概率论与数理统计c复习提纲

《概率论与数理统计c复习提纲》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、第一部分基本概念和基本定理【内容提要】（红色字体部分为复习重点）随机试验样本空间、样本点随机事件（基本事件、复合事件、必然事件、不可能事件）事件的关系和运算（包括相容性、独立性）基本概念随机事件事件的概率频率（波动性、稳定性）概率（统计定义、三条基本性质及推论、实际推断原理）概率的直接计算（古典概型、几何概型）基本定理加法定理乘法定理公式(2-1)、(2-1ʹ)、(2-1ʺ)条件概率乘法定理全概率公式和贝叶斯公式【释疑解惑】问题1：与是否相等？答：不一定相等．由对偶律可知，；而．问题2：事件的相容性与独立性在逻辑上是否存在因果关系？答：如下表所示，事件的相容性

2、与独立性在逻辑上不存在因果关系．特例结论和，其中独立且相容和，其中独立但不相容和，其中不独立不相容和，其中若独立，则相容；等价地，若不相容，则不独立．问题3：设，，同时成立，能否推出成立？答：不能（例如第2章课件中的伯恩斯坦反例），由此可以看出“两两独立”和“相互独立”并不等价．问题4：下列式子中的等号何时成立？答：第一个等号总成立；当时，第二个等号成立；当独立时，第三个等号成立；当不相容时，第四个等号成立．问题5：不可能事件与零概率事件是否相等？必然事件与概率为1的事件是否相等？答：不可能事件是零概率事件，但反之不然；必然事件是概率为1的事件，但反之亦不然．

3、第二部分随机变量及其分布【内容提要】（红色字体部分为复习重点）联合分布（三种刻画，分布函数的四条基本性质）边缘分布（三种刻画）条件分布（三种刻画）分布函数（定义及三条基本性质）一维随机变量一般刻画离散型——分布律（两条基本性质）连续型——密度函数（两条基本性质）二维随机变量三种概率分布随机变量的函数的分布和的分布公式(5-36)、(5-39ʹ)、(5-40)商的分布公式(5-41)、(5-41ʹ)最大（小）值的分布P.151特殊刻画随机变量的分类离散型非离散型连续型其它数学刻画随机变量的函数的分布（解题思路：P.97例5、6）相互关系相互关系随机变量的独立性判

4、定方法：P.130定义1及公式(5-18)~(5-21)【释疑解惑】问题1：离散型随机变量与连续型随机变量的联系与区别？答：离散型随机变量连续型随机变量分布函数分布函数不连续，存在跳跃间断点．分布函数一定是连续函数．分布律与密度函数，，从而一定成立．，，但不一定成立．连续型随机变量还具有一个特殊性质：，即任一基本事件发生的概率为零．从而可以推出下列结论：①不可能事件是零概率的事件，但反之不然；必然事件是概率为1的事件，但反之亦不然．②．问题2：连续型随机变量的密度函数是否一定是连续函数？答：不一定，均匀分布的密度函数并不连续．问题3：分布曲线（曲面）是分布函数

5、的图像吗？答：不是，分布曲线（曲面）是密度函数的图像．问题4：密度函数是否由分布函数唯一确定？何时成立？答：不是，因为修改密度函数在个别点处的函数值对其积分的值（概率）没有影响．对的连续点，有．问题5：联合分布、边缘分布、条件分布之间的联系与区别？答：从分布函数的定义来看，分布函数几何意义联合分布边缘分布条件分布对使得的点（这个条件不能少），从分布律的定义来看，分布律几何意义联合分布边缘分布律体现为同一行概率求和．条件分布律体现为在同一行概率中所占的比重．注意：条件分布中“”的条件不能少！边缘分布条件分布当时，从密度函数的定义来看，密度函数几何意义联合分布边缘

6、分布条件分布对使得的点，注意：条件分布中“”的条件不能少！三种概率分布之间的相互转化关系是问题6：给定二维随机变量，何时可以由和的边缘分布完全确定联合分布？答：当和相互独立时，可以由边缘分布完全确定联合分布．问题7：已知二维随机变量的边缘分布是正态分布，能否由此确定联合分布是二维正态分布？答：不能，反例请参考P.146例19．第三部分随机变量的数字特征【内容提要】复习重点：期望、方差、协方差、相关系数的性质．1．期望和方差的定义、性质随机变量离散型分布律，连续型密度函数期望（要求级数绝对收敛）（要求积分绝对收敛）函数的期望（要求级数绝对收敛）（要求积分绝对收敛

7、）方差期望的性质方差的性质切比雪夫不等式当且仅当，其中2．协方差和相关系数的定义、性质协方差相关系数对称性特别地，对称性线性性质①若和独立，则，但反之不然；②．①随机变量不相关的四种等价定义：；；；．②，等号成立当且仅当和之间有严格的线性关系．【释疑解惑】问题1：是否所有随机变量都存在数学期望？答：不是，反例请参考P.74例22及P.98例7．因为方差本质上是随机变量的函数的期望，所以并非所有随机变量都存在方差．问题2：随机变量的不相关性与独立性是否等价？不相关独立相关答：“不相关”是指两个随机变量之间不存在线性函数的关系，“独立”是指两个随机变量不存在任何关

8、系。如图所示，独立的随机变量一定不相关