概率论公式总结以及习题小测!
第一章
P(A+B)=P(A)+P(B)- P(AB)
特别地,当A 、B 互斥时, P(A+B)=P(A)+P(B) 条件概率公式
P (A |B ) =P (AB )
P (B )
概率的乘法公式
P (AB ) =P (B ) P (A |B ) =P (A ) P (B |A )
全概率公式:从原因计算结果
∑
n
P (A ) =P (B k ) P (A |B k )
k =1
Bayes 公式:从结果找原因
P (B A ) =P (B |B
i ) P (A i ) k |∑
n
P (B (A |B
k ) P k ) k =1
第二章
二项分布(Bernoulli 分布)——X~B(n,p)
P (X =k ) =C k p k (1-p ) n -k n ,(k =0, 1,..., n )
泊松分布——X~P(λ)
k
P (X =k ) =λ
k ! e -λ,(k =0, 1,...)
概率密度函数
⎰
+∞
-∞
f (x ) dx =1
怎样计算概率
P (a ≤X ≤b )
P (a ≤X ≤b ) =⎰b
f (x ) dx
a
均匀分布X~U(a,b)
f (x ) =
1
b -a
(a ≤x ≤b )
指数分布X~Exp (θ)
f (x ) =
1
-x /θ
θ
e (x ≥0)
分布函数
对离散型随机变量 F (x ) =P (X ≤x ) =k ∑P (X =k )
≤x
对连续型随机变量
x
F (x ) =P (X
≤x ) =⎰-∞
f (t ) dt
分布函数与密度函数的重要关系:
F (x ) =P (X ≤x ) =⎰x
-∞
f (t ) dt
F ' (x ) =f (x )
二元随机变量及其边缘分布 分布规律的描述方法
联合密度函数 f (x , y )
联合分布函数 F (x , y )
f (x , y ) ≥0
⎰+∞⎰
+∞
-∞-∞
f (x , y ) dxdy =1
0≤F (x , y ) ≤1 F (x , y ) =P {X ≤x , Y ≤y }
联合密度与边缘密度
f +∞
X (x ) =⎰-∞
f (x , y ) dy
f Y (y ) =⎰+∞
-∞
f (x , y ) dx
离散型随机变量的独立性
P {X =i , Y =j }=P {X =i }P {Y =j }
连续型随机变量的独立性
f (x , y ) =f (x ) f
X Y (y )
第三章
数学期望
离散型随机变量,数学期望定义
E (X ) =
k
k ∑+∞
x
k
⋅P =-∞
+∞
连续型随机变量,数学期望定义 E (X ) =x ⋅f (x ) dx
⎰
-∞
● E(a)=a,其中a 为常数
● E(a+bX)=a+bE(X),其中a 、b 为常数
● E(X+Y)=E(X)+E(Y),X 、Y 为任意随机变量
随机变量g(X)的数学期望 E (g (X )) =∑
g (x k ) p k
k 常用公式
E (X ) =∑∑x i p ij
E (X ) =⎰⎰xf (x , y ) dxdy
i
j
E (XY ) =∑∑x i y j p ij
i
j
正态分布
f (x ) =
1
e 2πσ
-
(x -μ) 22σE (X +Y ) =E (X ) +E (Y ) E (XY ) =⎰⎰xyf (x , y ) dxdy
E (X ) =μ, D (X ) =σ2
标准正态分布的概率计算 Φ(a ) =1-Φ(-a ) 标准正态分布的概率计算公式
当X 与Y 独立时, E (XY ) =E (X ) E (Y )
方差 定义式
P (Z ≤a ) =P (Z
P (Z ≥a ) =P (Z >a ) =1-Φ(a )
D (X ) =⎰
常用计算式
常用公式
2
(x -E (X ) )⋅f (x ) dx -∞
+∞
2
P (a ≤Z ≤b ) =Φ(b ) -Φ(a )
P (-a ≤Z ≤a ) =Φ(a ) -Φ(-a ) =2Φ(a ) -1
一般正态分布的概率计算
D (X ) =E (X 2) -[E (X ) ]
X ~N (μ, σ2) ⇔Z =
X -μ
D (X +Y ) =D (X ) +D (Y ) +2E {(X -E (X ))(Y -E (Y ))}
