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

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: ...

概率论与数理统计期末考试复习总结

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<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

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)

（8）已知概率密度f(x),求c的值和X的分布函数F(x)