《概率统计》公式符号汇总表
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。
概率论的公式大全
概率论的公式大全概率论是数学中的一门重要分支,用于研究随机事件的发生概率和规律性。
下面是概率论中的一些常用公式和定理,供参考: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发生的情况数,n(S)表示样本空间中所有事件发生的情况数。
2.加法定理:P(A∪B)=P(A)+P(B)-P(A∩B)其中,P(A∪B)表示事件A或事件B发生的概率,P(A∩B)表示事件A和事件B发生的概率。
3.乘法定理:P(A∩B)=P(B,A)×P(A)其中,P(B,A)表示在事件A已经发生的条件下,事件B发生的概率。
4.互斥事件的概率:若事件A和事件B互斥(即不能同时发生),则P(A∪B)=P(A)+P(B) 5.条件概率: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。
6.贝叶斯定理:P(A,B)=P(B,A)×P(A)/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;P(B,A)表示在事件A已经发生的条件下,事件B发生的概率。
7.全概率公式:P(A)=∑[P(A∩B_i)]其中,事件B_1,B_2,...,B_n互斥且构成样本空间,P(B_i)不为0,P(A∩B_i)表示事件A和事件B_i同时发生的概率。
8.期望值:E(X)=∑[x_i×P(X=x_i)]其中,X为随机变量,x_i为随机变量X的取值,P(X=x_i)为随机变量X取值为x_i的概率。
9.方差:Var(X) = E[(X - E(X))^2]其中,X为随机变量。
10.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。
11.独立事件的概率:若事件A和事件B独立,即P(A∩B)=P(A)×P(B)12.独立随机变量的期望值:E(XY)=E(X)×E(Y)其中,X和Y为独立随机变量。
概率论的公式大全
概率论的公式大全概率论是数学中研究随机事件的理论,它用于描述事件发生的可能性,并通过概率的计算和分析来预测、评估和决策。
下面给出一些概率论中常用的公式,帮助你更好地理解和运用概率论。
1.概率定义公式:P(A)=N(A)/N,表示事件A发生的概率,N(A)代表事件A发生的次数,N代表试验的总次数。
2.互补事件公式:P(A')=1-P(A),表示事件A的补事件发生的概率。
3.加法公式:P(A∪B)=P(A)+P(B)-P(A∩B),表示事件A或B发生的概率。
4.独立事件公式:P(A∩B)=P(A)*P(B),表示事件A和事件B同时发生的概率,当事件A和事件B相互独立时成立。
5.条件概率公式:P(A,B)=P(A∩B)/P(B),表示事件B已经发生时事件A发生的概率。
6.乘法公式:P(A∩B)=P(A,B)*P(B),也可以写作P(A∩B)=P(B,A)*P(A),表示事件A和事件B同时发生的概率。
7.全概率公式:P(A)=ΣP(A,Bᵢ)*P(Bᵢ),表示事件A发生的概率,Bᵢ代表一组互不相容且构成样本空间的事件。
8.贝叶斯公式:P(B,A)=P(A,B)*P(B)/P(A),表示在事件A发生的条件下,事件B发生的概率。
9.随机变量的概率公式:P(X=x)≥0,表示随机变量X取值为x的概率非负。
10.随机变量期望公式:E(X)=ΣxP(X=x)*x,表示随机变量X的期望或均值。
11.随机变量方差公式:Var(X) = E[(X - µ)²],表示随机变量X的方差,其中µ为X的期望。
12.二项分布公式:P(X=k)=C(n,k)*p^k*q^(n-k),表示n次独立重复实验中,事件发生k次的概率,其中,C(n,k)为组合数,p为事件发生的概率,q为事件不发生的概率。
13.泊松分布公式:P(X=k)=e^(-λ)*(λ^k)/k!,表示单位时间或空间中,事件发生了k次的概率,λ为事件发生率。
概率论与数理统计公式
概率论与数理统计公式概率论是一门研究随机现象规律的数学学科,是现代数学的基础之一、而数理统计则是利用概率论的工具和方法,分析和处理统计数据,从而得出推断、估计、决策等信息的科学。
在概率论与数理统计的学习过程中,掌握一些重要的公式是非常关键的。