当X 、Y 相互独立时:
σ
~N (0, 1)
一般正态分布的概率计算公式
D (X +Y ) =D (X ) +D (Y )
P (X ≤a ) =P (X
a -μ
σ
)
方差的性质
D(a)=0,其中a 为常数
D(a+bX)=b2D(X),其中a 、b 为常数
当X 、Y 相互独立时,D(X+Y)=D(X)+D(Y) 协方差与相关系数
E {[X -E (X ) ][Y -E (Y ) ]}=E (XY ) -E (X ) E (Y )
Cov (X , Y ) =E (XY ) -E (X ) E (Y )
Cov (X , Y ) ρXY =
D (X ) D (Y )
协方差的性质
σ
b -μa -μ
P (a ≤X ≤b ) =Φ() -Φ()
σσ
第五章 卡方分布
n
2
若X ~N (0, 1) ,则X i ~χ2(n )
i =1
P (X ≥a ) =P (X >a ) =1-Φ(
a -μ
∑
若Y ~N (μ, σ2), 则
t 分布
1
σ
2
∑(Y -μ)
i
i =1
n
2
~χ2(n )
Cov (X , X ) =E (X 2) -(E (X ) )=D (X )
2
若X ~N (0, 1), Y ~χ(n ), 则
F 分布 若U ~χ2(n ), V ~1正态总体条件下
样本均值的分布:
2
Cov (aX , bY ) =abCov (X , Y )
X
~t (n ) /n
Cov (X +Y , Z ) =Cov (X , Z ) +Cov (Y , Z )
独立与相关 独立必定不相关 相关必定不独立 不相关不一定独立 第四章
χ2(n 2), 则
U /n 1
~F (n 1, n 2) V /n 2
~N (μ,
分布:
σ
2
n
)
-μ
~N (0, 1) σ/n
样本方差的
X ~N (μ, σ2)
(n -1) S 2
σ2
~χ(n -1)
2
-μ
~t (n -1)
s /n
两个正态总体的方差之比
S /S
~F (n 1-1, n 2-1)
σ/σ
21212222
两个正态总体均值差的置信区间 大样本或正态小样本且方差已知
22⎫⎛σσ1 (-)±z +2⎪ 12α/2
n 1n 2⎪⎝⎭ 两个正态总体方差比的置信区间
2
⎛S 12/S 2 F (n -1, n -1) ,
2⎝α/21
2
⎫S 12/S 2
⎪
F α/2(n 1-1, n 2-1) ⎪⎭
第六章
点估计:参数的估计值为一个常数 矩估计
最大似然估计 似然函数 n
第七章
假设检验的步骤
① 根据具体问题提出原假设H0和备择假设H1 ② 根据假设选择检验统计量,并计算检验统计值 ③ 看检验统计值是否落在拒绝域,若落在拒绝域则
拒绝原假设,否则就不拒绝原假设。
不可避免的两类错误
第1类(弃真) 错误:原假设为真,但拒绝了原假设 第2类(取伪) 错误:原假设为假,但接受了原假设 单个正态总体的显著性检验
● 单正态总体均值的检验
大样本情形——Z 检验
正态总体小样本、方差已知——Z 检验 正态总体小样本、方差未知—— t检验
● 单正态总体方差的检验
正态总体、均值未知——卡方检验
单正态总体均值的显著性检验 统计假设的形式
双边检验 (1) H 0:μ=μ0H 1:μ≠μ0
(2) H 0:μ≥μ0H 1:μ
(3) H 0:μ≤μ0H 1:μ>μ0
右边检验
单正态总体均值的Z 检验
L =∏
i =1
n
f (x i ; θ) L =∏p (x i ; θ)
i =1
均值的区间估计——大样本结果
σ⎫ ⎛
±z ⎪α/2
n ⎭ ⎝
—样本均值
—标准差(通常未知,可用样本标准差s 代替) —样本容量(大样本要求n >50)
σ
n
z α/2—正态分布的分位点⎛
±z α/2 ⎝
(1-) ⎫
⎪⎪ n ⎭
n
—样本比例
—样本容量(大样本要求n >50)
z α/2—正态分布的分位点
小样本、正态总体、标准差σ已知σ⎫ ⎛
±z α/2⎪
n ⎭⎝
Z =
-μ0
σ/n
(大样本情形σ未知时用S 代替)
小样本、正态总体、标准差σ未知
拒绝域的代数表示
s ⎫⎛
±t α/2(n -1) ⎪
n ⎭⎝
Z ≥Z α/2双边检验
左边检验
Z ≤-Z α
t α/2(n -1) —自由度为n -1的t 分布的分位点
Z ≥Z α右边检验
