概率复习

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。
复习课

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}2ba 1λ\frac{1}{\lambda}λ1 μ\muμ
    方差 pqpqpq npqnpqnpq λ\lambdaλ (b−a)212\frac {(b-a)^2}{12}12(ba)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{ axb}.

  • 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)XN(μ1,σ12), Y∼N(μ2,σ22)Y\sim N(\mu_2,\sigma^2_2)YN(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+

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值