(精选)概率论公式总结

合集下载

概率论与数理统计公式定理全总结

概率论与数理统计公式定理全总结

概率论与数理统计公式定理全总结

一、概率论公式:

1.基本概率公式:对于随机试验E,事件A的概率可以表示为P(A)=事件A的样本点数/所有样本点数。

2.条件概率公式:对于事件A和事件B,若P(B)>,则事件A在事件B发生的条件下的概率可以表示为P(A,B)=P(A∩B)/P(B)。

3.全概率公式:对于互不相容事件A1,A2,...,An,它们的和事件为全样本空间S,且概率P(Ai)>,则对于任意事件B有

P(B)=Σ(P(Ai)×P(B,Ai))。

4.贝叶斯公式:对于互不相容事件A1,A2,...,An,它们的和事件为全样本空间S,且概率P(Ai)>,则对于任意事件B,有P(Ai,B)=(P(B,Ai)×P(Ai))/Σ(P(B,Ai)×P(Ai))。

二、数理统计公式:

1.期望:随机变量X的期望E(X)=Σ(Xi×P(Xi)),其中Xi为随机变量X的取值,P(Xi)为随机变量X取值为Xi的概率。

2. 方差:随机变量X的方差Var(X) = Σ((Xi - E(X))^2 ×

P(Xi)),其中Xi为随机变量X的取值,E(X)为随机变量X的期望,P(Xi)为随机变量X取值为Xi的概率。

3. 协方差:随机变量X和Y的协方差Cov(X,Y) = E((X - E(X))(Y - E(Y))),其中E(X)和E(Y)分别为随机变量X和Y的期望。

4. 相关系数:随机变量X和Y的相关系数ρ(X,Y) = Cov(X,Y) / √(Var(X) × Var(Y)),其中Cov(X,Y)为随机变量X和Y的协方差,Var(X)和Var(Y)分别为随机变量X和Y的方差。

(整理)概率论公式大全

(整理)概率论公式大全

第一章随机事件和概率

(1)排列组合公式

从m个人中挑出n个人进行排列的可能数。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。

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:

概率论公式总结

概率论公式总结

概率公式整理

1.随机事件及其概率吸收律:A AB A A A A =⋃=∅⋃Ω=Ω⋃)( A

B A A A A

A =⋃⋂∅

=∅⋂=Ω⋂)()(AB A B A B A -==- 反演律:B A B A =⋃ B A AB ⋃=

n i i

n i i

A A 1

1

=== n

i i

n i i

A A 1

1

===

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()()

()()(211

111

1

n 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

全概率公式∑==n

i i AB P A P 1

)()( )()(1

i n

i i B A P B P ⋅=∑=Bayes 公式)(A B P k )

概率论公式大全

概率论公式大全

一.随机事件和概率

1、概率的定义和性质考研数学知识点-概率统计

(4)全概公式

设事件B1, B2,Λ , B n满足

(1)概率的公理化定义

1 °B1, B2,Λ , B n两两互不相容,

设Ω 为样本空间,A为事件,对每一个事件A都有一

个实数P(A),若满足下列三个条件:

1° 0≤P(A)≤1,

2° P(Ω) =1

3°对于两两互不相容的事件A1 ,A2 ,…有P(B i) > 0(i= 1,2,Λ ,n) ,

A⊂Υn B i

2°i=1 ,

则有

P(A) = P(B1)P(A | B1) + P(B2)P(A | B2)

+Λ +

P(B n)P(A| B n)

⎛∞⎞∑

P⎜⎜Υ A i⎟⎟= P A ( i)

⎝= i 1 ⎠=

i 1

此公式即为全概率公式。

常称为可列(完全)可加性。

则称P(A)为事件A的概率。

(2)古典概型(等可能概型)1°Ω = {ω1,ω2Λ ωn},(5)贝叶斯公式

设事件B1 ,B2 ,…,B n及A满足

1°B1 ,B2 ,…,B n两两互不相容,P(Bi) >0,i = 1,

2,…,n,

A⊂Υn B i

2°ω= P(ω) = ΛP(ω) =

P( )

1 。2°i=1 ,P( A) > 0 ,

1 2 n n则

设任一事件A,它是由ω1,ω2Λ ωm组成的,则有

/ ) =n

/ ) P(B )P( A B

P(B A i i,i=1,2,…n。

P(A)= {(ω1) Υ (ω2) Υ ΛΥ (ωm)}

ω+ Λ + ωi∑/ )

P(B)P( A B

= P(ω

1) + P(2) ( )

(完整版)概率论公式总结

(完整版)概率论公式总结

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)

)

()()|(B P AB P B A P =

)|()()(B A P B P AB P =)|()(A B P A P =∑==n

k k k B A P B P A P 1)

|()()(∑==

n

k k

k

i i k B A P B P B A P B P A B P 1

)

|()()

|()()|(),...,1,0()1()(n k p p C k X P k n k k n =-==-,,...)

