考研数学一概率论与数理统计公式整理

1第1章随机事件及其概率（1）排列组合公式)!(!nmmPnm从m个人中挑出n个人进行排列的可能数。)!(!!nmnmCnm从m个人中挑出n个人进行组合的可能数。（2）加法和乘法原理加法原理（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种方法来完成，则这件事可由m+n种方法来完成。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。（6）事件的关系与运算②运算：结合率：A(BC)=(AB)CA∪(B∪C)=(A∪B)∪C分配率：(AB)∪C=(A∪C)∩(B∪C)(A∪B)∩C=(AC)∪(BC)德摩根率：BABA，BABA（7）概率的公理化定义设为样本空间，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)=13°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。（8）古典概型1°n21,，2°nPPPn1)()()(21。设任一事件，它是由m21,组成的，则有P(A)=)()()(21m=)()()(21mPPPnm基本事件总数所包含的基本事件数A（9）几何概型)()()(LALAP。其中L为几何度量（长度、面积、体积）。（10）加法公式P(A+B)=P(A)+P(B)-P(AB)当P(AB)＝0时，P(A+B)=P(A)+P(B)（11）减法公式P(A-B)=P(A)-P(AB)当BA时，P(A-B)=P(A)-P(B)11iiiiAAAA1A2A11)(iiiiAPAPAA2当A=Ω时，P(B)=1-P(B)（12）条件概率定义设A、B是两个事件，且P(A)0，则称)()(APABP为事件A发生条件下，事件B发生的条件概率，记为)/(ABP)()(APABP。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(B/A)=1-P(B/A)（13）乘法公式乘法公式：)/()()(ABPAPABP更一般地，对事件A1，A2，…An，若P(A1A2…An-1)0，则有…………。（14）独立性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。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。（15）全概公式设事件满足1°两两互不相容，，2°，则有。（16）贝叶斯公式设事件，，…，及满足1°，，…，两两互不相容，0，1，2，…，，2°，，则njjjiiiBAPBPBAPBPABP1)/()()/()()/(，i=1，2，…n。此公式即为贝叶斯公式。21(AAP)nA)|()|()(213121AAAPAAPAP21|(AAAPn)1nAAB)()()(BPAPABPABAB0)(AP)()()()()()()|(BPAPBPAPAPABPABPABABABABnBBB,,,21nBBB,,,21),,2,1(0)(niBPiniiBA1)|()()|()()|()()(2211nnBAPBPBAPBPBAPBPAP1B2BnBA1B2BnB)(BiPinniiBA10)(AP3)(iBP，（，，…，），通常叫先验概率。)/(ABPi，（，，…，），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。（17）伯努利概型我们作了次试验，且满足每次试验只有两种可能结果，发生或不发生；次试验是重复进行的，即发生的概率每次均一样；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不影响的。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，，。1i2n1i2nnAAnAAAnpAAqp1)(kPnnA)0(nkkknkknnqpkPC)(nk,,2,1,04第二章随机变量及其分布（1）离散型随机变量的分布律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)的概率为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）连续型随机变量的分布密度设是随机变量的分布函数，若存在非负函数，对任意实数，有，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）离散与连续型随机变量的关系dxxfdxxXxPxXP)()()(积分元dxxf)(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作用相类似。XX,,,,,,,,|)(2121kkkpppxxxxXPX0kp,2,1k11kkp)(xFX)(xfxxdxxfxF)()(X)(xfX0)(xf1)(dxxfkkpxXP)(5（4）分布函数设X为随机变量，x是任意实数，则函数)()(xXPxF称为随机变量X的分布函数，本质上是一个累积函数。)