下面是一些概率论与数理统计中常用的公式:1.概率公式:-加法公式:P(A∪B)=P(A)+P(B)-P(A∩B)-乘法公式:P(A∩B)=P(A)*P(B,A)-条件概率公式:P(A,B)=P(A∩B)/P(B)2.期望与方差公式:-期望:E(X)=∑(x*P(X=x))- 方差:Var(X) = E((X-μ)^2) = ∑((x-μ)^2 * P(X=x))3.常用概率分布及其特征:-二项分布:P(X=k)=C(n,k)*p^k*(1-p)^(n-k)-泊松分布:P(X=k)=(λ^k*e^(-λ))/k!-正态分布:f(x)=(1/(σ*√(2π)))*e^(-((x-μ)^2)/(2*σ^2))4.样本与总体统计量公式:-样本均值:x̄=(∑x)/n-样本方差:s^2=(∑(x-x̄)^2)/(n-1)-样本标准差:s=√(s^2)5.参数估计公式:-点估计:-总体均值估计:μ的点估计为x̄-总体方差估计:σ^2的点估计为s^2-区间估计:-总体均值的置信区间:x̄±Z*(σ/√n)-总体比例的置信区间:p±Z*√((p*(1-p))/n)6.假设检验公式:-均值检验:-单样本均值检验:t=(x̄-μ0)/(s/√n)-双样本均值检验:t=(x̄1-x̄2)/√((s1^2/n1)+(s2^2/n2))-比例检验:-单样本比例检验:z=(p-p0)/√((p0*(1-p0))/n)-双样本比例检验:z=(p1-p2)/√((p*(1-p))*((1/n1)+(1/n2)))以上是概率论与数理统计中一些常用的公式,这些公式为解决问题提供了有力的工具和方法。
概率统计公式大全
概率统计公式大全第1章随机事件及其概率P(A) =P(B 1)P(A| B 1) P(B 2)P(A| B 2)P(B n )P(A|B n )。
我们作了 n 次试验,且满足每次试验只有两种可能结果, A 发 生或A 不发生;n次试验是重复进行的,即A 发生的 概率每次均一样;每次试验是独立的,即每次试验 A 发生与否与其他次试验 A 发生与否公式2°则有nA二B ii -4(16 设事件B 1, 1。
B 1, P(Bi)>0,—, B 2,…, B 2 •… 2 •…B n及A 满足Bn两两互不相贝叶斯 nA B i,且 P(A)公式 (用于 求后验P(B i /A)nP(B i )P (A/Bi),i=1 , 2, •…n o、P(B j)P(A/B j)此公式即为贝叶斯公式。
驴i), (“1, 率 o P( B i/ A), 后验概率 o 的概率规律,并作出了由果溯因”的 推断。
2,…,ni =1 2(17)伯努利第二章随机变量及其分布P k二 1 (1) P k_o ,kT2, (2) k.( 1) 离散型随机变量的 分布X对于连续型随机变量 , F(x) = f(x)dxa4)分布 函数设X 为随机变量,x 是任意实数,则函 数F(x) =P(X沁)称为随机变量X 的分布函数,本质上是一个累积函数。
P(a XEb) =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, x ]的概率。
分布函数具有如下性质:1° 2°岂 F (x)乞 1, -二::x ::二; F(x)是单调不减的函数,即-X2时, 有34° 5°F(X 1)二 F (X 2);F(-::)二 Jim F(x) = 0 , F(二)二 JimF(x)二 1 ; 即F(x)是右连续的;F(x 0HF(x), P(X = x) = F(x) _ F(x _0)。
概率统计公式大全
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:
2°
P(1 )
P( 2
)
P( n
)
1 n
。
设任一事件 A ,它是由1, 2 m 组成的,则有
P(A)= P(1 ) (2 ) (m ) = P(1 ) P(2 ) P(m )
m n
A所包含的基本事件数 基本事件总数
(9) 几何概型
当 B A 时,P(A-B)=P(A)-P(B)
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)
“由果溯因”的推断。
(17)
我们作了 n 次试验,且满足
标准文案
实用文档
伯努利概 型
