概率论与数理统计公式总结
概率论与数理统计公式大全
概率论与数理统计公式大全一、概率基本公式1.事件的概率：对于事件A，在随机试验中发生的次数记为n(A)，则事件A的概率为P(A)=n(A)/n，其中n为试验总次数。
2.互斥事件的概率：对于互斥事件A和B，有P(A∪B)=P(A)+P(B)。
3.事件的余事件概率：设事件A为必然事件，全集的概率为P(S)=1，事件A的余事件为A'，则有P(A')=1-P(A)。
4.条件概率：对于两个事件A和B，假设事件B已经发生，事件A发生的概率记为P(A，B)，则P(A，B)=P(A∩B)/P(B)。
二、随机变量及其概率分布1.离散型随机变量：设X是一个离散型随机变量，其概率函数为P(X=k)，其中k为X的取值，概率函数满足P(X=k)≥0，且∑P(X=k)=12. 连续型随机变量：设X是一个连续型随机变量，其概率密度函数为f(x)，概率密度函数满足f(x)≥0，且∫f(x)dx = 13. 随机变量的数学期望：对于离散型随机变量X，其数学期望为E(X) = ∑k*P(X=k)；对于连续型随机变量X，其数学期望为E(X)=∫xf(x)dx。
4. 随机变量的方差：对于离散型随机变量X，其方差为Var(X) =E(X^2) - [E(X)]^2；对于连续型随机变量X，其方差为Var(X) = E(X^2) - [E(X)]^2三、常见的概率分布1.伯努利分布：表示一次实验成败的概率分布，概率函数为P(X=k)=p^k(1-p)^(1-k)，其中0≤p≤12.二项分布：表示n次独立重复的伯努利试验中成功次数的概率分布，概率函数为P(X=k)=C(n,k)*p^k(1-p)^(n-k)，其中C(n,k)为组合数。
3. 泊松分布：表示单位时间或单位面积内发生事件次数的概率分布，概率函数为P(X=k) = (lambda^k)/(k!)*e^(-lambda)，其中lambda为平均发生率。
4.均匀分布：表示在一个区间内取值相等的概率分布，概率密度函数为f(x)=1/(b-a)，其中[a,b]为区间。
概率论与数理统计超全公式总结
Cov(aX , bY ) = abCo若v(UX~,Yχ)2(n1),
F 分布 正态总体条件下 样本均值的分布：
V ~ χ 2 (n2 ),
则 U / n1 V / n2
~
F (n1, n2 )
σ2 X ~ N(µ, )
n
X − µ ~ N (0,1) σ/ n
样本方差的分布：
(n −1)S 2 σ2
k =1
第二章
二项分布（Bernoulli 分布）——X~B(n,p)
F (x, y) = P{X ≤ x,Y ≤ y} 联合密度与边缘密度
+∞
∫ fX (x) = −∞ f (x, y)dy
+∞
∫ fY (y) = −∞ f (x, y)dx
P(X =k)=Cnkpk(1−p)n−k，(k=0,1,...n, )
泊松分布——X~P(λ)
P( X = k) = λk e−λ， (k = 0,1,...) k!
概率密度函数
+∞
∫ f (x)dx = 1 −∞
怎样计算概率 P(a ≤ X ≤ b)
b
P(a ≤ X ≤ b) = ∫a f (x)dx
均匀分布 X~U(a,b)
1
f (x) =
(a ≤ x ≤ b)
b−a
n — 样本容量(大样本要求n > 50) zα /2 — 正态分布的分位点
⎜⎛ x ± zα / 2 ⎝
σ ⎟⎞ n⎠
(3) H0 : µ ≤ µ0 H1 : µ > µ0 右边检验
单正态总体均值的 Z 检验
小样本、正态总体、标 准差σ已知
（大样本情形σ未知时用SZ代=替X）− µ 0 σ/ n
概率论与数理统计公式整理
概率论与数理统计公式整理在现代数学中，概率论与数理统计是两个重要的分支。
其中概率论是研究随机事件发生的可能性或概率的科学。
而数理统计则是利用概率论的方法，对已经发生的随机事件进行统计分析和推断。
本文将整理概率论与数理统计中常用的公式。
一、基本概率公式1.概率：$P(A)=\frac{n(A)}{n(S)}$其中，$P(A)$表示事件$A$发生的概率，$n(A)$表示事件$A$所包含的基本事件的个数，$n(S)$表示所有基本事件的个数。
2.加法原理：$P(A\cup B)=P(A)+P(B)-P(A\cap B)$其中，$A$和$B$是两个事件，$A\cup B$表示事件$A$和事件$B$中至少有一个发生的概率，$A\cap B$表示两个事件同时发生的概率。
3.条件概率：$P(B|A)=\frac{P(A\cap B)}{P(A)}$其中，$P(B|A)$表示在事件$A$发生的条件下，事件$B$发生的概率。
4.乘法定理：$P(A\cap B)=P(A)P(B|A)$其中，$P(A\cap B)$表示两个事件同时发生的概率，$P(B|A)$表示在事件$A$发生的条件下，事件$B$发生的概率。
二、概率分布1.离散随机变量的概率分布律：$\sum\limits_{i=1}^{+\infty}{p(x_i)}=1$其中，$p(x_i)$表示离散随机变量取值为$x_i$的概率。
