文章目录

一、随机时间与概率---day1
- 1.随机事件与样本空间的概念
- 2.事件的关系（集合之间的关系）
- 3.事件的运算律---交换律-结合律-分配律-德摩根律
- 4.概率的概念和性质
- 5.古典概型
- 6.条件概率
- 7.乘法定理
- 8.全概率公式
- 9.贝叶斯公式
- - 全概率&贝叶斯举例
- 10.事件独立性
- 11.大概会考啥？
- - 古典概型-加法-减法-乘法公式
- 12.举几个例子
- （1）条件概率与古典概型
- （2）德摩根律与古典概型
- （3）条件概率
- （4）古典概型与组合C
- （5）串并联电路与古典概型
- （6）古典概型与组合C--正品次品
- （7）全概率与贝叶斯公式的应用
- （8）贝叶斯公式与全概率公式的应用
练习题---day1
- 1.德摩根律与条件概率
- 2.A&B事件判断
- 3.正品次品组合C-全概率公式
- 4.串并联电路
- 5.零件加工-全概率与贝叶斯公式
二、随机变量及其分布---day2
- 1.随机变量的概念
- 2.分布律、分布函数、概率密度
- 3.常用离散随机变量---（0-1，二项，泊松）分布
- 4.常用的连续型随机变量分布---（均匀、正态、标准正态、指数）分布
- 5.举几个例子
- （1）求随机变量X的分布律
- （2）已知X的分布律，求X的分布函数F~x~(X)
- （3）求Y=(X-1)^2^的分布律, Y的分布函数F(Y)
- （4）泊松分布X~P(λ)
- （5）均匀分布X~U(a,b)
- （6）指数分布X~e(λ)
- （7）正态分布X~N(μ,σ^2^)
- （8）已知概率密度f(x),求c的值和X的分布函数F(x)
- （9）已知分布函数F(X)，求A,B的值及概率密度f(X)~X~和f~Y~(Y)
- （10）已知概率密度f(X)的一道应用题&&二项分布---B(n,p)
练习题---day2
- 1.古典概型和二项分布---B(n,p)
- 2.求X的分布律和分布函数F(X)
- 3.泊松分布X~P(λ)
- 4.已知X的概率密度函数，y=2x+1,求f~y~(Y)
- 5.已知X的分布律，求Y=X^2^-1的分布律
- 6.正态分布X\~N(μ,σ^2^)与标准正态分布X\~N(0,1)
- 7.已知概率密度f(x),求a,b和f~y~(Y)
- 8.已知概率密度f(X)的一道应用题&&条件概率P(A|B)&&二项分布---B(n,p)
三、二维随机变量及其分布---day3
- 1.多维随机变量及其分布和独立性
- 2.二维离散型随机变量的分布及独立性
- 3.二维连续型随机变量的分布及独立性
- 4.二维标准正态分布N(0,1)联合概率密度
- 5.两个随机变量的函数分布
- 6.举几个例子
- - （1）已知二维离散型随机向量（X,Y）列表分布律，填完表格。并求u=max{X,Y}分布律、P(X

一、随机时间与概率—day1

1.随机事件与样本空间的概念

2.事件的关系（集合之间的关系）

3.事件的运算律—交换律-结合律-分配律-德摩根律

4.概率的概念和性质

5.古典概型

古典概型计算公式

6.条件概率

7.乘法定理

8.全概率公式

9.贝叶斯公式

全概率&贝叶斯举例

10.事件独立性

11.大概会考啥？

古典概型-加法-减法-乘法公式

12.举几个例子

（1）条件概率与古典概型

（2）德摩根律与古典概型

（3）条件概率

（4）古典概型与组合C

（5）串并联电路与古典概型

（6）古典概型与组合C–正品次品

（7）全概率与贝叶斯公式的应用

（8）贝叶斯公式与全概率公式的应用

依次类推

练习题—day1

1.德摩根律与条件概率

2.A&B事件判断

3.正品次品组合C-全概率公式

4.串并联电路

5.零件加工-全概率与贝叶斯公式

二、随机变量及其分布—day2

1.随机变量的概念

2.分布律、分布函数、概率密度

3.常用离散随机变量—（0-1，二项，泊松）分布

4.常用的连续型随机变量分布—（均匀、正态、标准正态、指数）分布

5.举几个例子

（1）求随机变量X的分布律

第二题：

（2）已知X的分布律，求X的分布函数F_x(X)

（3）求Y=(X-1)²的分布律, Y的分布函数F(Y)

