考研数学概率论总结分析(强烈推荐-).doc

''考研数学概率论部分重难点总结考研数学概率论部分重难点总结概率论是考研数学必须全得的分数，其实概率论也是考验数学三驾马车中最简单的一门， 代数是最难的一门，因此，学好概率论是考验数学的必须部分。下面进行总结1.11.1 概率这门课的特点概率这门课的特点与线性代数一样，概率也比高数容易，花同样的时间复习概率也更为划算。但与线 代一样，概率也常常被忽视，有时甚至被忽略。一般的数学考研参考书是按高数、线代、 概率的顺序安排的，概率被放在最后，复习完高数和线代以后有可能时间所剩无多；而且 因为前两部分分别占 60%和 20 的分值，复习完以后多少会有点满足心理；这些因素都可能 影响到概率的复习。 概率这门课如果有难点就应该是“记忆量大” 。在高数部分，公式、定理和性质虽然 有很多，但其中相当大一部分都比较简单，还有很多可以借助理解来记忆；在线代部分， 需要记忆的公式定理少，而需要通过推导相互联系来理解记忆的多，所以记忆量也不构成 难点；但是在概率中，由大量的概念、公式、性质和定理需要记清楚，而且若靠推导来记 这些点的话，不但难度大耗时多而且没有更多的用处（因为概率部分考试时对公式定理的 内在推导过程及联系并没有什么要求，一般不会在更深的层次上出题） 。 记得当初看到陈文灯复习指南概率部分第二章随机变量及其分布 、第三章随机 变量的数字特征中在每章开始列出的那些大表格时，感觉其中必然会有很多内容是超纲 的、不用细看；但后来复习时才发现，可以省略不看的内容少之又少，由大量的内容需要 记忆。所以对于概率部分相当多的内容都只能先死记硬背，然后通过足量做题再来牢固掌 握，走一条“在记忆的基础上理解”的路。 记牢公式性质，同时保证足够的习题量，考试时概率部分 20%的分值基本上就不难拿 到了。1.21.2 概率第一章概率第一章随机事件和概率随机事件和概率本章内容在历年真题中都有涉及，难度一般不大。虽然对于本章中的古典概型可以 出很难的题目，但大纲的要求并不高，考试时难题很少。填空、选择常考关于事件概率运算的题目，大多围绕形如、)()(BAPABP)|()|(ABPABP这样的式子利用各种概率运算公式求解；其它内容如全概率公式和贝)(CBAP叶斯公式在小题中和大题中都有可能考到。 在“概率事件的关系及运算”部分有很多公式可以借助画集合运算图来辅助做题，比如事件若与事件有包含关系，则可作图长方形内的点ABAB 都属于的范围，圆形则代表的范围。这样一来即易看出事件包含关系的定义BA“发生时必发生，发生时不一定发生” ；ABBA''事件与的并可作图，则是、两ABBABAAB个圆形（包含相交部分） ，对于这个大图形中的任意一点来说，不是属于就是属于，AB体现了 “事件与至少有一个发生”的定义；同理，事件与的差BAABAB表示事件与同时发生，在上图中所有满足条件的点组成了两圆相交的那一BAAB部分。 对于其它的概率运算公式也可用图辅助理解，有的题甚至可以直接通过作图来得到 答案。如公式)()()()()()()()(ABCPACPBCPABPCPBPAPCBAP可以借助右图表示公式左端的等于、)(CBAPA、三个圆形各自互不相交的三部分再加上四小部分，而公式右端中的BCdcba,代表的区域包括、各自互不相交的三部分)()()(CPBPAPABC，比左端多加了一次和两次，这时等式是不平)2222(dcbacba,d衡的；再减去即是)()()(ACPBCPABP，与公式左端所代表cbadcdadcba)()(3222的图形相比只少了一块，加上即可，故再加后等式成立。d)(ABCP区别互斥、互逆、对立与不相容：事件与事件互斥也叫与不相容，即ABAB，事件与事件对立就是与互逆，即为与的关系。 BAABABAA公式组在历年考研真题中频繁用到， )3(),()()()()2()|()()() 1 ()()()(相互独立BABPAPABPABPAPABPBAPAPABP''很多题利用这三个公式间的相互转化关系很容易求得答案。这三个公式的含义从直观上就能理解：公式（1）表示事件、同时发生的概率等于发生的概率减去发生而ABAA不发生的概率；（2）式表示事件、同时发生的概率等于发生的概率乘以在BABA发生的条件下也发生的概率；当、相互独立时，也就是指事件与事件ABABA的发生互不影响，此时应该有、所以B)()|(BPABP)()|(APBAP由（2）式即可得出（3）式。