概率论与数理统计期末考试复习总结
为了方便复习下面内容摘自:《高数叔》概率论与数理统计期末总复习笔记(持续更新中)_BitHachi-CSDN博客_高数叔概率论笔记pdf
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
10.事件独立性
11.大概会考啥?
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
(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
(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
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),ρxy,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),ρxy
(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fx(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
(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
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
(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
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)
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)
类似的题目:
3.已知联合概率密度f(x,y),求fz(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ρxy
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),ρxy,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),ρxy
(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fx(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
概率论与数理统计期末考试复习总结相关推荐
- 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( ...
- 江苏大学矩阵论、数理统计期末考试复习
江苏大学矩阵论.数理统计期末复习 后记 矩阵论 求基与维数 题目1 - 课堂 pdf 题目2 - 课堂pdf 题目3 - 复习题A 题目4 - 矩阵论.doc 求 ρ(a)\rho(a)ρ(a) .c ...
- 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 ...
- 2018人工智能期末考试复习资料(一):学术篇
机器之心知识委员会 机心通知函[2018]002号 2018 年人工智能专业期末考试复习资料:学术篇 各人工智能研究者.工程师.从业人: 2018 年是人工智能迅猛发展的一年,从技术研究到产业应用都取 ...
- 我们身边的知识产权单元测试答案(期末考试复习)【湘潭大学】
我们身边的知识产权单元测试答案(期末考试复习)[湘潭大学] 第一章 第二章 第三章 第四章 第五章 第六章 第一章 我国历史上第一部以著作权为保护中心的法律是1910年清政府制定颁布的<大清著作 ...
- c语言期末考试复习题,C语言期末考试复习资料 计算机等级考试复习题目
C语言期末考试复习资料 计算机等级考试复习题目 国二国三资料题目 1 C 语言复习题 @复刻回忆 新浪微博账号:http://doc.xuehai.net/panhe14 个人主页 http://do ...
- 河北工程大学c语言期末考试及答案,河北工程大学之数据结构c语言版期末考试复习试题...
河北工程大学之数据结构c语言版期末考试复习试题 <数据结构与算法>复习题 一.选择题. 1.在数据结构中,从逻辑上可以把数据结构分为 C . A.动态结构和静态结构 B.紧凑结构和非紧凑结 ...
- 大学操作系统期末考试复习经典计算题快速回顾
操作系统期末考试复习经典计算题 1.银行家算法 2.计算周转时间 2.1 先来先服务(FCFS) 2.2 短作业优先调度算法(SJF) 2.3 优先级调度算法和高响应比优先调度算法 3.页面置换算法( ...
- 人工智能期末考试复习(贲可荣 张彦铎)
人工智能期末考试复习(贲可荣 张彦铎) 人工智能的3个主流学派: 逻辑学派(符号主义方法):物理符号系统(即符号操作系统)假设和有限合理性原理 仿生学派(联结主义方法):神经网络及神经网络间的连接机制 ...
- 计算机文化基础期末考试复习
计算机文化基础期末考试复习以下是咱们期末考试的复习题,希望大家认真学习: 一.选择题 1. 第一台计算机ENIAC淡生于1946年,是电子管计算机:第二代是晶体管计算机:第三代是中小规模集成电路: ...
最新文章
- java单点登录强制下线_实现单点登录并强制对方下线
- 微软想通了:Skepe正式默认隐藏IP地址
- python爬取岗位数据并分析_区块链岗位薪资高,Python爬取300个区块链岗位分析,龙虎榜出炉...
- C#实现软键盘的几个关键技术实现方法
- Linux 网卡驱动学习(二)(网络驱动接口小结)
- 一个批量文件改名工具
- Navicat Premium 12安装激活教程
- 内容安全策略(content-security-policy)
- UVa OJ 10909-Soya Milk
- 推荐一些Windows系统中好用的免费(开源)/收费的终端管理工具(命令行工具)
- 新加硬盘但计算机里找不着,电脑开机找不到硬盘怎么办
- 读书有益——》小朋友的诗(六)
- 人人都是心理学家,mbti等
- C#如何获取本机网络ip地址
- 三极管-三极管仿真与参数设置:与bipolar管
- 黄聪:CR2格式批量转换JPG(美图看看)
- 【预测模型】统计的基本概念
- 电子化时代到来,电子印章助力构建网络时代互信环境
- 数学建模 2013B碎纸片的拼接复原
- 如何将Excel表格数据转换成柱状图
热门文章
- MATLAB绘制海面风场图像(海面风场反演)
- orge terrain
- unison+inotify
- Classification and Representation
- python 图片二值化后 判断图片是白底黑字,还是黑底白字
- 如何修改服务器BMC密码,C2100服务器BMC卡固件升级失败和密码重置问题
- python爬取和平精英皮肤_Python——LOL官方商城皮肤信息爬取(一次练手)
- 从市盈率、市净率、增值率看公司盈利经营发展状况
- Oracle 转 PG- ERROR: recursive query “t“ column 2 has type character varying(150) in non-recursive t
- 美国弗吉尼亚大学计算机科学,美国弗吉尼亚大学计算机科学专业