《概率论与数理统计期末复习资料1统计学》由会员分享，可在线阅读，更多相关《概率论与数理统计期末复习资料1统计学（12页珍藏版）》请在金锄头文库上搜索。
1、=maxX，Y的分布律V=minX，Y的分布律(4)例：已知二维随机变量(X，Y)的概率密度记正态总体样本均值与样本方差的抽样分布定理。4会求未知参数的矩估计、极大似然估计。5掌握无偏性与34A298A4=2296/5040=0.456102概率的基本性质、条件概率、加法、乘法公式的应球中取出一球，再在a+-1个球中取出m-1个球。解：设B第m次取出的球是白球样本空间的样本点概率统计期 末 复 习 资 料注： 以下是考试的参考容， 不作为实际考试围， 考试容以教学大纲和实施计划为准； 注明“了 解”的容一般不考。 1、能很好地掌握写样本空间与事件方法，会事件关系的运算，了解概率的古典定义 2、
2、能较熟练地求解古典概率；了解概率的公理化定义 3、掌握概率的基本性质和应用这些性质进行概率计算； 理解条件概率的概念； 掌握加法公式 与乘法公式 4、能准确地选择和运用全概率公式与贝叶斯公式解题；掌握事件独立性的概念及性质。 5、理解随机变量的概念，能熟练写出(0 1)分布、二项分布、泊松分布的分布律。 6、理解分布函数的概念及性质，理解连续型随机变量的概率密度及性质。 7、掌握指数分布(参数 )、均匀分布、正态分布，特别是正态分布概率计算 8、会求一维随机变量函数分布的一般方法，求一维随机变量的分布律或概率密度。 9、会求分布中的待定参数。 10、会求边缘分布函数、 边缘分布律、条件分布律、
3、 边缘密度函数、条件密度函数，会判别 随机变量的独立性。11、掌握连续型随机变量的条件概率密度的概念及计算。 12、理解二维随机变量的概念，理解二维随机变量的联合分布函数及其性质，理解二维离散 型随机变量的联合分布律及其性质，理解二维连续型随机变量的联合概率密度及其性质， 并 会用它们计算有关事件的概率。13、了解求二维随机变量函数的分布的一般方法。 14、会熟练地求随机变量及其函数的数学期望和方差。会熟练地默写出几种重要随机变量的 数学期望及方差。y|x)求期望E(X)，E(Y)，方差D(X)，D(Y)求协方差cov(X,Y)，相关系数，判断是否无残次品，则买下该箱玻璃杯，否则退回。试求：（
4、1）顾客买下该箱的概率；（2）在顾客买下的该箱中，没有uu1(Xu)0S/n3.对给定的显著性水平，查表得t(n1)20s/n1),拒绝H;反之,接受H的抽样分布定理。4会求未知参数的矩估计、极大似然估计。例：设总体X的概率密度为fx，X,X是来自15、较熟练地求协方差与相关系数. 16、了解矩与协方差矩阵概念。会用独立正态随机变量线性组合性质解题。 17、了解大数定理结论，会用中心极限定理解题。 18、掌握总体、样本、简单随机样本、统计量及抽样分布概念，掌握样本均值与样本方差及 样本矩概念，掌握 2 分布(及性质)、t 分布、 F 分布及其分位点概念。 19、理解正态总体样本均值与样本方差的
5、抽样分布定理；会用矩估计方法来估计未知参数。 20 、掌握极大似然估计法，无偏性与有效性的判断方法。 21、会求单正态总体均值与方差的置信区间。会求双正态总体均值与方差的置信区间。23 、明确假设检验的基本步骤，会 U 检验法、 t 检验、 2 检验法、 F 检验法解题。24 、掌握正态总体均值与方差的检验法。概率论部分必须要掌握的容以及题型1古典概型中计算概率用到的基本的计数方法。2概率的基本性质、条件概率、加法、乘法公式的应用；掌握事件独立性的概念及性质。 3准确地选择和运用全概率公式与贝叶斯公式。4一维、二维离散型随机变量的分布律，连续型随机变量的密度函数性质的运用。分布中待 定参数的确
6、定，分布律、密度函数与分布函数的关系， 联合分布与边缘分布、条件分布的关 系，求数学期望、方差、协方差、相关系数，求函数的分布律、密度函数及期望和方差。 5会用中心极限定理解题。 6熟记(0-1)分布、 二项分布、 泊松分布的分布律、期望和方差， 指数分布(参数 )、均匀分 布、正态分布的密度函数、 期望和方差。数理统计部分必须要掌握的容以及题型1统计量的判断。：随机变量X的分布律为.确定参数k求概率P(0X3)，P(1X3)求分布函数F(x)求期望E)个红球(k1k2k3=m)的概率.占位模型例：n个质点在N个格子中的分布问题.设有n个不同质点记正态总体样本均值与样本方差的抽样分布定理。4会
7、求未知参数的矩估计、极大似然估计。5掌握无偏性与从中接连任意取出m(ma+)个球，且每次取出的球不再放回去，求第m次取出的球是白球的概率;分析：2计算样本均值与样本方差及样本矩。3熟记正态总体样本均值与样本方差的抽样分布定理。4会求未知参数的矩估计、极大似然估计。5掌握无偏性与有效性的判断方法。6会求正态总体均值与方差的置信区间。7理解假设检验的基本思想和原理，明确正态总体均值与方差的假设检验的基本步骤。概率论部分必须要掌握的容以及题型1古典概型中计算概率用到的基本的计数方法。古典概型例子摸球模型例 1：袋中有 a 个白球， 个黑球，从中接连任意取出m(ma+ )个球，且每次取出的球不 再放回