出题人)()()|()()(BPAPABPAPABP从这三个公式意义上的相通性出发可以很灵活地构造题目，在后面的评题中会对这个知识 点作更具体的讨论。1.31.3 第二章第二章随机变量及其分布随机变量及其分布 、第三章、第三章随机变量的数字特征随机变量的数字特征 、第四章、第四章大数定律和大数定律和 中心极限定理中心极限定理对于这一部分的复习可说的东西不多，因为在考试中出现的概率题目其实有相当大 一部分难度是被解题所用的繁杂公式“分走”了，既然理解、掌握和牢记公式本身就不容 易，那么题目的结构相对而言就要简单一些，我们甚至会发现历年真题中的有的题就像是 课本上的例题一样。 这种情况有点像我们在英语考试中作阅读理解题，问题本身的含义并不复杂，难就 难在文章中的单词“似曾相识”和句子看不懂上。而英国学生考“语文”时做的阅读理解 问题肯定要比我们遇到的题目要复杂深入的多因为考察的重点不一样。所以对于概率 部分的复习，有两个步骤即可：首先是牢记公式，然后是把题做熟,在练习过程中透彻理解 概念公式和性质定理。 陈文灯复习指南概率第二、三章把知识点列成了大表格，所有东西一目了然，复习 时用来记忆和对比很方便。对于第二章的大表格也可以利用各部分之间的联系来对照复习， 比如说二维分布的性质基本上与一维分布的性质一一对应（类似于二重积分和定积分性质 之间的关系） ，二维边沿分布的内容与一维分布本质上也是相通的，离散型和连续型分布的 各知识点也可互相对比、区别记忆。也就是“一维和二维相联系、离散和连续相对比、随 机变量分布和随机变量函数的分布相区别” 。 同时对于重要分布如二项、泊松、正态、均匀、指数分布必需记得非常牢，因为考 试时会直接拿这些分布做题干来考察各章知识点，万一出现“由于题干中的分布函数不会 写或写错而导致整道大题知道怎么做也没法做”的情况将是非常可惜的。 本章的一维连续分布和二维离散分布在历年真题中出现频率最高，最常考分布是均 匀、指数和正态分布。对于一维连续型分布的性质可借助图像理解''因为分布函数，所以分)()(xXPdxxxFbxXPbxaP别可用图中的阴影部分表示，容易看出多条性质，包括、1)(dxx等；而且在具体做题时)()()()(122121xFxFdxxxxxPxx用图像辅助理解也很有效，比如频繁在真题中出现的正态分布，作图辅助解题的效果更为 明显。 陈文灯复习指南第三章随机变量的数字特征也是用表格说话的，同样需要认真 记好。本章在历年真题中最常出现的题目考察点是几个重点公式，尤其是式子，大小题都可能利用这一)()()()(222XEXEXEXEXD式子的左端或右端出题而以另一端设置答案。还有数学期望与方差的定义及EXDX性质也是考察重点，可由下表对比记忆：数学期望EX方差DX（连xdxxxEX)(续型）)()(22xExEDXccE)(0)(cD)()(XcEcXE)()(2XDccXDcXEcXE)()()()(XDcXD'')()()(YEXEYXE)()()(YEXEYXE),cov(2)()()(YXYDXDYXD若、相互独立，则有XY、)()()(YDXDYXD（历年真题不止一次利)()()(YDXDYXD用这个点作为填空和选择题中的小陷阱，因为一不留神就会写成，正如)()()(YDXDYXD一样，但实际上)()()(YEXEYXE）),cov(2)()()(YXYDXDYXD若、相互独立，则有XY)()()(YEXEXYE无对应性质DX若、相互独立则同时具有以下 4 条性质：1. XY2.3. )()()(YEXEXYE)()()(YDXDYXD4. ，利用各式定义可以推导出来。0),(yx0),cov(yx考试大纲对第四章大数定理和中心极限定理的要求是：“了解切比雪夫不等式， 了解切比雪夫大数定律、伯努利大数定律、辛钦大数定律，了解格林定理和林莫佛定理” 。 这三个“了解”在历年真题中的体现就是本章内容几乎是不考的，只出现过直接考察公式 定义的小题。同时本章的几个公式、定理也不好记，推导就更不是什么简单任务了。即便 如此，以上的信息也还是不能成为放弃这一章的理由，因为对于这样“又难、大纲要求又 低”的知识点考试时出题的深度也会是最浅的。 如在真题中出现过的一个本章的填空题几乎就是直接考察切比雪夫不等式的公式本 身，这样的情况对于难度低的知识点和重要知识点来说是绝不可能出现的，比如若你在 06年考研数学试卷上见到一道填空题是让填出这个公式的话，)()(22xExEDX那你肯定是把题义理解错了。 所以花时间记住这几个公式其实是比较划算的，因为如果考试出一道有关的填空题， 4 分的得失将完全取决于记没记住公式。