每次试验只有两种可能结果, A 发生或 A 不发生; n 次试验是重复进行的,即 A 发生的概率每次均一样; 每次试验是独立的,即每次试验 A 发生与否与其他次试验 A 发生与
否是互不影响的。
这种试验称为伯努利概型,或称为 n 重伯努利试验。
则称随机变量 X 服从参数为 的泊松分布,记为 X ~ () 或 者 P( )。
泊松分布是二项分布的极限分布(np=λ ,n→∞)。
概率论数理统计公式整理
概率论数理统计公式整理一、概率论公式1.定义公式:-事件概率的定义:若E为随机试验的一个事件,S为样本空间,则事件E发生的概率可以表示为P(E)=n(E)/n(S),其中n(E)表示事件E中元素的个数,n(S)表示样本空间S中元素的总数。
2.概率计算公式:-加法公式:P(A∪B)=P(A)+P(B)-P(A∩B),其中A,B为两个事件。
-条件概率公式:P(A,B)=P(A∩B)/P(B),其中A,B为两个事件,且P(B)≠0。
-乘法公式:P(A∩B)=P(A)P(B,A),其中A,B为两个事件。
3.全概率公式与贝叶斯公式:-全概率公式:设B1,B2,...,Bn为样本空间S的一组互不相容的事件,并且它们构成了对S的一个完全划分,即Bi∩Bj=∅(i≠j),且B1∪B2∪...∪Bn=S,则对于任意事件A,有P(A)=ΣP(A,Bi)P(Bi),其中i=1,2,...,n。
-贝叶斯公式:设B1,B2,...,Bn为样本空间S的一组互不相容的事件,并且它们构成了对S的一个完全划分,即Bi∩Bj=∅(i≠j),且B1∪B2∪...∪Bn=S,则对于任意事件A,有P(Bi,A)=P(A,Bi)P(Bi)/ΣP(A,Bj)P(Bj),其中i=1,2,...,n。
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:P(X=x)=p(x),其中x为随机变量X的取值,p(x)为概率质量函数。
- 连续型随机变量的概率密度函数: f(x) ≥ 0,且∫f(x)dx = 12.随机变量的数学期望:- 离散型随机变量的数学期望: E(X) = Σxip(xi),其中xi为随机变量X的取值,p(xi)为X取值为xi的概率。
- 连续型随机变量的数学期望: E(X) = ∫xf(x)dx。
3.方差和标准差:- 离散型随机变量的方差: Var(X) = E[(X - E(X))^2] = Σ(xi - E(X))^2p(xi)。
概率统计实用公式整理专为研究者和实践者准备的指南
概率统计实用公式整理专为研究者和实践者准备的指南概率统计是数学中一门重要的学科,作为一种应用广泛的工具,被广泛应用于各个领域的研究和实践中。
在进行概率统计的计算和分析过程中,掌握一些实用的公式非常重要。
本文将整理一些常用的概率统计公式,旨在为广大研究者和实践者提供一个便捷的指南。
一、基本概率公式在概率统计的计算中,一些基本的概率公式是必不可少的。
下面是几个常用的基本概率公式:1. 乘法定理:P(A∩B) = P(A) × P(B|A)2. 加法定理:P(A∪B) = P(A) + P(B) − P(A∩B)3. 条件概率公式:P(A|B) = P(A∩B) / P(B)4. 全概率公式:P(B) = ∑[i=1, n] P(Ai) × P(B|Ai)二、离散分布公式在离散概率分布中,一些常见的分布公式可以用来描述随机变量的特征。
以下是几个常用的离散分布公式:1. 二项分布公式:P(X=k) = C(n,k) × p^k × (1-p)^(n-k)2. 泊松分布公式:P(X=k) = (e^(-λ) × λ^k) / k!3. 几何分布公式:P(X=k) = (1-p)^(k-1) × p三、连续分布公式连续概率分布描述的是在某一范围内随机变量取值的概率。
以下是几个常用的连续分布公式:1. 正态分布公式:f(x) = (1 / (σ * √(2π))) * e^(-(x-μ)^2 / (2σ^2))2. 指数分布公式:f(x) = λ * e^(-λx)3. 均匀分布公式:f(x) = 1 / (b-a),其中a ≤ x ≤ b四、描述统计公式描述统计是对数据进行整理和总结的过程,以下是一些常用的描述统计公式:1. 均值公式:μ = (x1 + x2 + ... + xn) / n2. 方差公式:σ^2 = [(x1-μ)^2 + (x2-μ)^2 + ... + (xn-μ)^2] / n3. 标准差公式:σ = √(σ^2)五、假设检验公式假设检验是概率统计中用来推断总体特征的方法。