（4）泊松分布X~P(λ)

（5）均匀分布X~U(a,b)

（6）指数分布X~e(λ)

（7）正态分布X~N(μ,σ²)

（8）已知概率密度f(x),求c的值和X的分布函数F(x)

（9）已知分布函数F(X)，求A,B的值及概率密度f(X)_X和f_Y(Y)

（10）已知概率密度f(X)的一道应用题&&二项分布—B(n,p)

练习题—day2

1.古典概型和二项分布—B(n,p)

2.求X的分布律和分布函数F(X)

3.泊松分布X~P(λ)

4.已知X的概率密度函数，y=2x+1,求f_y(Y)

5.已知X的分布律，求Y=X²-1的分布律

6.正态分布X~N(μ,σ²)与标准正态分布X~N(0,1)

7.已知概率密度f(x),求a,b和f_y(Y)

8.已知概率密度f(X)的一道应用题&&条件概率P(A|B)&&二项分布—B(n,p)

三、二维随机变量及其分布—day3

1.多维随机变量及其分布和独立性

2.二维离散型随机变量的分布及独立性

3.二维连续型随机变量的分布及独立性

4.二维标准正态分布N(0,1)联合概率密度

5.两个随机变量的函数分布

6.举几个例子

（1）已知二维离散型随机向量（X,Y）列表分布律，填完表格。并求u=max{X,Y}分布律、P(X<Y)

类似的第二题：

（2）已知x,y服从N(0,1)分布，求联合概率密度f(X,Y)和Z的分布律

（3）已知二维随机变量的联合分布密度f(X,Y)，求X,Y是否相互独立及P(X<Y)

（4）已知二维随机变量的联合分布密度f(X,Y)，求f_x(x)及条件概率f_Y|X(y|x)

（5）已知X,Y联合密度f(x,y)，求P(Y>=X²)和Z=X+Y的概率密度函数

练习题—day3

1.已知X的概率密度函数，A={X>a}与B={Y>a}相互独立，且P(AUB)=3/4，求a的值

2.已知二维随机变量的概率密度函数f(x,y)，求边缘密度函数f_x(x),f_Y(y)，P(Y>=X²)

类似的题目：

3.已知联合概率密度f(x,y),求f_z(z),p{min(X,Y)<=1/2}

可参考前面的例题，关于（2）

四、随机变量数字特征—day4

1.数学期望E(X)

2.数学期望的性质

3.方差D(X)与标准差

4.方差的性质

5.常用分布的期望和方差

6.协方差及性质

7.相关系数ρ_xy

8.矩—原点矩、中心矩

9.举几个例子

（1）泊松分布、指数分布、正态分布，求期望E(X)

（2）均匀分布、泊松分布、正态分布，求期望E(X)、方差D(X)

（3）已知D(X),D(Y),ρ_xy,求D(X+Y),D(X-Y)

（4）已知(X,Y)联合分布律级边缘分布律，求E(X),E(Y),E(XY),Cov(x,y),ρ_xy

（5）已知(X,Y),联合分布密度，求E(Z),D(Z)

（6）已知(X,Y),联合分布密度，求边缘密度f_x(x),E(Y),E(Y²),D(Y)

练习题—day4

1.泊松分布求λ，正态分布、二项分布、求P，E(U),D(U)

2.已知(x,y)联合分布律表，求协方差Cov(X,Y )

3.已知二维随机变量X,Y)的联合密度函数f(x,y)，求D(Y)

五、中心极限定理与抽样分布—day5

1.中心极限定理1、2

2.总体和样本

3.统计量

4.常用统计量

5.常用分布

X²(n)分布

t(n)分布

F分布

正态总体统计量的分布

6.举几个例子

（1）中心极限定理2—B(n,p)

（2）中心极限定理1—N(μ,σ²)

（3）指数分布—e(λ)

（4）常用分布—X²(n)、t(n)、F

类似第二题：

（5）正态总体统计分布

练习题—day5

1.常用分布的填空题—X²(n)、t(n)、F

********** 重要看个数 **********

2.中心极限定理1—N(μ,σ²)

3.中心极限定理2—B(n,p)