比例——特殊的均值的Z 检验
(n -1) S 2
2χα/2
,
(n -1) S 2
χ12-α/2
)
S 2
—样本方差
Z =
2
χα/2—卡方分布的分位点
-p 0
p 0(1-p 0) /n
——样本比例
p 0——总体比例
正态总体方差的区间估计
单正态总体均值的 t 检验
-μ0 t =
S /n
单正态总体方差的卡方检验 2
(n -1) S χ2=2
σ0
拒绝域
双边检验 χ2≥χ2或χ2≤χ2
α/21-α/2
Y =X 2的分布律为_________。 10. 若二维随机变量(X , Y )的区域
(x , y ) |x 2+y 2≤R 2上服从均匀分布,则(X ,Y )的密度函数为__________。
11. 设二维随机变量(X ,Y )的概率密度为
⎧e -y +1⎪
f (x , y ) =⎨x 2, x >1, y >1,
⎪⎩0,
则f X (x ) =_________。
12. 设随机变量X 的分布律为E (X 2) =_________。
{}
左边检验 χ2≤χ21-α/2
右边检验
χ2≥χ2α/2
概率论与数理统计复习题
一、填空题
1. P (A ) =0.4, P (B ) =0.5, P (B ) =0.4, 则 P (A B ) =____.
2. E (X ) =μ, D (x ) =σ2, 由切比雪夫不等式知
P {μ-2σ
3. 总体X ~N (μ, σ2) ,σ2未知,检验假设H 0:μ=μ0的检验统计量为_________。 4. 已知,A , B 两个事件满足条件P (AB ) =P (A B ) ,且P (A ) =p ,则P (B ) =_________。
5. 设三次独立试验中,事件A 出现的概率相等,
如果已知A 至少出现一次的概率等于19
27
,则事件
A 在一次试验中出现的概率为_________。
6. 同时抛掷3枚硬币,以X 表示出正面的个数,则X 的概率分布为_________。 7. 设随机变量X 的概率密度为
f (x ) =⎧⎨
2x , 0
⎩0, 其他, 用Y 表示对X 的3次独立重复观察中事件⎨⎧
X ≤1⎬⎫⎩2⎭
出现的次数,则
P {Y =2}=_________。
8. 设随机变量X ~N (2, σ2) ,且
P {2
13. 设随机变量X 的概率密度为
⎧f (x ) =⎪A
⎨x 3
, 1
其他则A =_________。
14. 设X ~N (1, 4) ,则E (X ) =_________,D (X ) =_________。
15. 已知离散型随机变量X 服从参数为2的泊松分布,Y =12-3X ,则D (Y ) =_________。 16. 从一批零件的毛坯中随机抽取8件,测得它们的重量(单位:kg )为
230,243,185,240,228,196,246,200则样本均值=_________,样本方差S 2=_________。 17. 设总体X ~N (μ, σ2), X 1, X 2, , X n 是来自总体X 的样本,则E () =_________,D () =_________。
18. 设总体X ~χ2(n ), X 1, X 2, , X n 是来自总体
X 的样本, E () =_________。
19. 设总体X 服从参数为λ的泊松分布,其中
λ>0为未知,X 1, X 2, , X n 为来自总体X 的样本,
则λ的矩估计量为λ
ˆ=_________。 20. 设总体X ~N (μ, σ2), σ2为已知,μ为未知,
X 1, X 2, , X n 为来自总体的样本,
则参数μ的置信度为1-α的置信区间为_________。
二、单选题
1. 设两个随机变量X 与Y 的方差分别为25和16,相关系数为0.2,则D (X -Y ) =(
) 。
(A) 33 (B) 44 (C) 76 (D) 84。
2. 若f (x , y ) 是二维随机变量(X , Y ) 的密度函数,则(X , Y ) 关于X 的边缘分布密度函数为( ). (A )⎰
+∞f (x , y ) dx ;
(B )-∞
⎰
+∞f (x , y ) dy ; (C )
-∞
⎰
y f (x , y ) dx ; (D )x -∞
⎰
-∞
f (x , y ) dx .