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。
概率论与统计学公式总结【已整理 可直接打印】
概率论与统计学公式总结【已整理可直接打印】1. 概率公式概率 P(A) = n(A) / n(S),其中 n(A) 表示事件 A 发生的次数,n(S) 表示样本空间中所有可能事件发生的次数。
2. 条件概率公式事件 B 在事件 A 已经发生的条件下发生的概率,表示为P(B|A),计算公式为P(B|A) = P(A∩B) / P(A),其中P(A∩B) 表示事件 A 和事件 B 同时发生的概率。
3. 独立事件公式如果事件 A 和事件 B 相互独立,则事件 A 发生与否不会对事件 B 发生的概率产生影响,表示为P(A∩B) = P(A) * P(B)。
4. 期望值公式离散型随机变量 X 的期望值E(X) = ΣxP(X=x),其中 x 表示可能的取值,P(X=x) 表示 X 取值为 x 的概率。
5. 方差公式离散型随机变量 X 的方差Var(X) = Σ(x-E(X))^2 * P(X=x),其中 x 表示可能的取值,E(X) 表示随机变量 X 的期望值。
6. 正态分布公式正态分布的概率密度函数为f(x) = (1 / (σ * √(2π))) * exp(-(x-µ)^2 / (2σ^2)),其中 µ表示均值,σ 表示标准差。
7. 中心极限定理对于一个总体中的任意样本,样本均值的分布接近正态分布,当样本容量足够大时,均值的分布越接近正态分布。
8. 置信区间公式无偏样本的均值x的置信水平为 1-α 的置信区间为 [x - Z * (σ/√n), x + Z * (σ/√n)],其中x表示样本均值,Z 表示标准正态分布的分位数,σ 表示总体标准差,n 表示样本容量。
9. 假设检验公式在给定总体参数假设的条件下,进行样本均值的假设检验,计算统计量的值,与临界值进行比较,判断是否拒绝原假设。
10. 线性回归公式通过最小二乘法确定线性回归方程,表示为y = β₀ + β₁x₁ + β₂x₂ + ... + βₙxₙ,其中 y 表示因变量,x₁, x₂, ..., xₙ 表示自变量,β₀, β₁, β₂, ..., βₙ 表示回归系数。
概率统计公式大全
概率统计公式大全概率统计是一门研究事件发生的可能性及其规律性的学科。
它以概率论为基础,通过概率模型和统计方法对随机现象进行建模、分析和预测。
在概率统计中,有很多重要的公式和定理,下面将简单介绍几个常用的公式。
1.加法原理加法原理是计算多个事件并集概率的基本方法,它表述为:如果A和B是两个事件,那么它们的并集事件的概率可以表示为P(A∪B)=P(A)+P(B)-P(A∩B)。
2.乘法原理乘法原理是计算多个事件交集概率的基本方法,它表述为:如果A和B是两个事件,那么它们的交集事件的概率可以表示为P(A∩B)=P(A)*P(B,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。
3.条件概率条件概率是指在其中一事件已经发生的条件下,另一事件发生的概率。
条件概率可以表示为P(A,B)=P(A∩B)/P(B),其中P(B)不为0。
4.全概率公式全概率公式是计算事件的概率的重要方法,它表述为:如果B1、B2、..、Bn是一组互不相容的事件,且它们的并集构成了样本空间S,那么对于任意事件A,可以表示为P(A)=P(A,B1)*P(B1)+P(A,B2)*P(B2)+...+P(A,Bn)*P(Bn)。
5.贝叶斯定理贝叶斯定理是利用条件概率和全概率公式来计算事件的概率的重要方法,它表述为:如果B1、B2、..、Bn是一组互不相容的事件,且它们的并集构成了样本空间S,那么对于任意事件A,可以表示为P(Bi,A)=P(A,Bi)*P(Bi)/(P(A,B1)*P(B1)+P(A,B2)*P(B2)+...+P(A,Bn)*P(Bn))。
6.期望值期望值是度量随机变量平均取值的重要统计量,它可以表示为E(X)=∑x*P(X=x),其中x为随机变量X的取值,P(X=x)为X取值为x的概率。
7.方差方差是衡量随机变量取值的波动性的统计量,它可以表示为Var(X)= E((X - E(X))^2),其中E(X)为随机变量X的期望值。
概率论的公式大全