六、参数估计—day6

1.点估计的概念

2.矩估计法

3.最大似然估计法

4.无偏估计量

5.举几个例子

（1）离散型：矩估计法、最大似然估计求矩估计量

类似的第二题，区别在于最大似然估计值求法有点不一样：

（2）连续型：矩估计法求矩估计量

（3）连续型：最大似然估计法求估计量

（4）连续型:求矩估计量、最大似然估计量

（5）无偏估计

练习题—day6

1.连续型：矩估计法求矩估计量

2.连续型：矩估计法和最大似然估计法求估计量

3.无偏估计

《高数叔》概率论与数理统计期末总复习笔记（持续更新中）相关推荐

天津理工大学概率论与数理统计期末考试复习
第一章概率论基础 1.1 随机事件与样本空间随机试验:可重复进行,结果预先知道样本空间:随机试验的一切可能结果组成的集合,称为样本空间 1.2 事件之间的关系与运算关系:包含.并交.互不相容( ...
猴博士、高数叔资源分享
分享一些类似的网课资源,为了防止被举报,文中所有链接都进行base64编码加密,如果真的需要,请动动小手,解码一下(解码工具我也提供好了---> 在线加密解密) 一:猴博士 30小时精通高数上: ...
概率论和数理统计期末复习(仅供个人复习使用)
概率论和数理统计期末复习(仅供个人复习使用) 写在前面此文章仅仅是为了串联知识点,如需要深刻掌握如何做,还需要深入实战,看课件,才能够真的行!!! 集合运算公式事件的运算及其运算律 *古典概型几 ...
高数叔数学建模学习笔记(1)
此处将我在学习高数叔数学建模课程中遇到的代码记录下来,便于查看.学习. 5.matlab中的文件 wendu.m clear; f=input('temperature:'); c=5*(f-32)/ ...
期权定价公式：BS公式推导——从高数和概率论角度
嗯,自己看了下书.做了点笔记,做了一些相关的基础知识的补充,尽力做到了详细,这样子,应该上过本科的孩子,只要有高数和概率论基础.都能看懂整个BS公式的推导和避开BS随机微分方程求解的方式的证明了. 转 ...
Oracle笔记之期末总复习
Oracle期末总复习第一章 truncate table 与 delete 区别 (一)关于truncate table 与 delete 区别第二章表连接 (一)多个表的连接 (二)外连接 ...
大学不挂科c语言题库及答案,C语言期末总复习,保你不挂科!
C语言期末总复习总体上必须清楚的:- 1)程序结构是三种: 顺序结构 , 循环结构(三个循环结构), 选择结构(if 和 switch)- 2)读程序都要从main()入口, 然后从最上面顺序往下读 ...
C语言程序设计期末复习重点知识,C语言程序设计期末总复习.ppt
<C语言程序设计期末总复习.ppt>由会员分享,可在线阅读,更多相关<C语言程序设计期末总复习.ppt(11页珍藏版)>请在人人文库网上搜索. 1.天津理工大学-华信软件学院, ...
《Autosar_BSW高阶配置》总目录_培训教程持续更新中...
目录 0 基础"开胃菜"(共20+篇) 0.1 CANFD和Classic CAN介绍 0.2 UDS/OBD诊断网络层/传输层介绍 0.3 常用UDS诊断服务介绍 0.4 所有O ...
概率论与数理统计考试重点复习路线
概率论与数理统计考试重点复习路线文章目录概率论与数理统计考试重点复习路线前言 MindMap 概率论部分数理统计部分概率论基本概念离散型 0-1 分布分布律数学期望方差二项分布 ...

《高数叔》概率论与数理统计期末总复习笔记（持续更新中）

文章目录

一、随机时间与概率—day1

1.随机事件与样本空间的概念

2.事件的关系（集合之间的关系）

3.事件的运算律—交换律-结合律-分配律-德摩根律

4.概率的概念和性质

5.古典概型

6.条件概率

7.乘法定理

8.全概率公式

9.贝叶斯公式

全概率&贝叶斯举例

10.事件独立性

11.大概会考啥？

古典概型-加法-减法-乘法公式

12.举几个例子

（1）条件概率与古典概型

（2）德摩根律与古典概型

（3）条件概率

（4）古典概型与组合C

（5）串并联电路与古典概型

（6）古典概型与组合C–正品次品

（7）全概率与贝叶斯公式的应用

（8）贝叶斯公式与全概率公式的应用

练习题—day1

1.德摩根律与条件概率

2.A&B事件判断

3.正品次品组合C-全概率公式

4.串并联电路

5.零件加工-全概率与贝叶斯公式

二、随机变量及其分布—day2

1.随机变量的概念

2.分布律、分布函数、概率密度

3.常用离散随机变量—（0-1，二项，泊松）分布

4.常用的连续型随机变量分布—（均匀、正态、标准正态、指数）分布

5.举几个例子

（1）求随机变量X的分布律

（2）已知X的分布律，求X的分布函数Fx(X)

