Skip to content

概率论和数理统计(Probability and Mathematical Statistics)

第一次小测复习:知识主线与题型归纳

第一次小测:重点题目与标准解答

开卷资料:知识讲解(12 页)与重点题解(6 页)

第一章:概率论的基本概念(Introduction to Probability)

主题 内容
§1.1 样本空间与随机事件 随机试验、样本空间、事件关系与运算
§1.2 频率与概率 三条公理、基本性质、加法公式
§1.3 古典概型 排列组合、抽样、生日、抽签与配对问题
几何概型与蒲丰投针 几何度量比、投针模型与随机模拟
§1.4 条件概率、全概率与贝叶斯公式 条件概率定义、三个公式与应用
§1.5 事件的独立性 两两与相互独立、可靠性、条件独立

第二章:随机变量及其分布(Random Variables and Distributions)

主题 内容
§2.1–2.2 随机变量与离散分布 PMF、伯努利、二项、泊松、几何、负二项、超几何
§2.3 分布函数 CDF、跳跃、端点、分布律与 CDF 的互推
§2.4 连续型随机变量与常用分布 PDF、均匀、指数、正态、混合分布
§2.5 随机变量函数的分布 CDF 法、单调变换、多分支、概率积分变换

第三章:二维随机变量及其分布(Bivariate Distributions)

主题 内容
§3.1 二维离散分布、边际与条件分布 联合 PMF、边际求和、条件归一化、分层模型
§3.2 联合分布函数 左下矩形、四角公式、边际与条件 CDF
§3.3 二维连续分布与条件密度 支撑区域、边际积分、条件密度、二维均匀分布
§3.3–3.4 二维正态与随机变量独立性 二维正态、条件正态、独立性与密度分解

方法选择

先定义事件或随机变量,再按所求选方法:

题目特征 方法与关键条件
至少、至多、恰好、都不 集合运算;“至少一个”常取补
有限且等可能 古典概型;分子、分母统一计数
有限区域内均匀取点 几何概型;事件区域与支撑相交后取度量比
已知某事件发生 条件概率;交集除以条件概率
分类求总概率/由结果反推来源 全概率/贝叶斯;分类须互斥且穷尽
固定次数的成功数/等待成功的次数 二项/几何或负二项;先检查独立性与成功率
一维区间概率/连续区域概率 CDF 差值/密度积分;注意端点与支撑
随机变量函数的分布 确定输出范围,转为原变量的等价事件
联合分布求边际/条件分布 消去另一变量/按给定条件归一化

统一检查:概率在 \([0,1]\) 内;PMF 非负且和为 1,PDF 非负且积分为 1;CDF 写全定义域;独立性、正分母、支撑范围和端点条件写明。

记号

记号 含义与英文读法
\(S\) 或 \(\Omega\) 样本空间,sample space
\(\omega\) 一次试验的结果/样本点,outcome / sample point
\(A^c\) 或 \(\overline A\) \(A\) 的补事件,complement of \(A\)
\(AB=A\cap B\) \(A\) 与 \(B\) 同时发生,intersection / both \(A\) and \(B\)
\(A\cup B\) 至少一个发生,union / at least one of \(A\) and \(B\)
\(P(A\mid B)\) 已知 \(B\) 发生时 \(A\) 的条件概率,probability of \(A\) given \(B\)
\(\binom nk=C_n^k\) 组合数,binomial coefficient
\(F_X(x)=P(X\le x)\) 累积分布函数,cumulative distribution function / CDF
\(p_{ij}=P(X=x_i,Y=y_j)\) 联合概率质量函数,joint PMF
\(f_X(x)\)、\(f(x,y)\) 一维密度、联合密度,PDF / joint PDF
\(f_{X\mid Y}(x\mid y)\) 条件密度,conditional PDF of X given Y
\(\varphi\)、\(\Phi\) 标准正态密度与分布函数,standard normal PDF and CDF

\(\subseteq\) 表示允许相等的包含关系,\(\cup\) 表示和事件。

英文答题句式

用途 句式
定义事件/变量 Let \(A\) denote the event that … / Let \(X\) be the number of …
说明事件关系 \(A\) occurs if and only if … / Since \(A\subseteq B\), …
说明模型 All outcomes are equally likely. / Assume uniform sampling over the region.
说明分类 These events are pairwise disjoint and collectively exhaustive.
引用方法 By the complement rule / finite additivity / inclusion–exclusion principle, …
条件概率方法 By the definition of conditional probability / multiplication rule / law of total probability / Bayes' theorem, …

参考资料与图片说明

  • 黄炜:第一、二、三章课程课件。
  • 《概率论与数理统计》第二版,高等教育出版社,2023,第一至三章原始课件。
  • 作业题意依据用户提供的教材题图整理;会话及已保存的作业源码用作题号、解答线索。题图与知识点对应关系见习题来源记录。
  • 课堂识别文本与截图见各篇笔记的 sources。

页码均指 PDF 页序,从 1 开始。附图为自绘教学图,图片来源、可编辑文件与许可说明见图片说明。