概率论和数理统计公式整理(超全版)

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。

概率论与数理统计公式整理(超全免费版)

如果同时有，，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，它表示A发生而B不发生的事件。
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，称事件A与事件B互不相容或者互斥。基本事件是互不相容的。
①可分离变量
②正概率密度区间为矩形
二维正态分布
＝0
随机变量的函数
若X1,X2,…Xm,Xm+1,…Xn相互独立，h,g为连续函数，则：
h（X1，X2,…Xm）和g（Xm+1,…Xn）相互独立。
特例：若X与Y独立，则：h（X）和g（Y）独立。
例如：若X与Y独立，则：3X+1和5Y-2独立。
（8）二维均匀分布
几何分布
，其中p≥0，q=1-p。
随机变量X服从参数为p的几何分布，记为G(p)。
均匀分布
设随机变量的值只落在[a，b]，其密度函数在[a，b]上为常数，即
a≤x≤b
其他，
则称随机变量在[a，b]上服从均匀分布，记为X~U(a，b)。
分布函数为
，x>b。
当a≤x1<x2≤b时，X落在区间（）的概率为
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。

概率论与数理统计公式整理(超全免费版)

（ 4 ）随如果一个试验在相同条件下可以重复进行，而每次试验的机试验可能结果不止一个，但在进行一次试验之前却不能断言它和随机出现哪个结果，则称这种试验为随机试验。事件试验的可能结果称为随机事件。
（ 5 ）基在一个试验下，不管事件有多少个，总可以从其中找出这
1
本事件、样一组事件，它具有如下性质：样本空 ①每进行一次试验，必须发生且只能发生这一组中的一个间和事事件；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）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。
第 1 章随机事件及其概率
n Pm
m! (m n)!
从 m 个人中挑出 n 个人进行排列的可能
（ 1 ）排数。列组合公式
n Cm
m! n!(m n)!
从 m 个人中挑出 n 个人进行组合的可能
数。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（ 2 ）加法来完成。法和乘乘法原理（两个步骤分别不能完成这件事）： m ×n 法原理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 ）一重复排列和非重复排列（有序）些常见对立事件（至少有一个）排列顺序问题
P Ai P( Ai ) i 1 i 1

概率论与数理统计公式整理(超全免费版)

,
k
0,1,2
,l
CNn
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)。
P( X k ) q k1 p, k 1,2,3, ，其中 p≥0，q=1-p。
随机变量 X 服从参数为 p 的几何分布，记为 G(p)。
设随机变量 X 的值只落在[a，b]内，其密度函数 f (x) 在[a，b]上为常数 1 ，即 ba
P( X
k)
Pn(k )
C
k n
p k q nk
，
其中 q 1 p,0 p 1, k 0,1,2, , n ，
则称随机变量 X 服从参数为 n ， p 的二项分布。记为 X ~ B(n, p) 。
当 n 1时， P( X
k)
p qk 1k
， k 0.1，这就是（0-1）分布，所以（0-1）分布
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）： 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。
似。
（4）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

概率论与数理统计公式整理(超全免费版)

第 1 章随机事件及其概率
（1）排列组合公式
Pmn

m!
从 m 个人中挑出 n 个人进行排列的可能数。
(m n)!
C
n m

m!
从 m 个人中挑出 n 个人进行组合的可能数。
n!(m n)!
（2）加法和乘法原理
（3）一些常见排列（4）随机试验和随机事
件
（5）基本事件、样本空间和事件
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
A、B 中至少有一个发生的事件：A B，或者 A+B。
（6）事件的关系与运算
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 AB ，
它表示 A 发生而 B 不发生的事件。
A、B 同时发生：A B，或者 AB。A B=?，则表示 A 与 B 不可能同时发生，称事件 A 与事件 B 互不
它们是的子集。为必然事件，?为不可能事件。
不可能事件（?）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）： 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。
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
| x1, x2,, xk,

概率论与数理统计公式整理(完整版)