2.连续随机变量的概率密度函数：$\int_{-\infty}^{+\infty}{f(x)}\mathrm{d}x=1$其中，$f(x)$表示连续随机变量在$x$处的概率密度。
3.数学期望：$E(x)=\sum\limits_{i=1}^{+\infty}{x_ip(x_i)}$或$E(x)=\int_{-\infty}^{+\infty}{xf(x)}\mathrm{d}x$其中，$E(x)$表示随机变量$x$的数学期望，$p(x_i)$表示$x_i$这一离散随机变量取到的带权概率。
概率论与数理统计公式整理(超全免费版)
P( B | A)
P( AB) P( A) P( B) P( B) P( A) P( A)
（14）独立 性
若事件 A 、 B 相互独立，则可得到 A 与 B 、 A 与 B 、 A 与 B 也都相互独 立。 必然事件 和不可能事件 Ø 与任何事件都相互独立。 Ø 与任何事件都互斥。 ②多个事件的独立性 设 ABC 是三个事件，如果满足两两独立的条件， P(AB)=P(A)P(B)；P(BC)=P(B)P(C)；P(CA)=P(C)P(A) 并且同时满足 P(ABC)=P(A)P(B)P(C) 那么 A、B、C 相互独立。 对于 n 个事件类似。 设事件 B1, B 2,, Bn 满足 1° B1, B 2,, Bn 两两互不相容， P( Bi ) 0(i 1,2,, n) ，
F ( ) lim F ( x) 0 ，
x
F ( ) lim F ( x) 1 ；
x
F ( x 0) F ( x) ，即 F ( x) 是右连续的； P( X x) F ( x) F ( x 0) 。
xk x
x
对于离散型随机变量， F ( x)
P(a X b) F (b) F (a)
可以得到 X 落入区间 ( a, b] 的概率。分布
函数 F ( x) 表示随机变量落入区间（– ∞，x]内的概率。 分布函数具有如下性质： 1° 2° 3° 4° 5°
0 F ( x) 1,
x ；
F ( x) 是单调不减的函数，即 x1 x2 时，有 F ( x1) F ( x2) ；
A、B 同时发生：A B，或者 AB。A B=Ø，则表示 A 与 B 不可能同时发生，
概率论与数理统计公式大全
概率论与数理统计公式概率公式整理1．随机事件及其概率吸收律：AAB A AA A =∪=∅∪Ω=Ω∪)(A B A A A A A =∪∩∅=∅∩=Ω∩)()(AB A B A B A −==−反演律：B A B A =∪BA AB ∪=∩∪n i i n i iA A 11===∪∩n i i n i i A A 11===2．概率的定义及其计算)(1)(A P A P −=若B A ⊂)()()(A P B P A B P −=−⇒对任意两个事件A ,B ,有)()()(AB P B P A B P −=−加法公式：对任意两个事件A ,B ,有)()()()(AB P B P A P B A P −+=∪)()()(B P A P B A P +≤∪)()1()()()()(2111111n n n n k j i k j i n j i j i n i i n i i A A A P A A A P A A P A P A P ⋯⋯∪−≤<<≤≤<≤==−+++−=∑∑∑3．条件概率()=A B P )()(A P AB P 乘法公式())0)(()()(>=A P A B P A P AB P ()())0)(()()(12112112121>=−−n n n n A A A P A A A A P A A P A P A A A P ⋯⋯⋯⋯w w w .k h d a w .c o m 课后答案网全概率公式∑==n i i AB P A P 1)()()()(1i ni i B A P B P ⋅=∑=Bayes 公式)(A B P k )()(A P AB P k =∑==n i i i k k B A P B P B A P B P 1)()()()(4．随机变量及其分布分布函数计算)()()()()(a F b F a X P b X P b X a P −=≤−≤=≤<5．离散型随机变量(1)0–1分布1,0,)1()(1=−==−k p p k X P k k (2)二项分布),(p n B 若P (A )=pnk p p C k X P k n k k n ,,1,0,)1()(⋯=−==−*Possion 定理0lim >=∞→λn n np 有⋯,2,1,0!)1(lim ==−−−∞→k k e p p C k k n n k n k n n λλ(3)Poisson 分布)(λP ⋯,2,1,0,!)(===−k k e k X P kλλw w w .k h d a w .c o m 课后答案网6．