《概率论与统计原理》由会员分享，可在线阅读，更多相关《概率论与统计原理（12页珍藏版）》请在金锄头文库上搜索。
1、概率论与统计原理课程期末复习资料概率论与统计原理课程讲稿章节目录：第一章 事件的概率1.1 随机事件和样本空间1.1.1 随机现象与随机试验1.1.2 随机事件1.1.3 样本空间1.2 事件的关系和运算1.2.1 事件的关系和运算1.2.2 事件与集合的关系1.2.3 事件的运算性质 1.3 随机事件的概率1.3.1 概率的统计定义1.3.2 古典型概率1.3.3 几何型概率1.4 概率的公理化定义1.4.1 概率的三条公理（概率的公理化定义）1.4.2 概率的性质1.5 条件概率和事件的独立性1.5.1 条件概率1.5.2 乘法公式1.5.3 全概率公式1.5.4 贝叶斯公式1.5.5 事
2、件的独立性第二章 随机变量及其分布2.1 随机变量及其分布函数2.1.1 随机变量 2.1.2 随机变量的分布函数 2.2 离散型随机变量2.2.1离散型随机变量及其分布2.2.2 常用离散型概率分布2.3 连续型随机变量 2.3.1 连续型随机变量的定义2.3.2 常用连续型概率分布2.4 随机变量函数的分布 2.4.1 离散型随机变量函数的分布 2.4.2 连续型随机变量函数的分布2.5 多维随机变量简介 2.5.1 多维随机变量的定义 2.5.2 二维随机变量的联合分布函数 2.5.3 边缘分布函数 2.5.4 随机变量的独立性 第三章 随机变量的数字特征3.1 随机变量的数学期望3.1
3、.1 数学期望的定义3.1.2 随机变量函数的数学期望3.1.3 数学期望的性质3.2 随机变量的方差3.2.1 方差和标准差的定义3.2.2 方差的性质3.2.3 切比雪夫不等式 3.3 常用分布的数学期望和方差3.3.1 常用离散型分布的数学期望和方差3.3.2 常见连续型分布的数学期望和方差3.4 随机变量的矩第四章 极限定理4.1 大数定律4.1.1随机变量列的极限4.1.2 大数定律4.2 中心极限定理4.2.1 列维-林德伯格定理4.2.2 棣莫佛-拉普拉斯（De Moivre-Laplace）定理第五章 统计原理 5.1 数理统计的基本概念5.1.1 总体和样本5.1.2 统计量
4、5.1.3 经验分布函数5.2 抽样分布5.2.1 2分布5.2.2 t分布 5.2.3 正态总体的抽样分布 5.3 参数估计5.3.1 统计估计的概念5.3.2 参数的点估计5.3.3 正态总体参数的区间估计5.4 假设检验5.4.1 一个总体均值的假设检验 5.4.2 一个正态总体方差2的假设检验5.4.3 一个总体比率的假设检验（大样本）一、客观部分：（单项选择）考核知识点: 事件的关系和运算考核知识点解释：“事件A与事件B至少有一个发生”的事件，称为事件A与事件B的和（或并），记作AB或A+B 。“事件A与事件B同时发生”的事件，称为事件A与事件B的积（或交），记作AB或AB。“事件A
5、发生而事件B不发生”的事件，称为事件A与事件B的差，记作A-B 。 对于事件A，“事件A不发生”这一事件，称为A的对立事件（或逆事件），记作。 考核知识点: 概率的公理化定义考核知识点解释：概率的三条公理（概率的公理化定义） 公理1 0P（A）1 公理2 P（）=1公理3 对两两不相容的事件A1，A2，有 P（A1 + A2 + + An + ）= P（A1）+P（A2）+P（An）+ 考核知识点: 概率的统计定义考核知识点解释：设在n次重复试验中事件A出现了nA次，则称比值为事件A发生的频率，即概率的统计定义。考核知识点: 均匀分布考核知识点解释：见均匀分布考核知识点: 统计量的定义考核知识
6、点解释：设（X1，X2，Xn）是来自总体X的一个简单随机样本，称样本的函数T=g（X1，X2，Xn）为统计量，如果它不依赖于任何未知参数。考核知识点: 假设检验中的两类错误考核知识点解释：在假设检验中，通常会犯两类错误，我们希望两类错误的概率都尽量小但是在样本容量n固定时是做不到的：一般来说，第一类错误的概率越小，第二类错误的概率就越大，反之亦然要保证两类错误的概率都小，唯一的办法就是增大样本容量。考核知识点: 假设检验中的两类错误考核知识点解释：见假设检验的两类错误二、主观部分：（一）、填空部分考核知识点：古典型概率考核知识点解释设随机试验E是含有n个基本事件的古典概型，事件A包含m个基本事