概率论的公式大全概率论是数学的一个分支,研究随机事件发生的概率。
以下是概率论中常用的公式。
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的样本空间中的有利结果数量,n(S)表示样本空间中的总结果数量。
2.加法公式:P(A或B)=P(A)+P(B)-P(A且B)其中,P(A或B)表示事件A或事件B发生的概率,P(A且B)表示事件A和事件B同时发生的概率。
3.乘法公式:P(A且B)=P(A)×P(B,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.条件概率公式:P(A,B)=P(A且B)/P(B)其中,P(A,B)表示在事件B发生的条件下,事件A发生的概率。
5.全概率公式:P(A)=Σ(P(A,Bi)×P(Bi))其中,P(A)表示事件A的概率,Bi表示S的一个划分,P(A,Bi)表示在事件Bi发生的条件下,事件A发生的概率,P(Bi)表示事件Bi的概率。
6.贝叶斯公式:P(Bi,A)=(P(A,Bi)×P(Bi))/Σ(P(A,Bj)×P(Bj))其中,P(Bi,A)表示在事件A发生的条件下,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(Bi)表示事件Bi的概率。
7.期望值公式:E(X)=Σ(Xi×P(Xi))其中,E(X)表示随机变量X的期望值,Xi表示X的取值,P(Xi)表示X取值为Xi的概率。
8.方差公式:Var(X) = Σ((Xi - E(X))^2 × P(Xi))其中,Var(X)表示随机变量X的方差,Xi表示X的取值,E(X)表示X 的期望值,P(Xi)表示X取值为Xi的概率。
9.标准差公式:SD(X) = √Var(X)其中,SD(X)表示随机变量X的标准差,Var(X)表示X的方差。
10.二项分布的概率公式:P(X=k)=C(n,k)×p^k×(1-p)^(n-k)其中,P(X=k)表示X取值为k的概率,C(n,k)表示组合数,p表示单次实验成功的概率,n表示试验重复的次数,k表示成功发生的次数。
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
概率统计公式大全
概率统计公式大全第1章随机事件及其概率行,而每次试验的可能结果不止一个, 但在进行一次试验之前却不能断言它出 现哪个结果,则称这种试验为随机试验。
试验的可能结果称为随机事件。
在一个试验下,不管事件有多少个,总 可以从其中找出这样一组事件,它具有 如下性质:① 每进行一次试验,必须发生且只能发 生这一组中的一个事件;② 任何事件,都是由这一组中的部分事件组成的。
这样一组事件中的每一个事件称为基本 事件,用”来表示。
基本事件的全体,称为试验的样本空间, 用°表示。
一个事件就是由"中的部分点(基本事 件小 组成的集合。
通常用大写字母儿 B,C,…表示事件,它们是©的子集。
为必然事件,0为不可能事件。
不可能事件(0)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(Q )的概率为1,而概率为1随机试 验和随 机事件 (5)基本事件、样本空间和事件第二章随机变量及其分布设离散型随机变量X 的可能取值为 X(k=1,2,…)且取各个值的概率,即事件 (X=X<)的概率为P(X=x<)=p k , k=1,2,…,则称上式为离散型随机变量X 的概率 分布或分布律。
有时也用分布列的形式给出: x | X —X 2, ,x k ,P(X x k ) p 1, p 2, , p k,。
显然分布律应满足下列条件:p k 1(1) p k 0,k 1,2,, (2)k1。
1) 离型 机 量 分 律散 随 变 的 布对于离散型随机变量,F(x) pxk Xx对于连续型随机变量 ,F (x) f (x) dx4)分布 函数设X 为随机变量,x 是任意实数,则函 数F(x) P(X x)称为随机变量X 的分布函数,本质上是一 个累积函数。
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(-R, x ]的概率。
《概率论与数理统计》公式汇总(全)
若随机试验的结果为无限不可数并且每个结果出现的可能性均匀,同时样本空 间中的每一个基本事件可以使用一个有界区域来描述,则称此随机试验为几何 概型。对任一事件 A,