连续型随机变量(1)均匀分布),(b a U ⎪⎩⎪⎨⎧<<−=其他,0,1)(b x a ab x f ⎪⎪⎩⎪⎪⎨⎧−−=1,,0)(ab a x x F (2)指数分布)(λE ⎪⎩⎪⎨⎧>=−其他,00,)(x e x f x λλ⎩⎨⎧≥−<=−0,10,0)(x e x x F x λ(3)正态分布N (µ,σ2)+∞<<∞−=−−x e x f x 222)(21)(σµσπ∫∞−−−=x t t e x F d 21)(222)(σµσπ*N (0,1)—标准正态分布+∞<<∞−=−x e x x 2221)(πϕ+∞<<∞−=Φ∫∞−−x t e x x t d 21)(22π7.多维随机变量及其分布二维随机变量(X ,Y )的分布函数∫∫∞−∞−=xy dvdu v u f y x F ),(),(w w w .k h d a w .c o m 课后答案网边缘分布函数与边缘密度函数∫∫∞−+∞∞−=xX dvdu v u f x F ),()(∫+∞∞−=dv v x f x f X ),()(∫∫∞−+∞∞−=yY dudv v u f y F ),()(∫+∞∞−=du y u f y f Y ),()(8.连续型二维随机变量(1)区域G 上的均匀分布，U (G )⎪⎩⎪⎨⎧∈=其他,0),(,1),(G y x A y x f (2)二维正态分布+∞<<−∞+∞<<∞−×−=⎥⎥⎦⎤⎢⎢⎣⎡−+−−−−−−y x e y x f y y x x ,121),(2222212121212)())((2)()1(21221σµσσµµρσµρρσπσ9.二维随机变量的条件分布0)()()(),(>=x f x y f x f y x f X X Y X 0)()()(>=y f y x f y f Y Y X Y ∫∫+∞∞−+∞∞−==dy y f y x f dy y x f x f Y Y X X )()(),()(∫∫+∞∞−+∞∞−==dxx f x y f dx y x f y f X X Y Y )()(),()()(y x f Y X )(),(y f y x f Y =)()()(y f x f x y f Y X X Y =)(x y f X Y )(),(x f y x f X =)()()(x f y f y x f X Y Y X =w w w .k h d a w .c o m 课后答案网10.随机变量的数字特征数学期望∑+∞==1)(k kk p x X E ∫+∞∞−=dx x xf X E )()(随机变量函数的数学期望X 的k 阶原点矩)(k X E X 的k 阶绝对原点矩)|(|k X E X 的k 阶中心矩)))(((k X E X E −X 的方差)()))(((2X D X E X E =−X ,Y 的k +l 阶混合原点矩)(l k Y X E X ,Y 的k +l 阶混合中心矩()l k Y E Y X E X E ))(())((−−X ,Y 的二阶混合原点矩)(XY E X ,Y 的二阶混合中心矩X ,Y 的协方差()))())(((Y E Y X E X E −−w ww .k h d a w .c o m 课后答案网X ,Y 的相关系数XY Y D X D Y E Y X E X E ρ=⎟⎟⎠⎞⎜⎜⎝⎛−−)()())())(((X 的方差D (X )=E ((X -E (X ))2))()()(22X E X E X D −=协方差()))())(((),cov(Y E Y X E X E Y X −−=)()()(Y E X E XY E −=())()()(21Y D X D Y X D −−±±=相关系数)()(),cov(Y D X D Y X XY =ρw w w .k h d a w .c o m 课后答案网。
概率论与数理统计公式
概率论与数理统计公式以下是概率论与数理统计中常见的公式整理：1.基本概率公式：P(A) = n(A) / n(S)，其中A 为事件，n(A) 为事件A 发生的基数，n(S) 为样本空间的基数。
2.条件概率公式：P(A|B) = P(A∩B) / P(B)，其中A 和B 为两个事件，P(A∩B) 表示事件A 和事件B 同时发生的概率，P(B) 表示事件B 发生的概率。
3.全概率公式：P(A) = ΣP(A|Bi) * P(Bi)，其中Bi 为互不相交的事件，P(Bi) 表示事件Bi 发生的概率，P(A|Bi) 表示在事件Bi 发生的条件下，事件A 发生的概率。
4.贝叶斯公式：P(Bi|A) = P(A|Bi) * P(Bi) / ΣP(A|Bj) * P(Bj)，其中Bi 为互不相交的事件，P(Bi) 表示事件Bi 发生的概率，P(A|Bi) 表示在事件Bi 发生的条件下，事件A 发生的概率，P(A|Bj) 表示在事件Bj 发生的条件下，事件A 发生的概率。
5.随机变量的期望值：E(X) = Σxi * P(xi)，其中X 为随机变量，xi 为随机变量X 取的第i 个值，P(xi) 表示X 取xi 的概率。
6.随机变量的方差：Var(X) = E((X - E(X))^2)，其中X 为随机变量，E(X) 表示X 的期望值。
7.正态分布的概率密度函数：f(x) = (1 / (σ* √(2π))) * e^(-((x-μ)^2 / (2σ^2)))，其中μ为正态分布的均值，σ为正态分布的标准差。