这样的 4 分当然要比在大题中绞尽脑汁得到的 4 分好拿的多。从另一方面说，这些定理也是可以理解的：本章所有的大数定理都是指在独 立同分布且存在数学期望的条件下若干随机变量的平均值依概率收敛到均值的期望，即。因为独立同分布，所以有， niniiP iXnEXn11)1(1iX)(iXE''故有公式右侧，应有 niiXnEnXEn1)(1)(1，即为辛钦大数定律；若用表示在 n 重伯努利1)1(lim1 niinXnPnY试验中事件的发生次数则可得到伯努利大数定律。通A1)(lim PnYPnn过以上的分析可以减少一些死记硬背的难度。1.41.4 概率第五章概率第五章数理统计的基本概念数理统计的基本概念 、第六章、第六章参数估计参数估计 、第七章、第七章假设检验假设检验数理统计部分在考研数学试卷中占有概率部分 1/3 的分值，这一部分考点较少，参 数估计最为重要，其次是样本与抽样分布，假设检验部分则很少考到。 对于参数估计部分，需要记清楚据估计和极大似然估计各自的步骤，然后通过足量做题来熟练掌握；对于样本与抽样分布，重要的是分布、t 分布和 F 分布各自的条件和2结论公式 ，在历年真题中考察过； 对于假设检验，大纲要求为：“1.理解显著性检验的基本思想，掌握假设检验的基 本步骤，了解假设检验可能产生的两类错误” 。可见大纲对于假设检验的要求还是较高的， 但往年出题不多，不知道会不会在以后的考试中加大考察力度。 概率这门课的全称是概率论和数理统计，数理统计是对概率论的实际应用，而概率 论则充当了理论基础的角色。数理统计中的统计量如样本均值、样本方差等的概念性质都 能在概率论中找到出发点。其实，数理统计就是一个先对随机变量做实际观测得到一系列 具体数据，再利用“样本与抽样分布”部分的公式归纳出样本均值、方差等统计量，在此 基础上利用参数估计等方法推断出随机变量整体分布和数学特征的过程。 参数估计中的矩 估计法就是令总体矩与样本矩相等，建立等式以求出总体矩；极大似然估计中的似然函数就是指样本取观察值的概率)(L),(21nXXX ),(21nxxx ，自然应等于，其值越大),(2211nnxXxXxXP niixf1),(就说明越有利于使者组样本值出现，故极大似然估计法要求求出使取最大值的)(L作为参数的估计量。分析理解一下概率论和数理统计的前后联系可以起到“在大脑中进行数据压缩”的作用， 而且这两部分的题目应该可以相互结合，从近年来的真题中可以隐隐约约感受到这种趋势。''1.51.5知识点总结知识点总结第 1 章 随机事件及其概率（1）排列 组合公式从 m 个人中挑出 n 个人进行排列的可能数。)!(! nmmPn m从 m 个人中挑出 n 个人进行组合的可能数。)!( ! nmnmCn m（2）加法 和乘法原 理加法原理（两种方法均能完成此事）：加法原理（两种方法均能完成此事）：m+nm+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）：乘法原理（两个步骤分别不能完成这件事）：m×nm×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。（3）一些 常见排列重复排列和非重复排列（有序） 对立事件（至少有一个） 顺序问题（4）随机 试验和随 机事件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。 试验的可能结果称为随机事件。（5）基本 事件、样 本空间和 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： 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； 任何事件，都是由这一组中的部分事件组成的。 这样一组事件中的每一个事件称为基本事件，用来表示。 基本事件的全体，称为试验的样本空间，用表示。 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（）的概率为 1，而概率为 1 的事件也不一定是必然事件。（6）事件 的关系与 运算关系： 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）： BA 如果同时有，则称事件A与事件B等价，或称A等于BA AB B：A=B。