P( A) L( A) 。其中 L 为几何度量(长度、面积、体积)。 L()
(10)加法 公式
(11)减法 公式
P(A+B)=P(A)+P(B)-P(AB) 当 P(AB)=0 时,P(A+B)=P(A)+P(B) P(A-B)=P(A)-P(AB)
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):
A B 如果同时有 A B , B A ,则称事件 A 与事件 B 等价,或称 A 等于 B:
A=B。 A、B 中至少有一个发生的事件:A B,或者 A+B。 属于 A 而不属于 B 的部分所构成的事件,称为 A 与 B 的差,记为 A-B,也可
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, B2,, Bn 满足 1° B1, B2,, Bn 两两互不相容, P(Bi) 0(i 1,2,, n) ,
n
A Bi
2°
i1 ,
则有
P(A) P(B1)P(A | B1) P(B2)P(A | B2) P(Bn)P(A | Bn) 。
C Pn(k)
k n
pk qnk
,
k
0,1,2,, n
。
第二章 随机变量及其分布
(1)离散 型随机变 量的分布 律
设离散型随机变量 X 的可能取值为 Xk(k=1,2,…)且取各个值的概率,即事
概率统计公式大全
泊松分布是二项分布的极限分布〔np=λ,n→∞〕。
超几何分布
P( X
k)
CMk
•
C
nk N M
,
k
0,1,2, l
C
n N
l min(M , n)
随机变量 X 服从参数为 n,N,M 的超几何分布,记为 H(n,N,M)。
几何分布
P(X k) qk1 p, k 1,2,3,,其中 p≥0,q=1-p。
C Pn(k)
k n
p k qnk
,k
0,1,2,, n 。
第二章 随机变量及其分布
〔1〕 离散型随 机变量的 分布律
设离散型随机变量 X 的可能取值为 Xk(k=1,2,…)且取各个值的概率,即事
件(X=Xk)的概率为
P(X=xk)=pk,k=1,2,…,
则称上式为离散型随机变量 X 的概率分布或分布律。有时也用分布列的形
式给出:
X P(X
xk )
|
x1, x2,, xk, p1, p2,, pk, 。
Байду номын сангаас显然分布律应满足以下条件:
〔1〕 pk 0 , k 1,2,,
pk 1
〔2〕 k 1
。
〔2〕 连续型随 机变量的 分布密度
设 F (x) 是随机变量 X 的分布函数,假设存在非负函数 f (x) ,对任意实数 x ,
假设事件 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Φ与任何事件都相互独立。 Φ与任何事件都互斥。
②多个事件的独立性
设 A,B,C 是三个事件,如果满足两两独立的条件,
概率 符号 公式
概率符号公式
概率论中常用的符号和公式包括:
事件符号:通常用大写字母A, B, C等表示事件。
概率符号:用P(A)表示事件A的概率。
并集符号:用∪表示事件的并集,即两个或多个事件至少发生一个。
交集符号:用∩表示事件的交集,即两个或多个事件同时发生。
差集符号:用-表示事件的差集,即事件A发生但事件B不发生。
互斥事件:如果两个事件不能同时发生,则它们是互斥的。
此时,P(A ∪ B) = P(A) + P(B)。
独立事件:如果两个事件的发生与否互不影响,则它们是独立的。
此时,P(A ∩ B) = P(A) × P(B)。
条件概率:P(A|B)表示在事件B发生的条件下,事件A发生的概率。
计算公式为P(A|B) = P(A ∩ B) / P(B)。
贝叶斯公式:P(A|B) = P(B|A) × P(A) / P(B),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。
概率统计公式大全(复习重点)汇总【范本模板】
第一章随机事件和概率(1)排列组合公式)!(!nmmP nm-=从m个人中挑出n个人进行排列的可能数。
)!(!!nmnmC nm-=从m个人中挑出n个人进行组合的可能数。
(2)加法和乘法原理加法原理(两种方法均能完成此事):m+n某件事由两种方法来完成,第一种方法可由m种方法完成,第二种方法可由n种方法来完成,则这件事可由m+n 种方法来完成。