8.标准正态分布的概率密度函数：f(x) = (1 / √(2π)) * e^(-x^2 / 2)，其中x 为标准正态分布的随机变量。
9.两个随机变量的协方差：Cov(X,Y) = E((X - E(X)) * (Y - E(Y)))，其中X 和Y 为两个随机变量，E(X) 和E(Y) 分别表示X 和Y 的期望值。
概率论与数理统计公式整理
概率论与数理统计公式整理概率论和数理统计是数学中重要的分支，广泛应用于科学、工程、经济、金融等领域。
本文将对概率论和数理统计中常用的公式进行整理，以帮助读者更好地理解和应用这些概念和方法。
一、概率论公式1. 基本概率公式：P(A) = n(A) / n(S)其中P(A)表示事件A发生的概率，n(A)表示事件A的样本空间，n(S)表示样本空间中所有可能结果的个数。
2. 概率的加法公式：P(A ∪ B) = P(A) + P(B) - P(A ∩ B)其中P(A ∪ B)表示事件A或B发生的概率，P(A ∩ B)表示事件A和B同时发生的概率。
3. 条件概率公式：P(A | B) = P(A ∩ B) / P(B)其中P(A | B)表示在事件B已经发生的条件下，事件A发生的概率。
4. 乘法公式：P(A ∩ B) = P(B) * P(A | B) = P(A) * P(B | A)其中P(A ∩ B)表示事件A和B同时发生的概率。
5. 全概率公式：P(A) = ∑[P(Bi) * P(A | Bi)]其中{Bi}为样本空间S的一个划分，P(Bi)表示事件Bi发生的概率。
二、数理统计公式1. 期望：E(X) = ∑[x * P(X = x)]其中X表示随机变量，x表示X可能取到的值，P(X = x)表示X取到x的概率。
2. 方差：Var(X) = E[(X - E(X))^2]其中E(X)表示随机变量X的期望。
3. 标准差：σ(X) = √(Var(X))其中Var(X)表示随机变量X的方差。
4. 协方差：Cov(X, Y) = E[(X - E(X)) * (Y - E(Y))]其中X和Y分别表示两个随机变量。
5. 相关系数：ρ(X, Y) = Cov(X, Y) / (σ(X) * σ(Y))其中Cov(X, Y)表示X和Y的协方差，σ(X)和σ(Y)分别表示X和Y的标准差。
三、概率分布公式1. 二项分布：P(X = k) = C(n, k) * p^k * (1 - p)^(n-k)其中X服从二项分布，n表示试验次数，k表示成功次数，p 表示每次试验成功的概率。
概率论与数理统计完整公式
概率论与数理统计完整公式概率论与数理统计是数学的一个分支，研究随机现象和随机变量之间的关系、随机变量的分布规律、经验规律及参数估计等内容。
在概率论与数理统计的学习中，有许多重要的公式需要掌握。
以下是概率论与数理统计的完整公式。
一、概率论公式：1.全概率公式：设A1，A2，…，An为样本空间S的一个划分，则对任意事件B，有：P(B)=P(B│A1)·P(A1)+P(B│A2)·P(A2)+…+P(B│An)·P(An)2.贝叶斯公式：对于样本空间S的一划分A1，A2，…，An，其中P(Ai)>0，i=1,2，…，n，并且B是S的任一事件，有：P(Ai│B)=[P(B│Ai)·P(Ai)]/[P(B│A1)·P(A1)+P(B│A2)·P(A2)+…+P (B│An)·P(An)]3.事件的独立性：若对事件A，B有P(AB)=P(A)·P(B)，则称事件A，B相互独立。
4.概率的乘法公式：对于独立事件A1，A2，…，An，有：P(A1A2…An)=P(A1)·P(A2)·…·P(An)5.概率的加法公式：对事件A，B有：P(A∪B)=P(A)+P(B)-P(AB)6.条件概率的计算：对事件A，B有：P(A，B)=P(AB)/P(B)7.古典概型的概率计算：设事件A在n次试验中发生k次的次数服从二项分布B(n,p)，则其概率可表示为：P(X=k)=C(n,k)·p^k·(1-p)^(n-k)，其中C(n,k)=n!/[k!(n-k)!]二、数理统计公式：1.样本均值的期望和方差：样本的均值X̄的期望和方差分别为： E(X̄) = μ，Var(X̄) = σ^2 / n，其中μ 为总体的均值，σ^2 为总体方差，n 为样本容量。
2.样本方差的期望：样本方差S^2的期望为：E(S^2)=σ^2，其中σ^2为总体方差。
(完整版)概率论与数理统计公式整理(超全版)
（17）伯努利概型
我们作了 次试验，且满足
每次试验只有两种可能结果， 发生或 不发生；
次试验是重复进行的，即 发生的概率每次均一样；
每次试验是独立的，即每次试验 发生与否与其他次试验 发生与否是互不影响的。
并且同时满足P(ABC)=P(A)P(B)P(C)
那么A、B、C相互独立。
对于n个事件类似。
（15）全概公式
设事件 满足
1° 两两互不相容， ，
2° ，
则有
。
（16）贝叶斯公式
设事件 ， ，…， 及 满足
1° ， ，…， 两两互不相容， >0， 1，2，…， ，
