《概率论与数理统计》笔记

概率论与数理统计，是研究随机现象所具有的统计规律性的数学学科。

事件的概率

条件概率

A已发生的条件下，B的概率：

$P(B|A)=\frac{P(AB)}{P(A)}$

另有：

$P(\overline{B}|A)=1-\frac{P(AB)}{P(A)}$

乘法公式

$P(AB)=P(B|A)P(A)$

若 P(AB)=P(A)P(B)，则称事件A和事件B相互独立。

随机变量

设$X$是随机变量，如果存在在整个实数轴上的可积函数$f(x)$，满足：

(1) $f(x)\ge 0$, 其中$(-\mathrm{\infty }<x<+\mathrm{\infty })$

(2) $\underset{-\mathrm{\infty }}{\overset{+\mathrm{\infty }}{\int }}f(x)=1$

(3) $P\{a\le X\le b\}=\underset{a}{\overset{b}{\int }}f(x)dx$

则称$X$是连续型随机变量，而$f(x)$称为$X$的概率密度函数，简称概率密度。

均匀分布

设连续型随机变量$X$具有概率密码函数，

解析失败 (未知函数“\begin{cases}”): {\displaystyle f(x) = \begin{cases} \frac{1}{b-a} &(a<x<b) \\ 0 &(其他) \end{cases} }

则称$X$在区间$(a,b)$上服从均匀分布，记为$X\sim U(a,b)$.

指数分布

设连续型随机变量$X$具有概率密码函数，

解析失败 (未知函数“\begin{cases}”): {\displaystyle f(x) = \begin{cases} \frac{1}{\beta}e^{\frac {-x}{\beta}} &(x>0) \\ 0 &(其他) \end{cases} }

其中$\beta >0$为常数，则称$X$服从以$\beta$为参数的指数分布，记为$X\sim E(\beta )$.

正态分布

设连续型随机变量$X$具有概率密码函数，

$f(x)=\frac{1}{\sqrt{2\pi }\sigma }{e}^{\frac{-(x-u{)}^2}{2{\sigma }^2}}(-\mathrm{\infty }<x<+\mathrm{\infty })$

其中$u,\sigma$为常数，则称$X$服从以$u,\sigma$为参数的正态分布，又称高斯分布，记为$X\sim N(u,{\sigma }^2)$.