没有合适的资源?快使用搜索试试~ 我知道了~
概率和统计公式大全.pdf
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
5星 · 超过95%的资源 1 下载量 86 浏览量
2022-11-04
12:02:41
上传
评论
收藏 801KB PDF 举报
温馨提示
试读
21页
。。。
资源推荐
资源详情
资源评论
第一章 随机事件和概率
(1)排列组
从 m 个人中挑出 n 个人进行排列的可能数。
合公式
从 m 个人中挑出 n 个人进行组合的可能数。
加法原理(两种方法均能完成此事):m+n
某件事由两种方法来完成,第一种方法可由m 种方法完成,第二种方法可由n 种
(2)加法和
方法来完成,则这件事可由 m+n 种方法来完成。
乘法原理
乘法原理(两个步骤分别不能完成这件事):m×n
某件事由两个步骤来完成,第一个步骤可由 m 种方法完成,第二个步骤可由 n 种方
法来完成,则这件事可由 m×n 种方法来完成。
重复排列和非重复排列(有序)
(3)一些常见
对立事件(至少有一个)
排列
顺序问题
如果一个试验在相同条件下可以重复进行,而每次试验的可能结果不止一个,但
(4)随机试验
在进行一次试验之前却不能断言它出现哪个结果,则称这种试验为随机试验。
和随机事件
试验的可能结果称为随机事件。
在一个试验下,不管事件有多少个,总可以从其中找出这样一组事件,它具有如下
性质:
①每进行一次试验,必须发生且只能发生这一组中的一个事件;
②任何事件,都是由这一组中的部分事件组成的。
(5)基本事
这样一组事件中的每一个事件称为基本事件,用 来表示。
件、样本空间
基本事件的全体,称为试验的样本空间,用 表示。
和事件
一个事件就是由 中的部分点(基本事件 )组成的集合。通常用大写字母
A,B,C,
…
表示事件,它们是 的子集。
为必然事件,Ø 为不可能事件。
不可能事件(Ø)的概率为零,而概率为零的事件不一定是不可能事件;同理,必然
事件(Ω)的概率为1,而概率为1的事件也不一定是必然事件。
①关系:
如果事件 A 的组成部分也是事件
B
的组成部分,(
A
发生必有事件
B
发生):
(6)事件的
关系与运算
如果同时有 , ,则称事件
A
与事件
B
等价,或称
A
等于
B
:
A=B
.
A、B
中至少有一个发生的事件:
A B
,或者
A
+
B
.
属于
A
而不属于
B
的部分所构成的事件,称为
A 与 B
的差,记为
A-B
,也可表示为
A
—
AB
或者 ,它表示
A
发生而
B
不发生的事件。
A、B
同时发生:
A B
,或者
AB
.A B=Ø,则表示 A 与 B 不可能同时发生,称事件 A 与
事件 B 互不相容或者互斥。基本事件是互不相容的.
—A 称为事件 A 的逆事件,或称 A 的对立事件,记为 。它表示 A 不发生的事件.互
斥未必对立。
②运算:
结合率:A(BC)=(AB)C A∪(B∪C)=(A∪B)∪C
分配率:(AB)∪C=(A∪C)∩(B∪C) (A∪B)∩C=(AC)∪(BC)
德摩根率: ,
设 为样本空间, 为事件,对每一个事件 都有一个实数 P(A),若满足下列三个条
件:
1° 0≤P(A)≤1,
2° P(Ω) =1
(7)概率的公
理化定义
3° 对于两两互不相容的事件 , ,…有
常称为可列(完全)可加性。
则称 P(A)为事件 的概率。
1° ,
2° 。
(8)古典概
设任一事件 ,它是由 组成的,则有
型
P(A)
= =
若随机试验的结果为无限不可数并且每个结果出现的可能性均匀,同时样本空间
则称此随机试验为几何概型。
( 9) 几 何 概
中的每一个基本事件可以使用一个有界区域来描述,
对任一事件 A,
型
。其中 L 为几何度量(长度、面积、体积)。
(10) 加 法 公
P(A+B)=P(A)+P(B)-P(AB)
式
当 P(AB)=0时,P(A+B)=P(A)+P(B)
(11) 减 法 公
P(A-B)=P(A)—P(AB)
式
当 B A 时,P(A-B)=P(A)-P(B)
当 A=Ω 时,P( )=1- P(B)
定义 设 A、B 是两个事件,且 P(A)〉0,则称 为事件 A 发生条件下,事件 B 发生的