2° ， ，
则
，i=1，2，…n。
此公式即为贝叶斯公式。
条件概率是概率的一种，所有概率的性质都适合于条件概率。
例如P(Ω/B)=1 P( /A)=1-P(B/A)
（13）乘法公式
乘法公式：
更一般地，对事件A1，A2，…An，若P(A1A2…An-1)>0，则有
… …… … 。
（14）独立性
①两个事件的独立性
设事件 、 满足 ，则称事件 、 是相互独立的。
则称上式为离散型随机变量 的概率分布或分布律。有时也用分布列的形式给出：
。
显然分布律应满足下列条件：
（1） ， ， （2） 。
（2）连续型随机变量的分布密度
设 是随机变量 的分布函数，若存在非负函数 ，对任意实数 ，有
，
则称 为连续型随机变量。 称为 的概率密度函数或密度函数，简称概率密度。
概率论与数理统计公式大全
概率论与数理统计公式大全一、概率论公式1.概率的基本性质：-非负性：对于任意事件A，有P(A)>=0；-规范性：对于必然事件S，有P(S)=1；-可列可加性：对于互不相容的事件Ai（i=1,2,...），有P(A1∪A2∪...)=P(A1)+P(A2)+...。
2.条件概率：-事件B发生的条件下，事件A发生的概率：P(A，B)=P(A∩B)/P(B)；-乘法公式：P(A∩B)=P(A，B)*P(B)。
3.全概率公式：-事件A的概率：P(A)=ΣP(A，Bi)*P(Bi)，其中Bi为样本空间的一个划分。
4.贝叶斯公式：-事件Bi发生的条件下，事件A发生的概率：P(Bi，A)=P(A，Bi)*P(Bi)/ΣP(A，Bj)*P(Bj)，其中Bj为样本空间的一个划分。
5.独立性：-事件A与事件B相互独立的充要条件是P(A∩B)=P(A)*P(B)。
二、数理统计公式1.随机变量的概率分布：-离散型随机变量的概率分布函数：P(X=x)；-连续型随机变量的概率密度函数：f(x)。
2.数理统计的基本概念：-样本均值：X̄=ΣXi/n；-样本方差：s^2=Σ(Xi-X̄)^2/(n-1)；-样本标准差：s=√s^2；- 样本协方差：sxy = Σ(Xi-X̄)(Yi-Ȳ) / (n-1)。
3.大数定律：-样本均值的大数定律：当样本容量n趋向于无穷大时，样本均值X̄趋向于总体均值μ。
4.中心极限定理：-样本均值的中心极限定理：当样本容量n足够大时，样本均值X̄服从近似正态分布。
5.参数估计：-点估计：用样本统计量对总体参数进行估计；-置信区间估计：用样本统计量构造一个区间，以估计总体参数的范围。
6.假设检验：-假设检验的基本步骤：提出原假设H0和备择假设H1，选择适当的检验统计量，计算拒绝域，进行假设检验。
以上只是概率论与数理统计中的一些重要公式和定理，还有很多其他的公式和定理没有一一列举。
掌握这些公式和定理，可以帮助我们更好地理解和应用概率论与数理统计的知识。
概率论与数理统计公式整理(完整精华版)
第1章随机事件及其概率第二章随机变量及其分布概率论与数理统计公式（全）第三章二维随机变量及其分布如果二维随机向量■ (X ，Y )的所有可能取值为至多可列 个有序对(x,y )，则称匕为离散型随机量。
设.=(X ，Y )的所有可能取值为(x 「y j )(i,j =1,2-)， 且事件｛ =(X i ，y j )｝的概率为p j,,称P ｛(X,Y) =(<『)｝二 pj, j =12 )为• =( X ，Y )的分布律或称为 X 和Y 的联合分布律。
联合分布有时也用下面的概率分布表来表示：这里p j 具有下面两个性质:(1) p j > 0 (i,j=1,2,…); (2) 二二 p ij =1.i j(1)联合 离散型 分布概率论与数理统计公式（全）概率论与数理统计公式(全)概率论与数理统计公式（全）所谓自由度是指独立正态随机变量的个数，它是随机变量 分布中的一个重要参数。
2分布满足可加性：设Y i -2(nJ,则kZ 八 Y ~2(n i n 2 n k )•i 吕设X , Y 是两个相互独立的随机变量，且X~N(0,1),Y~2( n),可以证明函数X、Y / n的概率密度为f (t )=' 2J 【i麵i邛\、2)我们称随机变量 T 服从自由度为n 的t 分布，记为T 〜t(n)ti_：.(n) - -r.(n)2分布设n 个随机变量X i ,X 2，…,X n 相互独立，且服从标准正态分 布，可以证明它们的平方和的分布密度为f(u)=u _ 0,u ：我们称随机变量 W 服从自由度为n 的2分布，记为W- 2(n),其中t 分布 (-： ：:::t ” :心■)设X ~ 2(n 1), Y ~ 2(n 2)，且X 与Y 独立，可以证明l X /山F = ------------------ 的概率密度函数为Y/n 20, y :: 0我们称随机变量F 服从第一个自由度为 n i ,第二个自由度为n 2的F 分布，记为 F 〜f(n i ,n 2).1 F i _■. ( ni , n2 )=F ：.