3. 已知随机变量X 服从二项分布, 且
E (X ) =2.4, D (X ) =1.68, 则二项分布的参数n , p 的值为( ).
(A)n =4, p =0.6; (B)n =8, p =0.3; (C)n =7, p =0.3; (D)n =5, p =0.6. 4. 设随机变量X ~N (0, 1), Y =2X +1, 则Y 服从( ). (A )N (1, 4); (B )N (0, 1); (C )N (1, 1); (D )N (1, 2) . 5. 若f (x , y ) 是二维随机变量(X , Y ) 的密度函数,则(X , Y ) 关于X 的边缘分布密度函数为( ).
(A )⎰+∞f (x , y ) dx ; (B )⎰+∞
f (x , y ) dy ; (C )-∞-∞
⎰y
f (x , y ) dy ; (D )y f (x , y ) dx . -∞⎰-∞6. 设X 的为随机变量,则E (2X -3) =( ).
(A )2E (X ) (B )4E (X ) -3 (C )/*+ (D )2E (X ) -3
7. 设总体X ~N (μ, σ2), X 1, X 2, , X n 是总体X 的
样本,下列结论不正确的是( ).
(A )-μ
σ/n
~N (0, 1) (B )1n σ2
∑(X i -μ) 2~χ2
(n -1) i =1
(C )-μS /n ~t (n -1) (D )1∞σ2∑(X i
-) 2~χ2
(n -1) i =18. 设是来自总体N (μ21, σ1) 的容量为m 的样本
的样本均值,是来自总体N (μ22, σ2) 的容量为n
的样本的样本均值,两个总体相互独立,则下列结
论正确的是( ).
(A )-~N (μσ22
11-μ2, m -σ2
n
) (B )+~N (μσ22
1σ2
1-μ2, m -n )
σ22
(C )+~N (μ11-μ2,
m +σ2
n ) (D )-~N (μσ2σ2
12
1-μ2, m +n )
9. 设总体X ~N (μ, σ2
), X 1, X 2, , X n 是来自总体
X 的样本,则P {
-μ
σ/n
(A )0.975; (B )0.025; (C )0.95; (D )0.05.
10. 设总体X 的均值为[0, a ]上服从均匀分布,其中a >0未知,则a 的极大似然估计量为( ).
(A )μ
ˆ11=2X 1
1+3X 2 (B )μ
ˆ111
2=2X 1+6X 2+3
X 3 (C )μ
ˆ111
3=4X 1+2X 2+3X 3 (D )μ
ˆ=12143X 1+3X 2+3
X 3 11. 设总体X ~N (μ, σ2) ,σ2未知,检验假设
H 0:μ=μ0所用的检验统计量为( ). (A -μ0-μ2
0(n -1) S σ/n (B S /n
(C σ2 (D )1n σ2∑(X i -μ) 2 i =1
12. 设随机变量X ~N (0, 1), Y =2X +1, 则Y 服从( )
. (A )N (1, 4); (B )N (0, 1); (C )N (1, 1); (D )N (1, 2) . 三、计算题 1. 两台车床加工同样的零件,第一台出现废品的
概率为0.03,第二台出现废品的概率为0.02,加
工出来的零件放在一起,并且已知第一台加工的零件比第二台加工的零件多一倍.
(1)求任意取出的一个零件是合格品的概率; (2)如果任取的一个零件是废品,求它是第二台车床加工的概率. 2. 某商店成箱出售玻璃杯,每箱20只,假设各箱
中有0,1,2只残次品的概率依次为0.8,0.1,0.1;一顾客欲购一箱玻璃杯,在购买时,售货员随机地取一箱,而顾客随机地察看该箱中的4只玻璃杯,若无残次品,则买下该箱玻璃杯,否则退回,求 (1)顾客买下该箱玻璃杯的概率; (2)在顾客买下的一箱中确实没有残次品的概率. 3.