1,0(!

)(==

=-k e k k X P k

,λλ∑≤==≤=x

k k X P x X P x F )

()()(

概率密度函数

怎样计算概

均匀分布X~U(a,b)

指数分布X~Exp ()

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

1)(=⎰

+∞

-dx x f )

(b X a P ≤≤⎰=≤≤b

a

dx x f b X a P )()(⎰∞-=≤=x

dt t f x X P x F )()()(⎰

-=≤=x

dt t f x X P x F )()()()

,(y x f )

,(y x F 0

),(≥y x f 1

),(=⎰⎰

+∞∞-+∞

概率论公式总结

概率论公式总结

第一章

P(A+B)=P(A)+P(B)

条件概率公式

概率的乘法公式

P(AB) = P(B)P(A\B) =P(A)P(B\A)

全概率公式:从原因计算结果

BQP(AIBQ

*=1

Bayes 公式:从结果找原因

◎心严”(心)

±P(BJP(A\BJ

«=1

第二章

二项分布(Bemoulli 分布) -------

X~B(n,p) Pd = C"(l-p)e 伙二0,1,・・・,")

P(A+B)=P(A)+P(B)- P(AB)

特别地,当A 、B 互斥时,

F(x) = P(X<x) = Y P(X = k) k<x 0<F(x y y)<\ F(x y y) = P{X<x 9Y<y}

泊松分布——x~pa)

概率密度函数

怎样计算概P(a<X<b) P(a < X <b) = f(x)dx

均匀分布X~U(a,b)

(a<x< b) 指数分布X~Exp (0 )

F (x) = /(x)

分布函数

对离散型随机变量

对连续型随机F(x) = P(X<x) = £j(t)dt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y(x,>?)函数联合分布尺兀

刃函数

匚匸心,)皿心=1

联合密度与边缘密度

齐⑴二匸fd,y)dy

A (y) = j f(x,y)clx

离散型随机变量的独立性

P{X=i,Y = j} = P{X =i}P{Y = j}

连续型随机变量的独立性

f(x,y) = f x (x)f Y (y)

概率公式总结范文

概率公式总结范文

概率公式总结范文

概率是概率论的核心概念之一,它描述的是事件发生的可能性大小。概率公式是计算和推导概率的数学公式,它们给出了不同情况下概率的具体计算方法。下面是一些常见的概率公式总结。

1.加法公式:

加法公式适用于计算联合事件发生的概率,即两个事件中至少一个事件发生的概率。加法公式可以分为两种情况:

-互斥事件的加法公式:如果两个事件A和B是互斥的(即两个事件不可能同时发生),则它们的概率之和等于它们各自的概率之和。

P(A∪B)=P(A)+P(B)

-非互斥事件的加法公式:如果两个事件A和B不是互斥的,则它们的概率之和等于它们总概率减去它们的交集概率。

P(A∪B)=P(A)+P(B)-P(A∩B)

2.乘法公式:

乘法公式适用于计算复合事件发生的概率,即两个事件同时发生的概率。乘法公式可以分为两种情况:

-独立事件的乘法公式:如果两个事件A和B是独立的(即一个事件的发生不会影响另一个事件的发生),则它们的概率乘积等于它们各自的概率之积。

P(A∩B)=P(A)*P(B)

-非独立事件的乘法公式:如果两个事件A和B不是独立的,则它们的概率乘积等于事件A发生的条件概率乘以事件B发生的条件概率。

P(A∩B)=P(A)*P(B,A)

3.条件概率公式:

条件概率是指在已知另一个事件发生的情况下,其中一事件发生的概率。条件概率公式可以表示为:

P(A,B)=P(A∩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,

P(A∩B)表示事件A和事件B共同发生的概率,P(B)表示事件B发生的概率。

4.贝叶斯公式:

概率论公式总结

概率论公式总结

概率论公式总结

公司内部编号:(GOOD-TMMT-MMUT-UUPTY-UUYY-DTTI-

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

)(b X a P ≤≤∑≤==≤=x k k X P x X P x F )()()(⎰∞-=≤=x

dt

t f x X P x F )()()(1),(0≤≤y x F

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

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 ),(y x f ),(y x F ∑+∞-∞=⋅=k k k P x X E )([]22)()()(X E X E X D -=

概率论的公式大全

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))

(完整版)概率论公式总结

(完整版)概率论公式总结

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

P( A | B) P( AB)

P( B)

F ( x) P( X x)P( X k)

k x

概率的乘法公式

P( AB) P( B) P(A | B)P( A) P(B | A)

全概率公式:从原因计算结果

n

P( A)P(B k )P( A | B k )

k 1

Bayes 公式:从结果找原因

P(B i )P( A | B i )

P (B k | A)n

P( B k )P( A | B k )

k 1

第二章

二项分布( Bernoulli 分布)—— X~B(n,p) P(X k) C n k p k(1 p)n k,(k 0,1,...n,)

泊松分布—— X~P( λ)

k

P( X k)e,( k0,1,...)

k!