乘法原理(两个步骤分别不能完成这件事):m×n某件事由两个步骤来完成,第一个步骤可由m种方法完成,第二个步骤可由n 种方法来完成,则这件事可由m×n 种方法来完成.(3)一些常见排列重复排列和非重复排列(有序)对立事件(至少有一个)顺序问题(4)随机试验和随机事件如果一个试验在相同条件下可以重复进行,而每次试验的可能结果不止一个,但在进行一次试验之前却不能断言它出现哪个结果,则称这种试验为随机试验。
试验的可能结果称为随机事件。
(5)基本事件、样本空间和事件在一个试验下,不管事件有多少个,总可以从其中找出这样一组事件,它具有如下性质:①每进行一次试验,必须发生且只能发生这一组中的一个事件;②任何事件,都是由这一组中的部分事件组成的。
这样一组事件中的每一个事件称为基本事件,用ω来表示。
基本事件的全体,称为试验的样本空间,用Ω表示。
一个事件就是由Ω中的部分点(基本事件ω)组成的集合。
通常用大写字母A,B,C,…表示事件,它们是Ω的子集。
Ω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。
(6)事件的关系与运算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):BA⊂如果同时有BA⊂,AB⊃,则称事件A与事件B等价,或称A等于B:A=B.A、B中至少有一个发生的事件:A B,或者A+B。
属于A而不属于B的部分所构成的事件,称为A与B的差,记为A—B,也可表示为A—AB或者BA,它表示A发生而B不发生的事件。
- 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)。
《概率统计》公式、符号汇总表及各章要点 (共3页)
第一章
均独立。
与与与此时独立与B A B A B A B P A P AB P B A B P AB P B A P ,,);()()( )
()()( (1)⋅=⇔=
)
()
()()( )()()()()( )3()
(1)( )()( A B )()()( )()()()()( )()()()( )2(11A P B P B A P A B P B P B A P B P B A P A P A P A P B P A P AB P A P B A P A P A B P B P B A P AB P AB P B P A P B A P i i i n n ⋅=
⋅++⋅=-=-⊆-=-⋅=⋅=-+=ΛY
第二、三章
一维随机变量及分布:X , i P , )(x f X , )(x F X 二维随机变量及分布:),(Y X , ij P , ),(y x f , ),(y x F *注意分布的非负性、规范性 (1)边缘分布:∑=
j
ij i p P ,⎰+∞
∞
-=dy y x f x f X ),()(
(2)独立关系:J I IJ P P P Y X =⇔独立与 或)()()(y f x f y x f Y X =,
),,(11n X X Λ与),,(21n Y Y Λ独立),,(11n X X f Λ⇒与),,(21n Y Y g Λ独立
(3)随机变量函数的分布(离散型用列表法)
一维问题:已知X 的分布以及)(X g Y =,求Y 的分布-------连续型用分布函数法
二维问题:已知),(Y X 的分布,求Y X Z +=、{}Y X M ,m ax =、{}Y X N ,m in =的分布- ⎰
⎰
+∞
∞
-+∞
∞
--=-=
dy y y z f dx x z x f z f Z ),(),()(
M 、N 的分布---------连续型用分布函数法 第四章
(1)期望定义:离散:∑=
i
i
i p
x X E )(
连续:⎰
⎰
⎰+∞∞-+∞
∞
-+∞
∞
-==dxdy y x xf dx x xf X E ),()()(
方差定义:)()(]))([()(2
2
2
X E X E X E X E X D -=-=
离散:∑-=i
i i
p X E x
X D 2))(()(
连续:⎰
+∞
∞
--=
dx x f X E x X D X )())(()(2
协方差定义:)()()())]())(([(),(Y E X E XY E Y E Y X E X E V X COV -=--= 相关系数定义:)