A、B中至少有一个发生的事件：AB，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。BAA、B同时发生：AB，或者AB。AB=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A。它表示 A 不发生的事件。互斥未必对立。 运算：结合率：A(BC)=(AB)C A(BC)=(AB)C分配率：(AB)C=(AC)(BC) (AB)C=(AC)(BC)德摩根率：11iiiiAA，BABABABA（7）概率 的公理化 定义设为样本空间，A为事件，对每一个事件A都有一个实数 P(A)，若 满足下列三个条件： 1° 0P(A)1， 2° P() =1 3° 对于两两互不相容的事件1A，2A，有 11)(iiiiAPAP常称为可列（完全）可加性。 则称 P(A)为事件A的概率。（8）古典 概型1° ，n21,2° 。nPPPn1)()()(21设任一事件A，它是由组成的，则有m21, P(A)= =)()()(21m)()()(21mPPPnm基本事件总数所包含的基本事件数A（9）几何 概型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 空间中的每一个基本事件可以使用一个有界区域来描述，则称此随机试验为 几何概型。对任一事件 A，。其中 L 为几何度量（长度、面积、体积） 。)()()(LALAP（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 BA 时，P(A-B)=P(A)-P(B)当 A= 时，P()=1- P(B)B''（12）条 件概率定义 设 A、B 是两个事件，且 P(A)>0，则称为事件 A 发生条件下，)()( APABP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(/B)=1P(/A)=1-P(B/A)B（13）乘 法公式乘法公式：)/()()(ABPAPABP 更一般地，对事件 A1，A2，An，若 P(A1A2An-1)>0，则有21(AAP)nA)|()|()(213121AAAPAAPAP21|(AAAPn )1nA。（14）独 立性两个事件的独立性两个事件的独立性设事件A、B满足)()()(BPAPABP，则称事件A、B是相互独立 的。若事件A、B相互独立，且0)(AP，则有)()()()( )()()|(BPAPBPAP APABPABP若事件A、B相互独立，则可得到A与B、A与B、A与B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。 多个事件的独立性多个事件的独立性 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nBBB,21满足1°nBBB,21两两互不相容，), 2 , 1(0)(niBPi，2°niiBA1 ， 则有 )|()()|()()|()()(2211nnBAPBPBAPBPBAPBPAP。（16）贝 叶斯公式设事件1B，2B，nB及A满足1° 1B，2B，nB两两互不相容，)(BiP>0，i1，2，n，2° niiBA1 ，0)(AP， 则，i=1，2，n。 njjjii i BAPBPBAPBPABP1)/()()/()()/(此公式即为贝叶斯公式。， （1i，2，n） ，通常叫先验概率。)(iBP， （1i，2，n） ，通常称为后验概率。贝叶斯公式反映了)/(ABPi''“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n次试验，且满足 每次试验只有两种可能结果，A发生或A不发生； n次试验是重复进行的，即A发生的概率每次均一样； 每次试验是独立的，即每次试验A发生与否与其他次试验A发生与 否是互不影响的。 这种试验称为伯努利概型，或称为n重伯努利试验。用p表示每次试验A发生的概率，则A发生的概率为qp 1，用)(kPn表示n重伯努利试验中A出现)0(nkk次的概率，knkknnqpkPC)(，nk, 2 , 1 , 0。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X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X的概率分布或分布律。