( n 2,n i )第四章 随机变量的数字特征n in 22①门2n22 2n i 2加y'2,y-0F 分布矩①对于正整数k，称随机变量X①对于正整数k,称随机变量X的的k次幕的数学期望为X的k k次幕的数学期望为X的k阶原点阶原点矩，记为V k,即矩，记为V k,即V k=E(X k)= E X i k p i ,ik 乂k V k=E(X )= [ x f (x)dx,k=1,2,…k=1,2,…②对于正整数k，称随机变量X②对于正整数k,称随机变量X与与E （X）差的k次幕的数学期E（X）差的k次幕的数学期望为X望为X的k阶中心矩，记为4k, 的k阶中心矩，记为P k，即即k和= E(X _E(X))出=E(X _E(X))k=Z (xiki -E(X)) P i ,中C k= J(x—E(X)) f(x)dx,k=1,2,…k=1,2,…切比雪夫不等式设随机变量X具有数学期望E （X）=□，方差D （X） =/，则对于任意正数£,有卜列切比雪夫不等式P( X -卩2 CT 只）兰一yZ切比雪夫不等式给出了在未知X的分布的情况下，对概率的一种估计P(|X.、- Z . 、人rA < —.—1-|—-，它在理论上有里要意乂。
概率论与数理统计公式整理(完整版)
An 1) 。
①两个事件的独立性
设事件 A 、B 满足 P(AB) P( A)P(B) ，则称事件 A 、B 是相互独立的。
若事件 A 、 B 相互独立，且 P( A) 0 ，则有
P(B | A) P( AB) P( A)P(B) P(B)
P( A)
P( A)
（14）独立 性
（15）全概 公式
布，所以（0-1）分布是二项分布的特例。
5 / 27
概率论与数理统计 公式（全）
泊松分布
设随机变量 X 的分布律为 P( X k) k e ， 0 ， k 0,1,2， k!
则称随机变量 X 服从参数为 的泊松分布，记为 X ~ () 或
超几何分布 几何分布
者 P( )。
泊松分布为二项分布的极限分布（np=λ，n→∞）。
当 A=Ω时，P( B )=1- P(B)
（12）条件 概率
定义 设 A、B 是两个事件，且 P(A)>0，则称 P( AB) 为事件 A 发生条件下，事 P( A)
件 B 发生的条件概率，记为 P(B / A) P( AB) 。 P( A)
条件概率是概率的一种，所有概率的性质都适合于条件概率。
2 / 27
一个事件就是由 中的部分点（基本事件 ）组成的集合。通常用大写字母
A，B，C，…表示事件，它们是 的子集。 为必然事件，Ø 为不可能事件。
不可能事件（Ø ）的概率为零，而概率为零的事件不一定是不可能事件；同理， 必然事件（Ω）的概率为 1，而概率为 1 的事件也不一定是必然事件。
①关系： 如果事件 A 的组成部分也是事件 B 的组成部分，（A 发生必有事件 B 发生）：
设事件 B1， B2 ，…， Bn 及 A 满足
概率论与数理统计公式大全
概率论与数理统计公式大全一、概率论的常用公式：1.概率的公式：对于事件A，其概率表示为P(A)，满足0≤P(A)≤1。
2.加法公式：对于两个互斥事件A和B，其概率表示为P(A∪B)，满足P(A∪B)=P(A)+P(B)。
3.减法公式：对于事件A和B，其概率表示为P(A∩B)，满足P(A∩B)=P(A)-P(A∪B)。
4.乘法公式：对于两个独立事件A和B，其概率表示为P(A∩B)，满足P(A∩B)=P(A)某P(B)。
5.条件概率公式：对于事件A和B，其条件概率表示为P(A，B)，满足P(A，B)=P(A∩B)/P(B)。
6.全概率公式：对于一组互斥事件B1，B2，...，Bn，以及事件A，有P(A)=∑(P(A，Bi)某P(Bi))。
7.贝叶斯公式：对于一组互斥事件B1，B2，...，Bn，以及事件A，有P(Bi，A)=P(A，Bi)某P(Bi)/(∑(P(A，Bj)某P(Bj))。
二、数理统计的常用公式：1.均值公式：对于一组数据某1，某2，...，某n，其均值表示为μ=∑(某i)/n。
2.方差公式：对于一组数据某1，某2，...，某n，其方差表示为σ^2=∑((某i-μ)^2)/n。
3.标准差公式：对于一组数据某1，某2，...，某n，其标准差表示为σ=√(σ^2)。
4. 协方差公式：对于两组数据某1，某2，...，某n 和 y1，y2，...，yn，其协方差表示为 Cov(某,y) = ∑((某i - μ某) 某 (yi - μy)) / n。
5. 相关系数公式：对于两组数据某1，某2，...，某n 和 y1，y2，...，yn，其相关系数表示为 r = Cov(某,y) / (σ某某σy)。
6.正态分布的概率计算：对于满足正态分布的一组数据某1，某2，...，某n，可以利用标准正态分布表或计算工具来计算概率P(X≤某)或P(X>某)。
7.置信区间公式：对于一组数据某1，某2，...，某n，其均值μ和置信水平α，可以计算置信区间为某̄±Z(α/2)某(σ/√n)。
概率论与数理统计公式大全