()(),(Y D X D Y X COV XY =
ρ
K 阶原点矩定义:)( K k X E ∆μ K 阶中心矩定义:]))([( K k X E X E -∆σ (2)性质:
C C E =)( ;)()(X CE CX E = ;)()()(Y E X E Y X E ±=±;)()( )(Y E X E Y X XY E 独立与 0)(=C
D ;)()(2X D C CX D = ;
)()( 2)(Y D X D Y X Y X COV Y D X D Y X D +±+=±独立与),()()(
)(),()()(,Y bdD Y X COV bc ad X acD dY cX bY aX COV +++=++)(
1≤XY ρ ; {}11=+=⇔=b aX Y p XY ρ
X 与Y 独立 0=⇒XY ρ 即X 与Y 线性无关,但反之不然 。
⎰∑+∞
∞
-==dx
x f x g X g E p x g X g E i
i i )()())(( ; )())((
⎰
⎰
∑∑+∞∞-+∞
∞
-==dxdy y x f y x g Y X g E p y x g Y X g E j
i
ij j i ),(),()),(( ; ),()),((
第五章
(1)设μ=)(X E ,2
)(σ=X D ,则:{}221ε
σεμ-≥≤-X p ,亦即:{}22εσεμ≤≥-X p
(2)设n X X ,,1Λ独立同分布则)(n X −→−
P
)()()(i n X E X E = ; n
n A −→−P
)(A p (3)若X ~),(p n B 则:当n 足够大时
npq
np X - 近似服从 )1,0(N ;
(4) 设n X X ,,1Λ独立同分布,并设μ=)(i X E ,2
)(σ=i X D
则:当n 足够大时 n
X n σ
μ
-)( 近似服从 )1,0(N
第六章
(1)设n X X ,,1Λ是来自总体X 的样本,μ=)(X E ,2
)(σ=X D 样本均值:∑==n
i i n X n X 1)
(1 ,μ=)()(n X E ,n
X D n 2)()(σ= 样本方差:][11)(111
2)(212
)(2
∑∑==--=--=n i n i n i n i X n X n X X n S ,22)(σ=S E
)(n X −→−
P μ ,2B −→−P 2σ ,2S −→−P 2σ 样本K 阶原点矩∑==n i k i k X n A 1
1−→−P
总体K 阶原点矩)( k k X E =μ
(2)2
212n X X ++=Λχ (i X 是来自)1,0(N 的简单样本)
n
Y X t =
(X ~)1,0(N ,Y ~)(2
n χ,X 与Y 独立)
2
1//n Y n X F =
(X ~)(12n χ,Y ~)(22
n χ,X 与Y 独立) (3)设n X X ,,1Λ是来自),(2
σμN 的简单样本
则 :n X n σμ
-)( ~ )1,0(N ,n
S X n μ-)(~ )1(-n t ,2
2)1(σS n -~)1(2
-n χ 第七章
参数估计的问题:),(θx F X 的形式为已知,θ未知待估 参数θ的置信度为1—α的置信区间概念
参数估计方法:(1)矩估计
(2)最大似然估计
似然函数:离散:{}{}n x X P x X P L ===Λ1)(θ
连续:)()()(1n X X x f x f L Λ=θ
(3)单正态总体μ、2
σ的区间估计(见课本P 137页表7—1)
点估计评选标准:无偏性,有效性,一致性 。
( )(n X 、2S 分别是μ、2
σ的无偏估计量 ) 第八章
参数假设检验的问题:),(θx F X 的形式为已知,θ未知待检 假设检验的 I 类(弃真)错误 、∏类(取伪)错误的概念 显著性水平为α的显著性检验概念
单正态总体μ、2
σ显著性检验方法:(见课本P 151页表8—2,P 154页表8—3) *七个常用分布(见课本P 82页表4—1 补充超几何分布) 正态分布),(2
σμN 的性质: (1)
σ
μ
-X ~ )1,0(N , b aX +~),(2
2σμa b a N + ,3σ原则
(2)i X ~ ),(2
i i N σμ,i X 之间相互独立, 则:
i n
i i X
c ∑=1
~ ),(
21
2
1
i
n
i i
i
n i i
c c N σ
μ∑∑==。