有时也用分布列的 形式给出： ,|)(2121kkkpppxxx xXPX 。 显然分布律应满足下列条件：（1）0kp，, 2 , 1k， （2）11kkp 。（2）连续 型随机变 量的分布 密度设)(xF是随机变量X的分布函数，若存在非负函数)(xf，对任意实数x， 有 xdxxfxF)()(， 则称X为连续型随机变量。)(xf称为X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° 0)(xf。2° 1)(dxxf。 （3）离散 与连续型 随机变量 的关系dxxfdxxXxPxXP)()()(积分元在连续型随机变量理论中所起的作用与kkpxXP)(在离dxxf)(散型随机变量理论中所起的作用相类似。''（4）分布 函数设为随机变量，是任意实数，则函数Xx)()(xXPxF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)()()(aFbFbXaP,(ba函数表示随机变量落入区间（ ，x内的概率。)(xF分布函数具有如下性质：1° ；, 1)(0xFx2° 是单调不减的函数，即时，有 ；)(xF21xx )(1xF)(2xF3° ， ；0)(lim)( xFF x1)(lim)( xFF x4° ，即是右连续的；)()0(xFxF)(xF5° 。)0()()(xFxFxXP对于离散型随机变量，； xxkkpxF)(对于连续型随机变量， 。 x dxxfxF)()(0-1 分布P(X=1)=p, P(X=0)=q（5）八大 分布二项分布在重贝努里试验中，设事件发生的概率为。事件发生nApA的次数是随机变量，设为，则可能取值为。XXn, 2 , 1 , 0， 其中knkk nnqpCkPkXP)()(，nkppq, 2 , 1 , 0, 10 ,1则称随机变量服从参数为，的二项分布。记为Xnp。),(pnBX当时，这就是（0-1）分1nkkqpkXP1)(1 . 0k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X，ekkXPk!)(02 , 1 , 0k则称随机变量服从参数为的泊松分布，记为或X)(X者 P()。 泊松分布为二项分布的极限分布（np=，n） 。超几何分布),min(,2 , 1 , 0,)(nMllkCCCkXPn Nkn MNk M 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 p0，q=1-p。, 3 , 2 , 1,)(1kpqkXPk随机变量 X 服从参数为 p 的几何分布，记为 G(p)。均匀分布设随机变量X的值只落在a，b内，其密度函数)(xf在a，b上为常数，即ab 1其他， , 0,1 )(abxf则称随机变量X在a，b上服从均匀分布，记为 XU(a，b)。 分布函数为xdxxfxF)()(当 ax1b。axb''指数分布其中0，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 )(xf,xe0x,0, 0x,)(xF,1xe0x, , 0xx1时，有 F（x2,y）F(x1,y);当 y2>y1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)()()()(11211222yxFyxFyxFyxF，（4）离散 型与连续 型的关系dxdyyxfdyyYydxxXxPyYxXP)()()(，''离散型X 的边缘分布为；), 2 , 1,()(jipxXPPij jiiY 的边缘分布为。), 2 , 1,()(jipyYPPij ijj（5）边缘 分布连续型X 的边缘分布密度为；dyyxfxfX),()(Y 的边缘分布密度为.),()(dxyxfyfY离散型在已知X=xi的条件下，Y 取值的条件分布为；iij ijppxXyYP)|(在已知Y=yj的条件下，X 取值的条件分布为,)|(jij jippyYxXP（6）条件 分布连续型在已知 Y=y 的条件下，X 的条件分布密度为；)(),()|(yfyxfyxfY在已知 X=x 的条件下，Y 的条件分布密度为)(),()|(xfyxfxyfX一般型F(X,Y)=FX(x)FY(y) 离散型 jiijppp有零不独立连续型f(x,y)=fX(x)fY(y) 直接判断，充要条件： 可分离变量 正概率密度区间为矩形二维正态分 布, 121),(2222121211 221)(2)1(212 yyxxeyxf0（7）独立 性随机变量的 函数若 X1,X2,Xm,Xm+1,Xn相互独立， h,g 为连续函数，则： h（X1，X2,Xm）和 g（Xm+1,Xn）相互独立。 