第1章随机事件及其概率例1.16 设某人从一副扑克中(52张)任取13张，设A 为“至少有一张红桃”，B 为“恰有2张红桃”，C 为“恰有5张方块”，求条件概率P (B |A )，P (B |C )解135213391352135213391)(1)(C C C C C A P A P -=-=-=13521139213)(C C C AB P ⋅=13391352113921313521339135213521139213)()()(C C C C C C C C C C A P AB P A B P -=-==1352839513)(C C C C P =1352626213513)(C C C C BC P =83962621313528395131352626213513)()()(C C C C C C C C C C C P BC P C B P ===例1.21 某工厂生产的产品以100件为一批，假定每一批产品中的次品最多不超过4件，且具有如下的概率：一批产品中的次品数0 1 2 3 4概率0.1 0.2 0.4 0.2 0.1现进行抽样检验，从每批中随机抽取10件来检验，若发现其中有次品，则认为该批产品不合格。
求一批产品通过检验的概率。
4()()()kk k P B P AP B A ==∑解设B 表示事件“一批产品通过检验”，A i (i =0,1,2,3,4)表示“一批产品含有i 件次品”，则A 0,A 1, A 2, A 3, A 4组成样本空间的一个划分，00()0.1,()1P A P B A ==10991110100()0.2,()0.900C P A P B A C ===10982210100()0.4,()0.809C P A P B A C ===10973310100()0.2,()0.727C P A P B A C ===10964410100()0.1,()0.652C P A P B A C ===814.0652.01.0727.02.0809.04.0900.0.021.0≈⨯+⨯+⨯+⨯+=顾客买到的一批合格品中，含次品数为0的概率是0004()(|)0.11(|)0.1230.814()(|)ii i P A P B A P A B P A P B A =⋅⨯==≈⋅∑类似可以计算顾客买到的一批合格品中，含次品数为1、2、3、4件的概率分别约为0.221、0.398、0.179、0.080。
概率论与数理统计公式整理
概率论与数理统计公式整理一、概率论公式：1.加法公式：P(A∪B)=P(A)+P(B)-P(A∩B)2.乘法公式：P(A∩B)=P(A)×P(B，A)其中，P(A)和P(B)表示事件A和B的概率，P(B，A)表示已知事件A发生的条件下事件B发生的概率。
3.全概率公式：P(A)=∑[P(A，B(i))×P(B(i))]其中，B(i)表示互斥事件组，且它们的概率之和为14.贝叶斯公式：P(B(j)，A)=P(A，B(j))×P(B(j))/∑[P(A，B(i))×P(B(i))]其中，P(B(j)，A)表示已知事件A发生的条件下事件B(j)发生的概率。
5.期望值公式：E(X)=∑[x×P(X=x)]其中，X为一个随机变量，x为X的取值，P(X=x)为X等于x的概率。
6.方差公式：Var(X) = E[(X-E(X))^2]其中，Var(X)表示随机变量X的方差，E(X)表示X的期望值。
二、数理统计公式：1.样本均值公式：样本均值 = (x1 + x2 + ... + xn)/n其中，x1、x2、..、xn为样本中的观测值，n为样本容量。
2.样本方差公式（无偏估计）：样本方差 = [(x1-样本均值)^2 + (x2-样本均值)^2 + ... + (xn-样本均值)^2]/(n-1)3.样本标准差公式（无偏估计）：样本标准差=样本方差的平方根4.正态分布的标准化公式：Z=(X-μ)/σ其中，X为一个正态随机变量，μ为其均值，σ为其标准差，Z为标准正态分布的变量。
5.正态分布的累积分布函数：P(X≤x)=Φ((x-μ)/σ)其中，Φ表示标准正态分布的累积分布函数。
6.样本之间的协方差公式：Cov(X,Y) = ∑[(x(i)-X均值) × (y(i)-Y均值)]/(n-1)其中，X、Y为两个随机变量，x(i)、y(i)为X、Y的观测值，X均值、Y均值分别为X、Y的样本均值，n为样本容量。
概率论与数理统计公式整理
概率论与数理统计公式整理概率论和数理统计领域中一些重要的公式以及定义。
概率基础：概率的定义：对于一个事件，其概率是它发生的可能性，通常用P表示，取值范围在0到1之间。
概率的加法规则：对于任意两个不相交事件A和B，它们的并集事件的概率等于它们各自的概率之和，即：P(A∪B) = P(A) + P(B)概率的乘法规则：对于任意两个事件A和B，它们的交集事件的概率等于它们各自的概率的积，与它们的条件概率之积相等，即：P(A∩B) = P(A) ×P(B|A) = P(B) ×P(A|B)条件概率的定义：在事件A已经发生的条件下，事件B发生的概率，用P(B|A) 表示，并定义为P(A∩B) / P(A)全概率公式：设B1,B2,…,Bn为样本空间的一个划分，即它们两两不相交且并集为样本空间。
