总结了概率论和数理统计方面的基础知识，涉及概率分布、参数估计、假设检验、卡方检验、多元分析等。

对这些知识点的理解和了解可以帮助人们更好地分析和利用数据，促进数据分析的发展。

关键词：概率论，数理统计，概率分布，参数估计，假设检验，卡方检验，多元分析正文1.概率论概率论是数理统计中一门重要科学，它是一门数学研究现实世界事件发生的规律性、可预测性及不确定性的学科。

在概率论中，我们引入了诸如概率、期望和方差等概念，用来描述和推断某种随机现象的发生。

2.概率分布概率分布是在给定的实际情况下随机变量取值的概率分布。

典型的概率分布包括正态分布、泊松分布和二项分布。

此外，也有一些联合分布，例如协方差、共轭先验、贝叶斯估计等。

3.参数估计参数估计是根据样本数据估计总体参数的统计方法。

它涉及到将总体参数估计为样本参数的过程，通常使用最大似然估计、贝叶斯估计和假定测试等方法。

4.假设检验假设检验是基于统计学原理，用来评估某一假设是否真实存在的方法。

其中包括t检验、F检验、Z检验等，它们之间的区别在于所使用的抽样分布不同。

5.卡方检验卡方检验是一种统计检验，用于直接检验某个抽样值是否遵循某种理论分布。

卡方检验可以根据观察到的抽样数据和理论分布之间的差异来衡量分布概率值的有效性。

6.多元分析多元分析是一种分析不同变量之间交互影响的统计方法。

它包括多元回归分析、多元判别分析、因子分析等，能够帮助我们了解多个变量之间的关系。

结论本文总结了概率论和数理统计方面的基础知识，包括概率分布、参数估计、假设检验、卡方检验和多元分析等。

了解这些知识点可以帮助人们更好地分析和利用数据，促进数据分析的发展。

概率论和数理统计方面的知识点在实际应用中有着重要作用。

概率论可以帮助研究人员对随机现象进行建模、分析和推断，其中包括使用概率分布建立统计模型和估计参数，并使用假设检验和卡方检验来检验假设，以及用多元分析来推断不同变量之间的关系。