计算机专业保研面试备考：概率论

骑猪看日落 2023-01-23 11:56 11阅读 0赞

本文总结了计算机专业保研面试中较为常考的概率论题目，也是博主当年的备考材料。如果这篇文章对你有帮助，请给博主点个赞鼓励一下吧。

*  大数定律：如果统计数据足够大，那么事件的均值就能无限接近他的期望值。
    
    ![1f4da177e803cee086b4eb13b7626314.png][]
    
     
 *  伯努利大数定理：只要做的试验够多，事件发生的次数除以总次数的结果接近统计概率p。
    
    ![fda2e3d1241b964083579f6efe42a963.png][]
 *  切比雪夫不等式：知道它总体的均值和方差时，可用切比雪夫不等式来估算一定条件下的概率。
    
    ![2c4bb582939077d87a4c3f7ef47de260.png][]
 *  中心极限定理：如果样本量足够大，则变量均值的采样分布将近似于正态分布，而与该变量在总体中的分布无关。中心极限定理意味着即使数据分布不是正态的，从中抽取的样本均值的分布也是正态的。
    
    ![1fafac5864b1806a2c8416e8f517688e.png][]
    
    ![16b1b373a22e39c84f1e046beae60c22.png][]
 *  条件概率
    
    ![31379313acd9d0b87d37fe1fecba90ae.png][]
 *  贝叶斯公式
    
     *  两种方法表示P(AB)
        
        ![c3e83c0b87e57324236b1b02d53c9f5d.png][]
 *  全概率公式
    
     *  若事件B1，B2...Bn是样本空间的一个划分，则：
        
        ![d1ffc6b096a3d2e9cc912fa0db2a0bab.png][]
 *  常见分布
    
     *  泊松分布
        
        ![ecb66416d63d00824813457af4a6fd76.png][]
     *  二项分布
        
        ![32207df8d899a9d87d8617050eb3fb15.png][]
     *  指数分布
        
        ![1f95fa08e08518889268c8481fc8a063.png][]
     *  正态分布
        
        ![79b55c36414fac72f4eb7e064e8ad37f.png][]
 *  X+Y的分布
    
     *  若X~N(μ1,σ1)，Y~N(μ2,σ2)，则
        
         *  E(X+Y)=EX+EY=μ1+μ2
         *  D(X+Y)=DX+DY+2cov(X,Y)=σ1+σ2+2ρ(σ1\*σ2)^(1/2)
 *  协方差与相关系数
    
     *  协方差：
        
        ![e218f221e11b24ade7750793a0592aef.png][]
        
        ![99bb58a3e742736896d05642db5c5367.png][]
     *  相关系数：X、Y的协方差除以X的标准差和Y的标准差
        
         *  ![139ca26d9a5773e8707431ce4a55babb.png][]

[1f4da177e803cee086b4eb13b7626314.png]: /images/20221004/ae6f1ef4a9114a11907afd7b66c80ba8.png
[fda2e3d1241b964083579f6efe42a963.png]: /images/20221004/0fbc9bd7366b40abbbb347b0ba2d1229.png
[2c4bb582939077d87a4c3f7ef47de260.png]: /images/20221004/2ece4fb780844fb599e5d10b8e78a151.png
[1fafac5864b1806a2c8416e8f517688e.png]: /images/20221004/90ae0d54c262442f93262a92ae15d0d3.png
[16b1b373a22e39c84f1e046beae60c22.png]: /images/20221004/a4af4420476f4f48b0b337fd375b4133.png
[31379313acd9d0b87d37fe1fecba90ae.png]: /images/20221004/62fbcc4ba6cd41f68983ac74abbe65cf.png
[c3e83c0b87e57324236b1b02d53c9f5d.png]: /images/20221004/46489c045c5743d8b2038f9780abdffc.png
[d1ffc6b096a3d2e9cc912fa0db2a0bab.png]: /images/20221004/8c2c3a64c8524c618bf399a4448cee60.png
[ecb66416d63d00824813457af4a6fd76.png]: /images/20221004/a474ce0e0b9044b7b500de42aa9e11d0.png
[32207df8d899a9d87d8617050eb3fb15.png]: /images/20221004/a9553114af7a4a2ba31f496891817437.png
[1f95fa08e08518889268c8481fc8a063.png]: /images/20221004/bdf1607e5ea041dba6edaab05ea7f8ed.png
[79b55c36414fac72f4eb7e064e8ad37f.png]: /images/20221004/8ab60a63ddab47808cc7898283ca0648.png
[e218f221e11b24ade7750793a0592aef.png]: /images/20221004/c6ad3f9993ac47538bcd0bd347e12979.png
[99bb58a3e742736896d05642db5c5367.png]: /images/20221004/4963643c21544ec3a890b03a3dae7d51.png
[139ca26d9a5773e8707431ce4a55babb.png]: /images/20221004/612c3ddb129f4ae0a7aea623efa24a80.png