特例：若 X 与 Y 独立，则：h（X）和 g（Y）独立。 例如：若 X 与 Y 独立，则：3X+1 和 5Y-2 独立。''（8）二维 均匀分布设随机向量（X，Y）的分布密度函数为 其他, 0),(1),(DyxS yxfD其中 SD为区域 D 的面积，则称（X，Y）服从 D 上的均匀分布，记为 （X，Y）U（D） 。 例如图 3.1、图 3.2 和图 3.3。y 1D1 O 1 x图 3.1y 1O 2 x图 3.2y dc O a b x 图 3.3D21D3''（9）二维 正态分布设随机向量（X，Y）的分布密度函数为, 121),(2222121211 221)(2)1(212 yyxxeyxf其中是 5 个参数，则称（X，Y）服从二维正态1| , 0, 0,21, 21分布，记为（X，Y）N（).,2 22 1, 21由边缘密度的计算公式，可以推出二维正态分布的两个边缘分布仍为正态分 布，即 XN（).(),2 2, 22 11NY但是若 XN（，(X，Y)未必是二维正态分布。)(),2 2, 22 11NYZ=X+Y根据定义计算：)()()(zYXPzZPzFZ对于连续型，fZ(z)dxxzxf ),(两个独立的正态分布的和仍为正态分布（） 。2 22 121,n 个相互独立的正态分布的线性组合，仍服从正态分布。， iiiCiiiC222（10）函 数分布Z=max,min(X1,X2,Xn)若相互独立，其分布函数分别为nXXX21,，则 Z=max,min(X1,X2,Xn)的分布)()()( 21xFxFxF nxxx，函数为：)()()()( 21maxxFxFxFxF nxxx)(1 )(1 )(1 1)( 21minxFxFxFxF nxxx''分布2设 n 个随机变量相互独立，且服从标准正态分nXXX,21布，可以证明它们的平方和 niiXW12的分布密度为 . 0, 0, 0221)(2122uueu nufunn我们称随机变量 W 服从自由度为 n 的分布，记为 W2，其中)(2n.2012dxexnxn 所谓自由度是指独立正态随机变量的个数，它是随机变量 分布中的一个重要参数。分布满足可加性：设2),(2 iinY则).(21 12 kkiinnnYZ''t 分布设 X，Y 是两个相互独立的随机变量，且),(),1 , 0(2nYNX可以证明函数nYXT /的概率密度为21 2 1221)( nnt nnntf ).(t我们称随机变量 T 服从自由度为 n 的 t 分布，记为 Tt(n)。)()(1ntntF 分布设，且 X 与 Y 独立，可以证明)(),(22 12nYnX的概率密度函数为21 / nYnXF 0, 00,1222 )(22112221212121 11yyynnynn nnnnyfnn nn我们称随机变量 F 服从第一个自由度为 n1，第二个自由度为 n2的 F 分布，记为 Ff(n1, n2).),(1),(12211nnFnnF第四章 随机变量的数字特征（1） 一维 随机 变量 的数 字特 征离散型连续型''期望 期望就是平均值设 X 是离散型随机变量，其分布律为 P()kxX pk，k=1,2,n， nkkkpxXE1)(（要求绝对收敛）设 X 是连续型随机变量，其概率 密度为 f(x)，dxxxfXE)()(（要求绝对收敛）函数的期望Y=g(X) nkkkpxgYE1)()(Y=g(X)dxxfxgYE)()()(方差 D(X)=EX-E(X)2， 标准差， )()(XDX kkkpXExXD2)()(dxxfXExXD)()()(2矩对于正整数 k，称随机变量 X 的 k 次幂的数学期望为 X 的 k 阶原点矩，记为 vk,即k=E(Xk)= , k=1,2, iik ipx. 对于正整数 k，称随机变量 X 与 E（X）差的 k 次幂的数学 期望为 X 的 k 阶中心矩，记为，即k.)(k kXEXE=， iik ipXEx)(k=1,2, .对于正整数 k，称随机变量 X 的 k 次幂的数学期望为 X 的 k 阶 原点矩，记为 vk,即k=E(Xk)=,)(dxxfxkk=1,2, . 