8、去，求第 m 次取出的球是白球的概率;例 2 ：袋中有 a 个白球， 个黑球， c 个红球，从中任意取出(ma+ )个球，求取出的m 个球中有 k1(a) 个白球、 k2( b) 个黑球、 k3( c) 个红球(k1k2 k3= m)的概率.占位模型例： n 个质点在 N 个格子中的分布问题.设有 n 个不同质点，每个质点都以概率 1/N 落入 N 个格子(N n) 的任一个之中，求下列事件的概率：(1) A= 指定 n 个格子中各有一个质点； (2) B= 任意 n 个格子中各有一个质点；(3) C= 指定的一个格子中恰有 m(m n)个质点.抽数模型例：在 0 9 十个整数中任取四个， 能
9、排成一个四位偶数的概率是多少？ 2概率的基本性质、 条件概率、 加法、 乘法公式的应用； 掌握事件独立性的概念及性质。 如对于事件 A，B，A 或 B ，已知 P(A)，P(B)，P(AB)，P(A B)，P(A| B)，P(B| A)以及换为 A 或 B 之中的几个，求另外几个。例 1：事件 A 与 B 相互独立，且 P(A)=0.5 ，P(B)=0.6 ，求： P(AB)，P(AB)，P(A B)例 2：若 P(A)=0.4 ，P(B)=0.7 ，P(AB)=0.3 ，求： P(AB)，P(A B) ，P(A | B) ，P(A | B) ， P(A | B)3准确地选择和运用全概率公式与
10、贝叶斯公式。若已知导致事件 A 发生(或者是能与事件 A 同时发生)的几个互斥的事件 B i ，i=1,2, ,n, 的 概率 P(Bi) ，以及 Bi 发生的条件下事件 A 发生的条件概率 P(A| Bi)，求事件 A 发生的概率 P(A) 以及 A 发生的条件下事件 Bi 发生的条件概率 P(Bi | A)。例 ：玻璃杯成箱出售，每箱 20 只。假设各箱含 0 、1、 2 只残次品的概率相应为 0.8 、0.1 和 0.1 ，某顾客欲购买一箱玻璃杯，在购买时，售货员随意取一箱，而顾客随机地察看 4 只，若 无残次品，则买下该箱玻璃杯，否则退回。 试求：（ 1）顾客买下该箱的概率；（2 ）在
11、顾客买 下的该箱中， 没有残次品的概率。 4一维、二维离散型随机变量的分布律，连续型随机变量的密度函数性质的运用。分布中待 定参数的确定，分布律、密度函数与分布函数的关系，联合分布与边缘分布、 条件分布的关出的9个球中有1个白球、3个黑球、5个红球的概率.解：设B取出的9个球中有1个白球、3个黑球、5用；掌握事件独立性的概念及性质。例1：事件A与B相互独立，且P(A)=0.5，P(B)=0.6，求：X)；13X134X2112X3求出方差，比较哪个更有效。6会求正态总体均值与方差的置信区间正态随机变量线性组合性质解题。1了解大数定理结论，会用中心极限定理解题。1掌握总体、样本、简单随机样kx2
12、 0 x 20 其他 ，XY求函数 Z= g(X, Y)的分布律及期望 Eg(X, Y) 例：已知随机变量(X,Y)的联合分布律为系，求数学期望、方差、协方差、相关系数，求函数的分布律、密度函数及期望和方差。 (1)已知一维离散型随机变量 X 的分布律 P(X= xi)= pi ，i=1,2, ,n, 确定参数求概率 P(a X b)求分布函数 F(x)求期望 E(X)，方差 D(X)求函数 Y= g(X)的分布律及期望 Eg(X)例：随机变量 X 的分布律为.Xp1k22k33k44k确定参数 k求概率 P(0 X3) ，P1 X 3求分布函数 F(x)求期望 E(X)，方差 D(X)求函数
13、Y (X 3)2 的分布律及期望 E( X 3)2(2) 已知一维连续型随机变量 X 的密度函数 f(x)确定参数求概率 P(a X b)求分布函数 F(x)求期望 E(X)，方差 D(X)求函数 Y= g(X)的密度函数及期望 Eg(X)例：已知随机变量 X 的概率密度为 f x确定参数k求概率P1 X 3求分布函数F(x)求期望 E(X)，方差 D(X)求函数Y X 的密度及期望 E( X )(3) 已知二维离散型随机变量(X，Y)的联合分布律 P(X= xi ，Y= yj)= pij ，i=1,2, ,m, ； j=1,2, ,n, 确定参数求概率 P(X,Y) G求边缘分布律 P(X= xi)= pi. ，i=1,2, ,m, ； P(Y= yj)= p.j， 求条件分布律 P(X= xi| Y= yj) ，i=1,2, ,m, 和 P(Y= yj| X= 求期望 E(X