概率论与数理统计公式（全）
（13）乘法公式
例如 P(Ω/B)=1 P( B /A)=1-P(B/A) 乘法公式： P(AB) P(A)P(B / A)
更一般地，对事件 A1，A2，…An，若 P(A1A2…An-1)>0，则有
P( A1A2 … An) P( A1)P( A2 | A1)P( A3 | A1A2) …… P( An | A1A2 …
当 a≤x1<x2≤b 时，X 落在区间（ x1 , x2 ）内的概率为
P( x1
X
x2 )
x2 b
x1 a
。
6 / 27
概率论与数理统计公式（全）
指数分布
f (x)
ex ,
0,
x 0, x 0,
其中 0 ，则称随机变量 X 服从参数为的指数分布。
X 的分布函数为
正态分布
F(x)
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° 0 F(x) 1, x ；
2° F(x) 是单调不减的函数，即 x1 x2 时，有 F(x1) F (x2) ；
3° F() lim F(x) 0， F() lim F(x) 1；
x
x
4° F(x 0) F(x) ，即 F(x) 是右连续的；
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( )。

概率论与数理统计公式整理(超全免费版)

，
Z=max,min(X1,X2,…Xn)
若相互独立，其分布函数分别为，则Z=max,min(X1,X2,…Xn)的分布函数为：
分布
设n个随机变量相互独立，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
我们称随机变量W服从自由度为n的分布，记为W～，其中
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。
设 =（X，Y）的所有可能取值为，且事件{ = }的概率为pij,,称
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：
Y
X
y1
y2
…
yj
…
x1
p11
p12
…
p1j
…
x2
p21
p22
…
p2j
…
xi
pi1
…
…
这里pij具有下面两个性质：
（1）pij≥0（i,j=1,2,…）；
（2）
连续型
对于二维随机向量，如果存在非负函数，使对任意一个其邻边分别平行于坐标轴的矩形区域D，即D={(X,Y)|a<x<b,c<y<d}有
则称为连续型随机向量；并称f(x,y)为 =（X，Y）的分布密度或称为X和Y的联合分布密度。
分布密度f(x,y)具有下面两个性质：
（1）f(x,y)≥0;
分布满足可加性：设
则
t分布
设X，Y是两个相互独立的随机变量，且
可以证明函数
的概率密度为
记为（X，Y）～N（
由边缘密度的计算公式，可以推出二维正态分布的两个边缘分布仍为正态分布，
即X～N（

概率论与数理统计公式整理(超全免费版)

（6）事件的关系与运算
AB 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
，它表
示 A 发生而 B 不发生的事件。
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，称事件 A 与事件 B 互不相容
分布是二项分布的特例。
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 ~ () 或者 P( )。
泊松分布为二项分布的极限分布（np=λ，n→∞）。
P( X
k)
CMk
•
C
nk N M
C
n N
k 0,1,2,l , l min(M , n)
即
f
(x)
b
1
a
,
0,
a≤x≤b
其他，
指数分布
则称随机变量 X 在[a，b]上服从均匀分布，记为 X~U(a，b)。
分布函数为
0，
x<a，
x
F(x) f (x)dx
xa, ba
1，
a≤x≤b x>b。
x , x 当 a≤x1<x2≤b 时，X 落在区间（ 1 2 ）内的概率为
P( x1
X
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。
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；

(完整版)概率论与数理统计公式整理(超全版)

，（，，…，），通常叫先验概率。，（，，…，），通常称为后验概率。贝叶斯公式反映了“因果”的概率规律，并作出了“由果朔因”的推断。
（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整理(超全免费版)

（5）基本事件、样本空间和事件
（6）事件的关系与运算
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。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。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。
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
x
F (x) f (x)dx

，
则称 X 为连续型随机变量。 f (x) 称为 X 的概率密度函数或密度函数，简称概
率密度。密度函数具有下面 4 个性质：
1° f (x) 0 。

f (x)dx 1
2°
。
P(X x) P(x X x dx) f (x)dx

概率论与数理统计公式整理(超全免费版)

在已知X=xi的条件下，Y取值的条件分布为
在已知Y=yj的条件下，X取值的条件分布为
连续型
在已知Y=y的条件下，X的条件分布密度为
；
在已知X=x的条件下，Y的条件分布密度为
（7）独立性
一般型
F(X,Y)=FX(x)FY(y)
离散型
有零不独立
连续型
f(x,y)=fX(x)fY(y)
直接判断，充要条件：
1° 0≤P(A)≤1，
2° P(Ω) =1
3° 对于两两互不相容的事件，，…有
常称为可列（完全）可加性。
则称P(A)为事件的概率。
（8）古典概型
1° ，
2° 。
设任一事件，它是由组成的，则有
P(A)= =
（9）几何概型
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，
若事件、相互独立，且，则有
若事件、相互独立，则可得到与、与、与也都相互独立。
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)
如果同时有，，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，它表示A发生而B不发生的事件。
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，称事件A与事件B互不相容或者互斥。基本事件是互不相容的。