（3）求Y=(X-1)2的分布律, Y的分布函数F(Y)

（4）泊松分布X~P(λ)

（5）均匀分布X~U(a,b)

（6）指数分布X~e(λ)

（7）正态分布X~N(μ,σ2)

（8） 已知概率密度f(x),求c的值和X的分布函数F(x)

（9）已知分布函数F(X)，求A,B的值及概率密度f(X)X和fY(Y)

（10）已知概率密度f(X)的一道应用题&&二项分布—B(n,p)

练习题—day2

1.古典概型和二项分布—B(n,p)

2.求X的分布律和分布函数F(X)

3.泊松分布X~P(λ)

4.已知X的概率密度函数，y=2x+1,求fy(Y)

5.已知X的分布律，求Y=X2-1的分布律

6.正态分布X~N(μ,σ2)与标准正态分布X~N(0,1)

7.已知概率密度f(x),求a,b和fy(Y)

8.已知概率密度f(X)的一道应用题&&条件概率P(A|B)&&二项分布—B(n,p)

三、二维随机变量及其分布—day3

1.多维随机变量及其分布和独立性

2.二维离散型随机变量的分布及独立性

3.二维连续型随机变量的分布及独立性

4.二维标准正态分布N(0,1)联合概率密度

5.两个随机变量的函数分布

6.举几个例子

（1）已知二维离散型随机向量（X,Y）列表分布律，填完表格。并求u=max{X,Y}分布律、P(X<Y)

（2）已知x,y服从N(0,1)分布，求联合概率密度f(X,Y)和Z的分布律

（3）已知二维随机变量的联合分布密度f(X,Y)，求X,Y是否相互独立及P(X<Y)

（4）已知二维随机变量的联合分布密度f(X,Y)，求fx(x)及条件概率fY|X(y|x)

（5）已知X,Y联合密度f(x,y)，求P(Y>=X2)和Z=X+Y的概率密度函数

练习题—day3

1.已知X的概率密度函数，A={X>a}与B={Y>a}相互独立，且P(AUB)=3/4，求a的值

2.已知二维随机变量的概率密度函数f(x,y)，求边缘密度函数fx(x),fY(y)，P(Y>=X2)

3.已知联合概率密度f(x,y),求fz(z),p{min(X,Y)<=1/2}

四、随机变量数字特征—day4

1.数学期望E(X)

2.数学期望的性质

3.方差D(X)与标准差

4.方差的性质

5.常用分布的期望和方差

6.协方差及性质

7.相关系数ρxy

（2）已知X的分布律，求X的分布函数F_x(X)

（3）求Y=(X-1)²的分布律, Y的分布函数F(Y)

（7）正态分布X~N(μ,σ²)

（8）已知概率密度f(x),求c的值和X的分布函数F(x)

（9）已知分布函数F(X)，求A,B的值及概率密度f(X)_X和f_Y(Y)

4.已知X的概率密度函数，y=2x+1,求f_y(Y)

5.已知X的分布律，求Y=X²-1的分布律

6.正态分布X~N(μ,σ²)与标准正态分布X~N(0,1)

7.已知概率密度f(x),求a,b和f_y(Y)

（4）已知二维随机变量的联合分布密度f(X,Y)，求f_x(x)及条件概率f_Y|X(y|x)

（5）已知X,Y联合密度f(x,y)，求P(Y>=X²)和Z=X+Y的概率密度函数

2.已知二维随机变量的概率密度函数f(x,y)，求边缘密度函数f_x(x),f_Y(y)，P(Y>=X²)

3.已知联合概率密度f(x,y),求f_z(z),p{min(X,Y)<=1/2}

7.相关系数ρ_xy

（3）已知D(X),D(Y),ρ_xy,求D(X+Y),D(X-Y)

（4）已知(X,Y)联合分布律级边缘分布律，求E(X),E(Y),E(XY),Cov(x,y),ρ_xy

（6）已知(X,Y),联合分布密度，求边缘密度f_x(x),E(Y),E(Y²),D(Y)

X²(n)分布

（2）中心极限定理1—N(μ,σ²)

（4）常用分布—X²(n)、t(n)、F

1.常用分布的填空题—X²(n)、t(n)、F

2.中心极限定理1—N(μ,σ²)