概率论与数理统计(知识点概览)

目录

  • 一. 概率论部分
    • 随机事件和概率
      • 1.古典概型
      • 2.几何概型
      • 3.事件的概率
      • 4.事件的独立性
      • 5.条件概率
      • 6.全概率公式
      • 7.贝叶斯公式
  • 二. 数理统计部分
    • 离散型
      • 1.一维离散型求分布律
      • 2.一维离散型求期望,方差
      • 3.二维离散型求分布律
      • 4.二维离散型求边缘分布律
    • 连续型
      • 一维连续型随机变量
      • 一维连续型求F
      • 一维连续型已知 F 求 f
      • 一维连续型求F
      • 一维连续型求期望,方差

参考资料来自B站“猴博士爱讲课系列”这里

一. 概率论部分

随机事件和概率

1.古典概型

概率论与数理统计(知识点概览)_第1张图片
概率论与数理统计(知识点概览)_第2张图片

2.几何概型

概率论与数理统计(知识点概览)_第3张图片

3.事件的概率

概率论与数理统计(知识点概览)_第4张图片
概率论与数理统计(知识点概览)_第5张图片

4.事件的独立性

概率论与数理统计(知识点概览)_第6张图片

5.条件概率

概率论与数理统计(知识点概览)_第7张图片

6.全概率公式

7.贝叶斯公式

概率论与数理统计(知识点概览)_第8张图片

二. 数理统计部分

| 连续与离散
概率论与数理统计(知识点概览)_第9张图片

离散型

1.一维离散型求分布律

概率论与数理统计(知识点概览)_第10张图片
概率论与数理统计(知识点概览)_第11张图片

概率论与数理统计(知识点概览)_第12张图片

**注意:**分布律的另外一种写法
概率论与数理统计(知识点概览)_第13张图片

2.一维离散型求期望,方差


注意: 上面求 E ( X 2 ) E(X^2) E(X2) 的平方的时候,绿色的图示严格来讲并不是 X 2 X^2 X2 的期望,因为 ( − 2 ) 2 (-2)^2 (2)2 ( 2 ) 2 (2)^2 (2)2 其实是一种情况,应该要合并一下。不过题目只是要求计算结果,所以不会有什么影响。

3.二维离散型求分布律

概率论与数理统计(知识点概览)_第14张图片

4.二维离散型求边缘分布律

概率论与数理统计(知识点概览)_第15张图片

连续型

一维连续型随机变量

题目一:
概率论与数理统计(知识点概览)_第16张图片
概率论与数理统计(知识点概览)_第17张图片

注意:

对概率密度从 − ∞ − + ∞ -∞ -+∞ +的积分为1
概率论与数理统计(知识点概览)_第18张图片

未知数只有 M M M时, f M ( m ) f_M(m) fM(m)可以简写成 f ( m ) f(m) f(m)
概率论与数理统计(知识点概览)_第19张图片

一维连续型求F

表示成对应概率再求解
概率论与数理统计(知识点概览)_第20张图片

一维连续型已知 F 求 f

f A ( a ) = F A ′ ( a ) f_A(a)=F^{'}_A(a) fA(a)=FA(a)
概率论与数理统计(知识点概览)_第21张图片

一维连续型求F

概率论与数理统计(知识点概览)_第22张图片

普通法:所有题目都能用

概率论与数理统计(知识点概览)_第23张图片
公式法:
条件:若在 f X ( x ) ≠ 0 f_X(x)\neq0 fX(x)=0的区间内, Y = g ( X ) Y=g(X) Y=g(X)是单调递增或者单调递减
概率论与数理统计(知识点概览)_第24张图片
第一步 & 第二步


第三步:
概率论与数理统计(知识点概览)_第25张图片
第四步:

概率论与数理统计(知识点概览)_第26张图片

一维连续型求期望,方差

E ( X ) E(X) E(X)
概率论与数理统计(知识点概览)_第27张图片

E ( X 2 ) E(X^2) E(X2)

请添加图片描述

在这里插入图片描述
概率论与数理统计(知识点概览)_第28张图片

D ( X ) D(X) D(X)
在这里插入图片描述

你可能感兴趣的:(python数据分析总结,吴恩达机器学习听课笔记,leetcode,算法,职场和发展)