概率密度函数

f (x)dx 1

怎样计算概P(a X b) 率P (a X b) b f (x) dx

a

均匀分布 X~U(a,b)

1

f ( x)( a x b)

b a

指数分布 X~Exp ()

对连续型随机F ( x) P( X x) x

f (t )dt 变量

分布函数与密度函数的重要关系:

F ( x) P( X x) x

f (t )dt

二元随机变量及其边缘分布分布规律的描述方法

联合密度联合分布f(x, y)

F ( x, y)

函数

函数

f ( x, y)0

f ( x, y)dxdy 1

联合密度与边缘密度

f X (x) f (x, y)dy

f Y (y) f (x, y)dx

概率论公式总结

概率论公式总结

概率公式整理

1.随机事件及其概率吸收律:A

AB A A A A =⋃=∅⋃Ω

=Ω⋃)(

A

B A A A A A =⋃⋂∅=∅⋂=Ω⋂)()(AB A B A B A -==-

反演律:

B

A B A =⋃

B

A A

B ⋃=

n i i

n

i i

A A

1

1

===

n

i i

n

i i

A A

1

1

===

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()()()()(211

111

1

n 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

全概率公式

==

n

i i AB P A P 1

)

()(

)

()(1

i n

i 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

(完整版)概率论基本公式

(完整版)概率论基本公式

(完整版)概率论基本公式

概率论与数理统计基本公式

第⼀部分概率论基本公式

1、)(;A B A B A AB A B A B A -?=?-==--

例:证明:

成⽴。得证。

成⽴,也即成⽴,也即(不发⽣,从⽽发⽣,则不发⽣,,知由(证明:(B A B A AB A B B A AB A B B B A B A B A AB A B B A --=-?-?-==-=-?-

-

)).

)Θ 2、对偶率:.-

-

-

-

==B A B A B A B A ; 3、概率性率:

(1))()()(212121A P A P A A P A A +=?为不相容事件,则、有限可加:

(2)

)

()();()()(),()()(B P A P B P A P B A P A B AB P A P B A P ≥-=-?-=-时有:特别,

(3))()()()(AB P B P A P B A P -+=?对任意两个事件有:

)

();();();()1(.4.0)(2.0)(5.0)(AB P B A P B A P AB P B P B A P A P ?-===-

-求:,,例:已知:.

3.0)(1)(,7.0)()()()(3

.0)()()(,5.0)(.,2.0)()()()(,=?-=?==-+=?=-=-∴===+∴=+-

--B A P B A P AB P AB P B P A P B A P AB P A P B A P A P AB P B P B A P AB P B A B B B A AB ΘΘ⼜即是不相容事件,、且解:

概率论公式总结

概率论公式总结

概率公式整理

1.随机事件及其概率吸收律:A

AB A A A A =⋃=∅⋃Ω

=Ω⋃)(

A

B A A A A A =⋃⋂∅=∅⋂=Ω⋂)()(AB A B A B A -==-

反演律:B A B A =⋃ B A AB ⋃=

n

i i

n

i i

A A 1

1

=== n

i i

n

i i

A A 1

1

===

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()()

()()(211

111

1

n 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)(()()(12112112

121>=--n n n n A A A P A A A A P A A P A P A A A P

全概率公式

∑==n

i i AB P A P 1

)

()(

)

()(1

i n

i i B A P B P ⋅=∑=Bayes 公式

)(A B P k )

()

(A P AB P k =

概率论公式总结汇总

概率论公式总结汇总

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)

)

()()|(B P AB P B A P =

)|()()(B A P B P AB P =)|()(A B P A P =∑==n

k k k B A P B P A P 1)

|()()(∑==

n

k k

k

i i k B A P B P B A P B P A B P 1

)

|()()

|()()|(∑≤==≤=x

k k X P x X P x F )

()()(1

),(0≤≤y x F }

,{),(y Y x X P y x F ≤≤=

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)

),...,1,0()1()(n k p p C k X P k n k k n =-==-,,...)

1,0(!

)(==

=-k e k k X P k

,λλ1)(=⎰

+∞

-dx x f )

(b X a P ≤≤⎰=≤≤b

a

dx x f b X a P )()()

0(1

)(/≥=

-x e

x f x θ

θ

)(1)(b x a a

b x f ≤≤-=

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

概率论公式总结归纳

概率论公式总结归纳

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

)(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 1),(0≤≤y x F

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

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

当X 、Y 相互独立时,D(X+Y)=D(X)+D(Y)

协方差与相关系数

),(y x F ∑+∞-∞=⋅=k k k P x X E )([]22)()()(X E X E X D -=

概率论公式总结

概率论公式总结

第1章随机事件及其概率

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

(

f)

dx

x

第六章样本及抽样分布

  1. 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. 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. 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1章随机事件及其概率

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

x)

dx

第六章样本及抽样分布

相关文档
最新文档