应用数理统计所需：概率论知识扫盲

一、概率基本概念

1.1.条件概率：

事件B在事件A已经发生下的发生概率

1.2联合概率：

表示两件事共同发生的概率，A与B的联合概率表示为 P(AB) 或者P(A,B),或者P(A∩B)

1.3.概率的独立性

当两个随机事件A与B满足：

 说明它们是统计独立的

二、一些随机变量及其分布

2.1离散型随机变量及其分布律

2.1.1离散型随机变量的定义

若一个随机变量最多有可数的可能结果，则称这个变量是离散型随机变量（有限个或者无限可数）。

对于一个离散型随机变量X ，定义X 的概率分布列p(a)为

 2.1.2分布函数与概率密度函数

分布函数：分布函数F(X)表示x小于等于X时发生的概率

概率密度函数：表示事件发生在x附件的概率（在连续性变量出现，离散型下感觉就是p(x)）

2.1.3两点分布b(1,p)

随机变量X只有0、1两个值，分布律p(k):

2.1.4二项分布b(n,p)

重复n次伯努利试验（即每次实验满足两点分布），则某一事件X表示事件A发生的次数。那么显然在n次实验中，发生A的次数为k,Aˉ的次数即为n-k。即n次实验中，发生k次的概率：

 2.1.5泊松分布

 2.2连续性随机变量及其概率密度

概率密度函数f(x)：

2.2.1均匀分布

如果离散型随机变量的概率密度函数满足这样，则该变量的分布即为均匀分布，记作X~U(a,b). 

2.2.2指数分布

2.2.3正态分布

标准正态分布N(0,1)：即均值为0，标准差为1的正态分布
 

正态分布（高斯分布）:

 2.2.4常用分布汇总

三、分布函数及其性质

3.1分布函数的概念：

设X是随机变量，x是任意实数，则

为随机变量X的分布函数，记作X~F(x) 

3.2分布函数的性质（定义域R，值域[0，1],单调不减右连续）：

1.F(x)是x的单调不减函数

2.F(x)是x的右连续函数

3.

四、随机变量函数的分布（分布函数法，公式法）

1.公式法：略

2.分布函数法（更常用）：

五、多维随机变量的联合分布

当随机变量相互独立时，联合等于边缘的乘积，以二维为例：

六、随机变量数字特征

1.随机变量期望和方差的计算

2.期望与方差的性质（独立）：

七、切比雪夫不等式

设随机变量X的方差D(X)存在，则对任一实数ϵ>0，都有：

其实质就是对|X-EX|≥ ϵ这一事件（X相对于概率平均值偏离情况）发生概率的一个保守估计。

八、极限定理

8.1辛钦大数定理

即，独立同分布的随机变量序列的算数平均值依概率收敛于期望（注意是依概率收敛）

8.2伯努利大数定理

即，独立重复实验中，频率收敛于概率

8.3独立同分布的中心极限定理（CLT）

 它描述了当从总体中抽取大量独立随机样本，并计算这些样本的均值时，样本均值约等于总体均值，且不要求总体分布类型，样本均值服从正态分布。要点：

1.样本大小：CLT要求样本大小足够大，通常认为当样本大小（n）大于等于30时，CLT开始生效。即越明显呈现依总体均值的正态分布

2.独立同分布：样本须是独立抽取，且具有相同的分布

3.总体分布不限制：CLT并不要求原始总体必须服从正态分布，它可以适用于任何总体分布，包括均匀分布、指数分布、二项分布等

九、常用工具