对于正整数 k，称随机变量 X 与 E（X）差的 k 次幂的数学期望为 X 的 k 阶中心矩，记为，即k.)(k kXEXE=,)()(dxxfXExkk=1,2, .切比雪夫不等式设随机变量 X 具有数学期望 E（X）=，方差 D（X）=2，则对于 任意正数 ，有下列切比雪夫不等式22 )(XP切比雪夫不等式给出了在未知 X 的分布的情况下，对概率)(XP的一种估计，它在理论上有重要意义。''（2） 期望 的性 质（1）E(C)=C （2）E(CX)=CE(X)（3）E(X+Y)=E(X)+E(Y)， niniiiiiXECXCE11)()(（4）E(XY)=E(X) E(Y)，充分条件：X 和 Y 独立；充要条件：X 和 Y 不相关。（3） 方差 的性 质（1）D(C)=0；E(C)=C （2）D(aX)=a2D(X)； E(aX)=aE(X) （3）D(aX+b)= a2D(X)； E(aX+b)=aE(X)+b（4）D(X)=E(X2)-E2(X) （5）D(X±Y)=D(X)+D(Y)，充分条件：X 和 Y 独立；充要条件：X 和 Y 不相关。D(X±Y)=D(X)+D(Y) ±2E(X-E(X)(Y-E(Y)，无条件成立。 而 E(X+Y)=E(X)+E(Y)，无条件成立。期望方差0-1 分布), 1 (pBp)1 (pp二项分布),(pnBnp)1 (pnp泊松分布)(P几何分布)(pGp121 pp超几何分布),(NMnHNnM 11NnN NM NnM均匀分布),(baU2ba 12)(2ab 指数分布)(e121 正态分布),(2N2分布2n2n（4） 常见 分布 的期 望和 方差t 分布0(n>2)2nn''期望 niiipxXE1)( njjjpyYE1)(dxxxfXEX)()(dyyyfYEY)()(函数的期望),(YXGE ijijjipyxG),(),(YXGE dxdyyxfyxG),(),(方差 iiipXExXD2)()(jjjpYExYD2)()(dxxfXExXDX)()()(2dyyfYEyYDY)()()(2（5） 二维 随机 变量 的数 字特 征协方差对于随机变量 X 与 Y，称它们的二阶混合中心矩为 X 与 Y 的协11方差或相关矩，记为，即),cov(YXXY或).()(11YEYXEXEXY与记号相对应，X 与 Y 的方差 D（X）与 D（Y）也可分别记为XY与。XXYY''相关系数对于随机变量 X 与 Y，如果 D（X）>0, D(Y)>0，则称)()(YDXDXY为 X 与 Y 的相关系数，记作（有时可简记为） 。XY|1，当|=1 时，称 X 与 Y 完全相关：1)(baYXP完全相关 ，时负相关，当，时正相关，当)0(1)0(1aa而当时，称 X 与 Y 不相关。0以下五个命题是等价的：；0XYcov(X,Y)=0; E(XY)=E(X)E(Y); D(X+Y)=D(X)+D(Y); D(X-Y)=D(X)+D(Y). 协方差矩阵 YYYXXYXX 混合矩对于随机变量 X 与 Y，如果有存在，则称之为 X 与 Y 的)(lkYXEk+l阶混合原点矩，记为；k+l阶混合中心矩记为：kl.)()(lk klYEYXEXEu（6） 协方 差的 性质(i)cov (X, Y)=cov (Y, X); (ii)cov(aX,bY)=ab cov(X,Y); (iii)cov(X1+X2, Y)=cov(X1,Y)+cov(X2,Y); (iv)cov(X,Y)=E(XY)-E(X)E(Y). （7） 独立 和不 相关（i）若随机变量 X 与 Y 相互独立，则；反之不真。0XY（ii）若（X，Y）N（） ，,2 22 121则 X 与 Y 相互独立的充要条件是 X 和 Y 不相关。第五章 大数定律和中心极限定理''切比雪 夫大数 定律设随机变量 X1，X2，相互独立，均具有有限方差，且被同 一常数 C 所界：D（Xi）<C(i=1,2,),则对于任意的正数 ，有. 1)(11lim11 niiniinXEnXnP特殊情形：若 X1，X2，具有相同的数学期望 E（XI） =，则上式成为. 11lim1 niinXnP伯努利 大数定 律设 是 n 次独立试验中事件 A 发生的次数，p 是事件 A 在每次试验中发生的概率，则对于任意的正数 ，有. 1lim pnP n伯努利大数定律说明，当试验次数 n 很大时，事件 A 发 生的频率与概率有较大判别的可能性很小，即. 0lim pnP n这就以严格的数学