第一章 随机事件
-
集合表示事件
-
概率的性质
-
条件概率 乘法公式
-
全概率公式 贝叶斯公式
-
事件的独立性
第二章 随机变量
-
六类常用随机变量的性质。
分布 两点分布 二项分别 泊松分布 均匀分布 指数分布 正态分布 密度函数(分布律) 期望 ppp npnpnp λ\lambdaλ b−a2\frac{b-a}{2}2b−a 1λ\frac{1}{\lambda}λ1 μ\muμ 方差 pqpqpq npqnpqnpq λ\lambdaλ (b−a)212\frac {(b-a)^2}{12}12(b−a)2 1λ\frac {1}{\lambda}λ1 σ2\sigma ^2σ2 分布函数 -
随机变量函数的密度函数
-
利用归一性求参数。
第三章 随机向量
-
分布函数的性质 P{ a≤x≤b}P\{a\leq x\leq b\}P{ a≤x≤b}.
-
离散型随机向量概率分布表 (边缘分布,独立性,协方差,条件分布)
-
X∼N(μ1,σ12)X\sim N(\mu_1,\sigma ^2_1)X∼N(μ1,σ12), Y∼N(μ2,σ22)Y\sim N(\mu_2,\sigma^2_2)Y∼N(μ2,σ22), 且 $ X$ 与 YYY 相互独立,则
X+Y∼N(μ1+μ2,σ12+σ22) X+Y\sim N(\mu_1+\mu_2,\sigma_1^2+\sigma_2^2) X+

这篇博客是对概率论的全面复习,涵盖了随机事件、随机变量、随机向量、数字特征、极限定理、样本与统计量、参数估计和假设检验等内容。讨论了随机事件的集合表示、概率性质、条件概率,以及随机变量的分布、期望、方差和大数定律。还涉及到了参数估计的方法,如矩估计和极大似然估计,并介绍了假设检验的基本概念和应用。
最低0.47元/天 解锁文章
6638

被折叠的 条评论
为什么被折叠?