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

概率论与数理统计公式1.概率公式：
1.1概率加法公式：
P(A∪B)=P(A)+P(B)-P(A∩B)
1.2条件概率公式：
P(A，B)=P(A∩B)/P(B)
P(B，A)=P(A∩B)/P(A)
1.3乘法公式：
P(A∩B)=P(A)*P(B，A)
P(A∩B)=P(B)*P(A，B)
1.4全概率公式：
P(A)=ΣP(A，B_i)*P(B_i)
1.5贝叶斯公式：
P(B，A)=P(A，B)*P(B)/P(A)
2.数理统计中的基本概念和公式：
2.1样本均值：
样本均值 = (x1 + x2 + ... + xn) / n
2.2总体均值：
总体均值=(样本均值*n-x)/(n-1)
2.3样本方差：
样本方差 = Σ(xi - x̄)² / (n-1)
2.4总体方差：
总体方差= Σ(xi - µ)² / N
2.5样本标准差：
样本标准差=√(样本方差)
2.6总体标准差：
总体标准差=√(总体方差)
2.7样本中位数：
样本中位数=(x[n/2]+x[(n+1)/2])/2（当n为偶数时）
2.8样本四分位数：
样本四分位数Q1=x[(n+3)/4]
样本四分位数Q3=x[(3n+1)/4]
2.9标准正态分布的累积分布函数的逆函数：
Zα=Φ^(-1)(α)，其中Φ(z)表示标准正态分布的累积分布函数。

2.10卡方分布的累积分布函数的逆函数：
x^2α=χ^2^(-1)(α)，其中χ^2(x)表示卡方分布的累积分布函数。

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(超全版)

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) 当 B A 时，P(A-B)=P(A)-P(B) 当 A=Ω 时，P( B )=1- P(B) 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，事件 B 发生的条件概率，记为 P( A)
1 , 2 n ，
P(1 ) P( 2 ) P( n ) 1 。 n
A 的概率。
（8）古典概型
设任一事件
P(A)=
(1 ) ( 2 ) ( m ) = P(1 ) P( 2 ) P( m )
A ，它是由 1 , 2 m 组成的，则有
A B ，它
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，称事件 A 与事件 B 互不相
（6）事件的关系与运算容或者互斥。基本事件是互不相容的。
-A 称为事件 A 的逆事件，或称 A 的对立事件，记为 A 。它表示 A 不发生的事件。互斥未必对立。

f ( x)dx 1
。
P( X x) P( x X x dx) f ( x)dx
积分元似。
f ( x)dx 在连续型随机变量理论中所起的作用与 P( X xk ) pk 在离散型随机变量理论中所起的作用相类
（4）分布函数
设 X 为随机变量， x 是任意实数，则函数
来表示。
A，B，C，„表示事件，它
基本事件的全体，称为试验的样本空间，用表示。
）组成的集合。通常用大写字母

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
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。

用p 表示每次试验A 发生的概率，则A 发生的概率为q p =-1，用)(k P n 表示n 重伯努利试验中A 出现)0(n k k ≤≤次的概率，
k
n k k
n n q p k P C -=)(，n k ,,2,1,0 =。

第二章随机变量及其分布
第三章二维随机变量及其分布
第四章随机变量的数字特征
第五章大数定律和中心极限定理
第六章样本及抽样分布
第七章参数估计
第八章假设检验
单正态总体均值和方差的假设检验。

概率论与数理统计公式整理(超全免费版)

3° F() lim F(x) 0， F() lim F(x) 1；
x
x
4° F(x 0) F(x) ，即 F(x) 是右连续的；
5° P(X x) F(x) F(x 0) 。
对于离散型随机变量， F(x) pk ； xk x
（5）八大分布
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° 0 F(x) 1, x ；
2° F(x) 是单调不减的函数，即 x1 x2 时，有 F(x1) F (x2) ；
概率论与数理统计公式（全）
第 1 章随机事件及其概率
（1）排列组合公式
Pmn

m! (m n)!
从 m 个人中挑出 n 个人进行排列的可能数。
C
n m

m! n!(m n)!
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
（3）一些常见排列（4）随机试验和随机事件
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
x
对于连续型随机变量， F (x) f (x)dx 。
0-1 分布
P(X=1)=p, P(X=0)=q

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。