概率论与数理统计总复习.ppt

概率论与数理统计总复习.ppt

ID:60979803

大小:541.00 KB

页数:31页

时间:2021-01-16

概率论与数理统计总复习.ppt_第1页
概率论与数理统计总复习.ppt_第2页
概率论与数理统计总复习.ppt_第3页
概率论与数理统计总复习.ppt_第4页
概率论与数理统计总复习.ppt_第5页
概率论与数理统计总复习.ppt_第6页
概率论与数理统计总复习.ppt_第7页
概率论与数理统计总复习.ppt_第8页
概率论与数理统计总复习.ppt_第9页
概率论与数理统计总复习.ppt_第10页
资源描述:

《概率论与数理统计总复习.ppt》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、1第一章随机事件1.事件A,P(A),概率的性质2.古典概型中求P(A)=kA/n3.条件概率4.乘全贝三大公式,见下页2全概率公式贝叶斯公式乘法公式35.事件的独立P(AB)=P(A)P(B),定理(独立的性质):若事件A,B独立则也相互独立。技巧:n个独立事件并的概率公式设事件相互独立,则P(A1∪…∪An)4第二章随机变量(一维)1.离散型随机变量Xpk,F(x)=P{X≤x},常见离散型随机变量:X∼B(1,p).X∼B(n,p).X∼P()P50,T2152.连续型随机变量Xf(x),F(x)=P{X≤x}常见连续型随机变

2、量:X∼U[a,b]X服从参数为的指数分布P49,T1963.已知X的分布,求Y=g(X)的分布(-x)=1-(x).P50,T20,21,22,23(0)=1/27第三章随机向量(二维)1.离散型随机向量(X,Y)pij,由联合分布律求边缘分布律82.连续型随机向量(X,Y)f(x,y),由联合密度函数求边缘概率密度函数P78,T4,T5P79,T8,T1093.随机变量的独立性若(X,Y)是离散型随机变量,则上述独立性定义等价于:对(X,Y)所有可能取值(xi,yj),有成立。若(X,Y)是连续型随机向量,上述独立性定义等

3、价于:对于所有的x,y成立。104.随机向量函数的分布Z=X+Y的概率密度为:n个独立的正态分布的线性组合仍为正态分布,即有特别地:当X,Y独立时,Z=X+Y的概率密度为:(1)和的分布P80,T19,T20P80,T2111特别地,当X1,…,Xn独立同分布时,有N=min(X1,…,Xn)的分布函数是:M=max(X1,…,Xn)的分布函数为:Fmax(z)=[F(z)]n,Fmin(z)=1-[1-F(z)]n.第六章P128,T10(2)极值分布12第四章数字特征1.数学期望,随机变量函数的期望,期望的性质1314数学期望的性

4、质:1.设C是常数,则E(C)=C;4.设X与Y独立,则E(XY)=E(X)E(Y);2.若k是常数,则E(kX)=kE(X);3.E(X1+X2)=E(X1)+E(X2);(诸Xi独立时)技巧:计数器分解求期望!!!P105,T21152.方差及其性质Var(X)=E{[X-E(X)]2}=E(X2)-[E(X)]21.设C是常数,则Var(C)=0,Var(X+C)=Var(X).2.若C是常数,则Var(CX)=C2Var(X);3.若X1与X2独立,则Var(X1+X2)=Var(X1)+Var(X2);可推广为:若X1,X2

5、,…,Xn相互独立,则163.协方差,相关函数Cov(X,Y)=E{[X-E(X)][Y-E(Y)]}=E(XY)-E(X)E(Y)Var(X+Y)=Var(X)+Var(Y)+2Cov(X,Y)Var(X-Y)=Var(X)+Var(Y)-2Cov(X,Y)17第五章极限定理定理5.1.1[切比雪夫(Chebyshev)不等式]设随机变量X具有期望E(X)=,方差Var(X)=2,则:或写成P114,T2定理5.2.1(独立同分布的中心极限定理)设X1,X2,…是独立同分布的随机变量序列,且E(Xi)=μ,Var(Xi)=σ2,

6、i=1,2,…,则任给x∈(-∞,∞),均有19设X1,X2,,Xn是来自均值为,方差为2的总体的样本,则当n充分大时,定理6.2.1第六章样本与统计量20χ2分布,t分布,F分布.【注意】三大分布的构造,图形,性质定理6.3.1(P126)(又称基本定理)设X1,X2,…,Xn是取自正态总体的样本,分别为样本均值和样本方差,则有21第七章参数估计参数估计包括:点估计和区间估计。1.矩估计2.极大似然估计点估计介绍两种方法:221.矩估计根据所求的未知参数的个数选择上面的式子232.极大似然估计(3)在最大值点的表达式中,用样本

7、X1,X2,…Xn替换样本值x1,x2,…xn就得到参数的极大似然估计。求极大似然估计的一般步骤是:(1)由总体分布导出样本的联合分布律(或联合概率密度函数),即为似然函数L(θ);(2)求似然函数L(θ)的最大值点即θ的极大似然估计值;(常常转化为求对数似然函数lnL(θ)的最大值点,求导等于零,二阶导数在此点小于零,这才说明为最大值点);24估计量的优良性准则则称为的无偏估计。一、无偏性二、方差准则如果两个估计都是无偏估计,这时哪个估计的方差小,哪个估计比较优。这种判定估计量的准则称为“方差准则”。25求参数的置信系数为的置信区

8、间.(I).设X1,…Xn是取自的样本,正态总体的区间估计均值µ的置信系数为1-α的置信区间求方差的置信系数为的置信区间26第八章假设检验一、单个正态总体N(,2)均值的检验1.双边检验H0:μ=μ0;H1:μ≠μ

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。