()()(aFbFbXaP可以得到X落入区间],(ba的概率。分布函数)(xF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°,1)(0xFx；2°)(xF是单调不减的函数，即21xx时，有)(1xF)(2xF；3°0)(lim)(xFFx，1)(lim)(xFFx；4°)()0(xFxF，即)(xF是右连续的；5°)0()()(xFxFxXP。对于离散型随机变量，xxkkpxF)(；对于连续型随机变量，xdxxfxF)()(。（5）八大分布0-1分布P(X=1)=p,P(X=0)=q6二项分布在n重贝努里试验中，设事件A发生的概率为p。事件A发生的次数是随机变量，设为X，则X可能取值为n,,2,1,0。knkknnqpCkPkXP)()(，其中nkppq,,2,1,0,10,1，则称随机变量X服从参数为n，p的二项分布。记为),(~pnBX。当1n时，kkqpkXP1)(，1.0k，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X的分布律为ekkXPk!)(，0，2,1,0k，则称随机变量X服从参数为的泊松分布，记为)(~X或者P()。泊松分布为二项分布的极限分布（np=λ，n→∞）。7均匀分布设随机变量的值只落在[a，b]内，其密度函数在[a，b]上为常数ab1，即,0,1)(abxf其他，则称随机变量在[a，b]上服从均匀分布，记为X~U(a，b)。分布函数为当a≤x1x2≤b时，X落在区间（）内的概率为abxxxXxP1221)(。指数分布其中，则称随机变量X服从参数为的指数分布。X的分布函数为记住积分公式：!0ndxexxnX)(xfXxdxxfxF)()(21,xx00，xa，a≤x≤b,abax1，xb。a≤x≤b)(xf,,xe0x0,,0x)(xF,,1xe0xx0。,08正态分布设随机变量的密度函数为222)(21)(xexf，，其中、为常数，则称随机变量服从参数为、的正态分布或高斯（Gauss）分布，记为。具有如下性质：1°的图形是关于对称的；2°当时，21)(f为最大值；若，则的分布函数为。。参数、时的正态分布称为标准正态分布，记为，其密度函数记为，x，分布函数为xtdtex2221)(。是不可求积函数，其函数值，已编制成表可供查用。Φ(-x)＝1-Φ(x)且Φ(0)＝21。如果X~),(2N，则X~)1,0(N。1221)(xxxXxP。下分位表：＝)(XP；上分位表：＝)(XP。Xx0X),(~2NX)(xf)(xfxx),(~2NXXdtexFxt222)(21)(01)1,0(~NX2221)(xex)(x9离散型已知X的分布列为，,,,,,,,,)(2121nnipppxxxxXPX)(XgY的分布列（)(iixgy互不相等）如下：,,,,),(,),(),()(2121nnipppxgxgxgyYPY，若有某些)(ixg相等，则应将对应的ip相加作为)(ixg的概率。10第三章二维随机变量及其分布（1）联合分布离散型如果二维随机向量（X，Y）的所有可能取值为至多可列个有序对（x,y），则称为离散型随机量。设=（X，Y）的所有可能取值为),2,1,)(,(jiyxji，且事件{=),(jiyx}的概率为pij,,称),2,1,()},(),{(jipyxYXPijji为=（X，Y）的分布律或称为X和Y的联合分布律。联合分布有时也用下面的概率分布表来表示：YXy1y2…yj…x1p11p12…p1j…x2p21p22…p2j…xipi1…ijp…这里pij具有下面两个性质：（1）pij≥0（i,j=1,2,…）；（2）.1ijijp连续型对于二维随机向量),(YX，如果存在非负函数),)(,(yxyxf，使对任意一个其邻边分别平行于坐标轴的矩形区域D，即D={(X,Y)|axb,cyd}有DdxdyyxfDYXP,),(}),{(则称为连续型随机向量；并称f(x,y)为=（X，Y）的分布密度或称为X和Y的联合分布密度。分布密度f(x,y)具有下面两个性质：（1）f(x,y)≥0;（2）.1),(dxdyyxf（2）二维随机变量的本质)(),(yYxXyYxX11（3）联合分布函数设（X，Y）为二维随机变量，对于任意实数x,y,二元函数},{),(yYxXPyxF称为二维随机向量（X，Y）的分布函数，或称为随机变量X和Y的联合分布函数。分布函数是一个以全平面为其定义域，以事件})(,)(|),{(2121yYxX的概率为函数值的一个实值函数。分布函数F(x,y)具有以下的基本性质：（1）;1),(0yxF（2）F（x,y）分别对x和y是非减的，即当x2x1时，有F（x2,y）≥F(x1,y);当y2y1时，有F(x,y2)≥F(x,y1);（3）F（x,y）分别对x和y是右连续的，即);0,(),(),,0(),(yxFyxFyxFyxF（4）.1),(,0),(),(),(FxFyFF（5）对于，，2121yyxx0)()()()(11211222yxFyxFyxFyxF，，，，.（4）离散型与连续型的关系dxdyyxfdyyYydxxXxPyYxXP)()()(，，，（5）边缘分布离散型X的边缘分布为),2,1,()(jipxXPPijjii；Y的边缘分布为),2