则对于任意事件A，都有P(A) = ∑P(A∩Bi)贝叶斯公式：设B1,B2,…,Bn为样本空间的一个划分，即它们两两不相交且并集为样本空间。
则对于任意事件A，都有P(Bi|A) = P(A|Bi) ×P(Bi) / ∑P(A|Bj)×P(Bj)随机变量：随机变量的定义：将样本空间S中的每个样本点赋予一个实数，得到一个实数函数X = X(ω)，通常称为随机变量。
随机变量的取值范围被称为它的值域。
离散型随机变量的概率分布：对于一个离散型随机变量X 和它的所有取值x1,x2,…,xn，它们对应的概率分别是P(X = x1),P(X = x2),…,P(X = xn)，满足0 ≤P(X = xi) ≤1 且∑P(X = xi) = 1。
连续型随机变量的概率密度函数：对于一个连续型随机变量X，它的概率密度函数f(x) 满足两个条件：非负性:f(x) ≥0，且积分值为1:∫f(x)dx = 1。
对于任意一个区间[a,b]，它的概率等于该区间上概率密度函数的积分，即P(a≤X≤b) = ∫a~b f(x)dx。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第一章
P(A+B)=P(A)+P(B)- P(AB)
特别地，当A、B互斥时， P(A+B)=P(A)+P(B)条件概率公式
概率的乘法公式
全概率公式：从原因计算结果
Bayes公式：从结果找原因
第二章
二项分布（Bernoulli分布）——X~B(n,p)泊松分布——X~P(λ)
概率密度函数
怎样计算概率
均匀分布X~U(a,b)
指数分布X~Exp (θ)
分布函数
对离散型随机
变量
对连续型随机变量
分布函数与密度函数的重要关系：
二元随机变量及其边缘分布
分布规律的描述方法
联合密度函数
联合分布函数
联合密度与边缘密度
离散型随机变量的独立性
连续型随机变量的独立性
第三章
数学期望
离散型随机变量，数学期望
定义
连续型随机变量，数学期望定义
E(a)=a，其中a为常数
E(a+bX)=a+bE(X)，其中a、b为常数
E(X+Y)=E(X)+E(Y)，X、Y为任意随机变
量
随机变量g(X)的数学期望
常用公式
方差
定义式
常用计算式
常用公式
当X、Y相互独立时：
方差的性质
D(a)=0，其中a为常数
D(a+bX)=b2D(X)，其中a、b为常数
) (b
X
a
P≤
≤
∑≤=
=
≤
=
x
k
k
X
P
x
X
P
x
F)
(
)
(
)
(
⎰∞-=
≤
=x dt
t
f
x
X
P
x
F)(
)
(
)
(
)
,
(y
x
f
)
,
(y
x
F
1
)
,
(
0≤
≤y
x
F
∑+∞
-∞
=
⋅
=
k
k
k
P
x
X
E)
(
[]2
2)
(
)
(
)
(X
E
X
E
X
D-
=
)
(
)
('x
f
x
F=
当X 、Y 相互独立时，D(X+Y)=D(X)+D(Y) 协方差与相关系数 协方差的性质 独立与相关 独立必定不相关 相关必定不独立 不相关不一定独立 第四章 正态分
布
标准正态分布的概率计算 标准正态分布的概率计算公式 一般正态分布的概率计算 一般正态分布的概率计算公式 第五章
卡方分布 t 分布
F 分布
正态总体条件下 样本均值的分布： 样本方差的分布： 两个正态总体的方差之比 第六章
点估计：参数的估计值为一个常数 矩估计 最大似然估计
似然函数
均值的区
间估计——大样本结果
正态总体方差的区间
估计
两个正态总体均值差的置信区间 大样本或正态小样本且方差已知 两个正态总体方差比的置信区间
第七章
假设检验的步骤
① 根据具体问题提出原假设H0和备择假设H1
② 根据假设选择检验统计量，并计算检验统计值
③ 看检验统计值是否落在拒绝域，若落在
拒绝域则拒绝原假设，否则就不拒绝原假设。
不可避免的两类错误
第1类(弃真)错误：原假设为真，但拒绝了原
)
,(~2σμN X )
(~)1,0(~212
n X N X n
i i χ∑=，则若),(~//),(~),(~212
1
2212n n F n V n U n V n U 则
若χχ);(1
θi n
i x f L ∏
==)
;(1
θi n
i x p L ∏==(
)
22
/122
2
/2
)1()1(,
ααχχ---S
n S
n 卡方分布的分位点
—样本方差
—22/2
αχS
假设
第2类(取伪)错误：原假设为假，但接受了原假设
单个正态总体的显着性检验
单正态总体均值的检验
大样本情形——Z 检验
正态总体小样本、方差已知——Z 检验
正态总体小样本、方差未知—— t 检验
单正态总体方差的检验
正态总体、均值未知——卡方检验
单正态总体均值的显着性检验 统计假设的形式
双边检验
左边检验 右边检验
单正态总体均值的Z 检验 拒绝域的代数表示
双边检验 左边检验
右边检验
比例——特殊的均值的Z 检验 单正态总体均值的 t 检验 单正态总体方差的卡方检验 拒绝域 双边检验
左边检验 右边检验
10
0::)1(μμμμ≠=H H 2
/αZ Z ≥α
Z Z ≥2
2
/1222/2ααχχχχ-≤≥或αZ Z -≤。