7、件，则事件A的发生的概率为P（A）=。考核知识点：古典型概率中摸球模型考核知识点解释见古典型概率。摸球模型的结果与k无关，从而说明日常人们抽签的结果与抽签顺序无关的道理。考核知识点：概率的性质考核知识点解释：见概率的性质考核知识点: 概率的性质考核知识点解释：见概率的性质考核知识点: 概率的性质考核知识点解释：见概率的性质考核知识点：事件的独立性考核知识点解释：设A，B为两个事件，如果P( AB ) = P( A )P( B )，则称A与B相互独立考核知识点: 二项分布的数字特征考核知识点解释：二项分布的数学期望EX= np，方差DX=np（1-p）考核知识点: 泊松分布的数字特征考核知识点解
8、释：泊松分布的数学期望EX=，方差DX=考核知识点: 正态分布的数字特征，数学期望和方差的性质考核知识点解释：若X服从正态分布N（，2），则EX=，DX = 2，EX2=2+2，D（aX+b）=a2DX考核知识点: 正态总体均值的点估计和区间估计考核知识点解释：总体均值的极大似然估计为，的置信区间为：（-，+）置信区间的长度为考核知识点: 关于总体均值和总体方差假设检验的检验统计量考核知识点解释：（1）一个正态总体均值的检验当已知时检验统计量为当未知时检验统计量为（2）一个正态总体方差的检验的检验统计量为（二）、计算题1、袋中有6个球，其中4白2黑。分别用有放回和不放回两种方法取球，求（1）取
9、到的两个球都是白球的概率；（2）取到的两个球颜色相同的概率；（3）取到的两个球中至少有一个是白球的概率。考核知识点：古典型概率以及概率的性质考核知识点解释概率的性质：性质1 P（）= 0性质2 若A1，A2，An两两不相容，则P（）=性质3 对于任意事件A，有P（A）=1-P（）性质4 对于任意事件A和B，有P（A-B）= P（A）- P（AB）性质5（ 设A和B是任意两个事件，则P（A+B）= P（A）+ P（B）- P（AB）2、三台机床加工同样的零件，次品率依次为0.04，0.07和0.05加工出来的零件混放，并设第一台机床，第二台机床和第三台机床加工的概率分别为0.4，0.2，0.4现
10、任取一零件，（1）求它是合格品的概率；（2）已知取出的零件是合格品，求它由第二台机床加工的概率考核知识点：全概率公式和贝叶斯公式考核知识点解释全概率公式：设事件A1，A2，An是一个完备事件组，且P（Ai）0（i=1，2，n），则对任意事件B，有P（B）=P（Ai）P（B|Ai）贝叶斯公式设事件A1，A2，An是一个完备事件组，B为任一满足P（B）0的事件，则P（Ai|B）=（ i=1，2，n）3、设随机变量X的概率密度函数为（-x+），求（1）常数A及分布函数F（x）；（2），。考核知识点：连续型随机变量考核知识点解释连续型随机变量概率密度函数满足连续型随机变量的分布函数为对于任意事件A，有
11、 对于任意实数 x，有PX=x=0对于连续型随机变量，有4、设随机变量X的概率密度为，求（1）常数A，（2）P（）（3）X的概率密度。考核知识点：连续型随机变量考核知识点解释：见连续型随机变量5、设随机变量服从参数为的指数分布，（1）求EX和DX；（2）当k 0时，求PXk。参考答案：（1）EX=，DX= （2）PXk= e -x dx= e k 考核知识点：指数分布以及数字特征考核知识点解释： 如果随机变量X的密度函数为其中0，则称随机变量X服从参数为的指数分布。指数分布的数字特征：EX=，DX= 6、设随机变量XN （，2），求PX，P - kX0未知）。（X1，X2，Xn）是来自X的简单随机样本，求的矩估计量和极大似然估计量。 考核知识点：矩估计法和极大似然估计法14、设X为任意总体，EX =，DX =20存在，但未知。（X1，X2，L，Xn）是来自总体X的简单随机样本，求和2的矩估计量。考核知识点：矩估计法15、设随机变量X服从参数为（，2）的正态分布，其中为已知参数，2为未知参数。（X1，X2，Xn）是来自X的简单随机样本，求和2的极大似然估计量。 考核知识点：极大似然估计法16、某企业生产的滚珠直径X服从N（，0.0006）。现从产品中随机抽取6颗进行检测，得到它们的平均值为1.495cm，