又Y =X (1)求Y 的概率分布及E (Y ) ,D (Y ) . (2)求相关系数ρXY ,问X 与Y 是否不相关?是否独立?
4. 在4重伯努力试验中,已知事件A 至少出现一次的概率为0.5,求在一次试验中事件A 出的概率. 5. 一批产品由9个正品和3个次品组成,从这批产品中每次任取一个,取后不放回,直到取到正品为止,用X 表示取到的次品个数,写出X 的概率分布及分布函数.
6. 设随机变量(X , Y ) 的概率密度为
f (x , y ) =⎧⎨
C e -(3x +4y ) , x >0, y >0
⎩
0, 其他 试求:(1)常数C ; (2)P {0
⎧0x ≤-a ; F (x ) =⎪,
⎨A +B arcsin x
⎪
a , -a
⎩1,
x ≥a 求:(1)常数A ,B ;(2)随机变量X 落在(-a a
2, 2
)
内的概率;(3)X 的概率密度函数. 8. 已知随机变量X 的概率密度为
⎧e -x f (x ) =⎨, x >0, 求随机变量⎩0, x ≤0⋅Y =X 2的概率分布.
9. 一口袋中装有4个球,依次标有1,2,2,3.今从口袋中任取1球,取后不放回,再从口袋中任取1球.以X 和Y 分布记第一次、第二次取得的球上标有的数字,求(1)(X , Y ) 的概率分布;(2)概率P {X +Y ≥4}.
10. 已知二维随机变量(X , Y ) 的概率密度为
, y ) =⎧⎨
λe -(2x +y ) f (x , x >0, y >0,
⎩0,
其他求(1)常数λ;(2)(X , Y ) 的分布函数. 11. 设(X , Y ) 的分布函数为
F (x , y ) =A (B +x
y 2)(C +3
)
求(1)常数A , B , C ;(2)(X , Y ) 的密度函数;(3)
(X , Y ) 关于X 、关于Y 的边缘分布函数;
(4)问X 与Y 是否相互独立?
12. 设随机变量X 的概率密度为
f (x ) =⎧⎨e -x , x >0⎩0, x ≤0
求(1)Y =2X ,(2)Y =e -2X 的数学期望.
13. 一台设备由三大部件构成,在该设备运转中各部件需要调整的概率分别为0.1,0.2,0.3.假设各部件的状态相互独立,以X 表示需要调整的部件数,求X 的概率分布,数学期望和方差.
14. 某种电子元件的寿命服从均值为100小时的指数分布,现随机取出16只,设它们的寿命相互独立,求这16只元件的寿命的和大于1920小时的概率.
15. 设总体X 的概率密度函数为
f(x)=(α+1)x α,0
16. 设总体X 的数学期望E (X ) =μ,方差
D (X ) =σ2, X 1, X 2, , X n 是来自总体X 的样本,
记Y =1n
n ∑(X i -μ) 2,求E (Y ) .
i =1
17. 某工厂生产一批铆钉,现要检验铆钉头部直径,从这批产品中随机抽取12只,测得头部直径(单位:mm )如下:
13.30, 13.38, 13.40, 13.43, 13.32, 13.48,
13.54, 13.31, 13.34, 13.47, 13.44, 13.55.
设铆钉头部直径X 服从正态分布N (μ, σ2) ,试求μ与σ2的矩估计值.
18. 从正态总体N (μ, σ2) 中抽取容量为5的样本值:
1.86, 3.22, 1.46, 4.01, 2.64,
(1)已知μ=3,求σ2的置信水平为0.95的置信区间;
(2)若μ未知,求σ2的置信水平为0.95的置信区间.
19. 设总体X 服从参数为θ的指数分布,即X 的概率密度为
⎧f (x ) =⎪
1-x
⎨θθe , x >0,
⎪⎩0,
x ≤0, 其中θ>0为未知,X 1, X 2, , X n 为X 的一个样本,求θ的矩估计量和最大似然估计量.