条件概率,记为 。
(12)条件概
率 条件概率是概率的一种,所有概率的性质都适合于条件概率。
例如 P(Ω/B)=1 P( /A)=1-P(B/A)
乘法公式:
(13)乘法公
更一般地,对事件 A1,A2,…An,若 P(A1A2…An—1)〉0,则有
式
… …… … 。
①两个事件的独立性
设事件 、 满足 ,则称事件 、 是相互独立的。
若事件 、 相互独立,且 ,则有
若事件 、 相互独立,则可得到 与 、 与 、 与 也都相互独立。
必然事件 和不可能事件 Ø 与任何事件都相互独立。
(14)独立性Ø 与任何事件都互斥。
②多个事件的独立性
设 ABC 是三个事件,如果满足两两独立的条件,
P(AB)=P(A)P(B);P(BC)=P(B)P(C);P(CA)=P(C)P(A)
并且同时满足 P(ABC)=P(A)P(B)P(C)
那么 A、B、C 相互独立。
对于 n 个事件类似。
设事件 满足
1° 两两互不相容, ,
(15)全概公
2° ,
式
则有
。
设事件 , ,…, 及 满足
(16)贝叶斯
1° , ,…, 两两互不相容, >0, 1,2,…, ,
公式
2° , ,
则
,i=1,2,…n.
此公式即为贝叶斯公式。
,( , ,…, ),通常叫先验概率。 ,( , ,…, ),通常称为后验概率.贝叶斯
公式反映了“因果"的概率规律,并作出了“由果朔因”的推断。
我们作了 次试验,且满足
u 每次试验只有两种可能结果, 发生或 不发生;
u 次试验是重复进行的,即 发生的概率每次均一样;
u 每次试验是独立的,即每次试验 发生与否与其他次试验 发生与否是互
(17)伯努利
不影响的。
概型
这种试验称为伯努利概型,或称为 重伯努利试验。
用 表示每次试验 发生的概率,则 发生的概率为 ,用 表示 重伯努利试验中
出现 次的概率,
, 。
第二章 随机变量及其分布
(1)离散型 设离散型随机变量 的可能取值为 Xk(k=1,2,…)且取各个值的概率,即事件(X=Xk)
随机变量的 的概率为
分布律
P(X=xk)=pk,k=1,2,…,
则称上式为离散型随机变量 的概率分布或分布律。有时也用分布列的形式给出:
.
显然分布律应满足下列条件:
(1) , , (2) 。
(2)连续型设 是随机变量 的分布函数,若存在非负函数 ,对任意实数 ,有
随机变量的
,
分布密度
则称 为连续型随机变量。 称为 的概率密度函数或密度函数,简称概率密度。
密度函数具有下面4个性质:
1° .
2° 。
(3)离散与
连续型随机
积分元 在连续型随机变量理论中所起的作用与 在离散型随机变量理论中所起的
变量的关系 作用相类似。
(4)分布函设 为随机变量, 是任意实数,则函数
数
称为随机变量 X 的分布函数,本质上是一个累积函数。
可以得到 X 落入区间 的概率。分布函数 表示随机变量落入区间(– ∞,x]内的
概率。
分布函数具有如下性质:
1° ;
2° 是单调不减的函数,即 时,有 ;
3° , ;
4° ,即 是右连续的;
5° .
对于离散型随机变量, ;
对于连续型随机变量, 。
(5)八大分
0-1分布
布
二项分布
P(X=1)=p, P(X=0)=q
在 重贝努里试验中,设事件 发生的概率为 . 事件 发生的次数是随
机变量,设为 ,则 可能取值为 。
, 其中 ,
则称随机变量 服从参数为 , 的二项分布.记为 。
当 时, , ,这就是(0—1)分布,所以(0-1)分布是二项分布的特
例.
泊松分布 设随机变量 的分布律为
, , ,
则称随机变量 服从参数为 的泊松分布,记为 或者 P( ).
泊松分布为二项分布的极限分布(np=λ,n→∞).
超几何分布
随机变量 X 服从参数为 n,N,M 的超几何分布,记为H(n,N,M)。
几何分布 ,其中 p≥0,q=1—p.
剩余20页未读,继续阅读
资源评论
- sinat_418077172023-10-24资源是宝藏资源,实用也是真的实用,感谢大佬分享~
G11176593
- 粉丝: 6670
- 资源: 3万+
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功