Duncan's Blog

ProbabilityTheory

概率论相关公式整理如下:


第二章 基本概念

  • 交换律:A + B = B + A,AB=BA
  • 结合律:(A+B)+C=A+(B+C)=A+B+C,(AB)C=A(BC)=ABC
  • 分配律:(A+B)C=AC+BC,AB+C = (A+C)(B+C)
  • 德摩根律: A+B¯=A¯B¯,AB¯=A¯+B¯
  • P(A-B) = P(A)-P(AB)
  • P(A+B) = P(A) + P(B) - P(AB)
  • 乘法概率公式: 若P(B)>0,P(AB)=P(B)P(A|B).若P(A)>0,P(AB)=P(A)P(B|A).
    一般地,P(A1A2An1)>0,则P(A1A2An)=P(A1)P(A2|A1)P(A3|A2A1)P(An|A1A2An1)
  • 全概率公式: P(B)=i=1nP(Ai)P(B|Ai)
  • 贝叶斯概率公式: P(B|A)=P(B)P(A|B)P(A)

第三章 分布

1.离散型分布

  • 1.0-1分布 XB(1,p)

    P(X=k)=pk(1p)1k(0<p<1,k=0,1)
  • 2.二项分布 XB(n,p)

    P(X=k)=C_nkpkqnk(k=0,1,2,...,n)(0<p<1,q=1p)
  • 3.泊松分布 XP(λ)

    P(X=k)=λkeλk!(k=0,1,2,...)

2.连续型分布

  • 1.均匀分布 XU[a,b]

    f(x)={1baaxb0others
  • 2.指数分布 XE(λ)

    f(x)={λeλxx>00x0

    λ>0

  • 3.正态分布 XN(μ,σ2)

    f(x)=12πσe(xμ)22σ2,<x<+

第四章 随机变量的特征

1.期望概念

  • 离散型: E(X)=i=1xipi
  • 连续型: 设连续型随机变量X的概率密度函数为f(x),若积分+|x|f(x)dx<+存在,并称积分+xf(x)dx为X的数学期望,记为E(X),即E(X)=+xf(x)dx

2.期望性质

  • E(c) = c, 其中c为常数
  • E(cX) = cE(X), 其中c为常数
  • E(X+Y) = E(X) + E(Y)
  • 若X,Y相互独立,E(XY) = E(X)E(Y)

3.方差概念
D(X)=E(X2)[E(X)]2

4.方差性质

  • D(c) = 0, 其中c为常数
  • D(cX)=c2D(X), 其中c为常数
  • 若X,Y相互独立, D(X+Y) = D(X) + D(Y)

5.协防差
Cov(X,Y)=E[XE(X)][YE(Y)]

6.相关系数
ρXY=Cov(X,Y)D(X)D(Y)

7.协防差和相关系数性质

  • Cov(X,Y) = Cov(Y,X)
  • Cov(aX,bY) = abCov(X,Y), a,b为常数
  • Cov(X1+X2,Y)=Cov(X1,Y)+Cov(X2,Y)
  • D(X+Y) = D(X) + D(Y) + 2Cov(X,Y)
  • Cov(X,Y) = E(XY) - E(X)E(Y)
  • |ρXY|1
  • 若X,Y相互独立,则ρXY=0
  • ρXY=±的充要条件是存在两个常数a,b,且a0,使得PY=aX+b=1.

第五章 大数定律和中心极限定理

1.契比雪夫不等式: 设随机变量X的数学期望为E(X)=a,方差为D(X),则对于给定的数ϵ>0,有

P{|Xa|ϵ}D(X)ϵ2

2.大数定律: 设{Xn}为一随机变量序列,a为一个常数,如果对任何给定的正数ϵ,有limnP|Xna|ϵ=0,则称随机变量序列{Xn}依概率收敛于a,记为X_nPa(n).

3.契比雪夫大数定律: 设{Xn}为一随机变量序列,若对于所有的自然数n,数学期望E(Xn)及方差D(Xn)均存在,且存在某常数M>0,使得D(Xn)M,则有1n_i=1n[X_iE(X_i)]P0.

4.贝努里大数定律: 在n次重复独立试验中,设Yn为事件A发生的次数,每次试验事件A发生的概率为P,则Y_nnPP(n).

5.辛钦大数定律: 设{Xn}为独立同分布的随机变量序列,且具有数学期望E(Xi)=μ,i=1,2,,则1n_i=1nX_iPμ(n).

6.中心极限定理: 设{Xn}为独立同分布的随机变量序列,且E(Xi)=μ,D(Xi)=σ20,i=1,2,,则当n充分大时,i=1nXiE(i=1nXi)D(k=1nXk)近似地服从标准正态分布,记作_i=1nX_iE(_i=1nX_i)D(_k=1nX_k)=_i=1nX_knμnσN(0,1).

第六章 数理统计概念

1.统计量

  • 样本均值: X¯=1ni=1nXi
  • 样本方差: S2=1n1i=1n(XiX¯)2=1n1[i=1nXi2n(X¯)2]
  • 样本标准差: S=S2
  • 样本k阶原点矩 Ak=1ni=1nXik(k=1,2,..)
  • 样本k阶中心矩 Bk=1ni=1n(XiX¯)k

2.抽样分布
卡方分布,F分布,正态分布

第七章 参数估计

1.矩估计: 概括来讲就是用样本矩估计总体矩(原点矩).
2.极大似然估计法

  • 离散型:概率连乘求极大
  • 连续型:概率密度函数连乘求偏导

3.估计量的评价标准:待完善

4.区间估计:待完善

第八章 假设检验

  • 1.建立原假设H0(备选假设H1)
  • 2.根据检验对象,构造适当的统计量g(X1,X2,…,Xn)
  • 3.在H0成立的条件下,确定统计量g(X1,X2,…,Xn)的分布
  • 4.由显著性水平α确定临界值,从而得到拒绝域或接受域
  • 5.根据样本值计算统计量的观测值,由此作出接受原假设或拒绝原假设的结论
分享