概率论与数理统计公式整理
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
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)
用 p 表示每次试验 A 发生的概率，则 A 发生的概率为1 p q ，用 Pn(k ) 表示 n 重伯努利试验中 A
出现 k(0 k n) 次的概率，
C Pn(k)
k n
pk qnk
，k
0,1,2,, n
。
第二章 随机变量及其分布
文案大全
（1）离散型 随机变量的 分布律
实用文档 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。
Cmn
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
m n
A所包含的基本事件数 基本事件总数
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()
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)
j 1
此公式即为贝叶斯公式。
P(Bi ) ，（ i 1 ， 2 ，…， n ），通常叫先验概率。 P(Bi / A) ，（ i 1 ， 2 ，…， n ），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。
概率论与数理统计公式整理(超全免费版)
（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
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(超全版)
第［章随机事件及其概率第二章随机变量及其分布第三童二维随机变量及其分布个有序对<x,y),则称g 为离散型随机量。
设纟二(X, Y)的所有可能取值为(m )(ij = 12…)， 且事件{纟=a,儿)}的概率为PH ,,称P{ (X, Y)=(兀，儿)}= “沁 J = 1,2,…)为疔=(X, 丫)的分布律或称为X 和丫的联合分布律。
联合分这里內具有下而两个性质:(1) P&0 (i,j=1,2,-)： (2)工工 P'6i J(1)联合离散型分布如果二维随机向量纟(X, Y)的所有可能取值为至多可列设n 个随机变量…、X.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“1 S1— -------- H - e 2 u > 0,y (w )= J 2I r I'{2) 0,u < 0.我们称随机变星w 服从自由度为n 的力2分布，记为w 〜 Z 2(n)>英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。
力2分布满足可加性：设kZ+〃2 +・ • +代）・/-I*分布X ~AW )V ~F S ),可以证明函数T 亠 ylYIn的概率密度为我们称随机变量F 服从第一个自由度为山，第二个自由度为n 2 的F 分布，记为F-f(n b n 2).第四章随机变量的数字特征(1)离散型 连续型t 分布 设X, 丫是两个相互独立的随机变量.且H +I―(-co<r <+oc ).F 分布我们称随机变量T 服从自由度为n 的t 分布，记为T 〜t(n).设X ~力2(/“)丁~力2(心)，且X 与丫独立，可以证明 尸=土仙的概率密度函数为Yin,t 2 + — n第五章大数定律和中心极限定理特姝情形：若X2,…具有相同的数学期望E(X I )=M , 则上式成为设u 是n 次独立试验中事件A 发生的次数，p 是事件A 在每次试验中发生的概率，则对于任意的正数£ •有lim;?->x伯努利大数左律说明，当试验次数n 很大时，事件A 发生 的频率与概率有较大判别的可能性很小，即这就以严格的数学形式描述了频率的稳立性。
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整理(超全免费版)
（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(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(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。
概率论与数理统计(全部公式整理)
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)=(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
的事件。互斥未必对立。 ②运算：
结合率：A(BC)=(AB)C A∪(B∪C)=(A∪B)∪C 分配率：(AB)∪C=(A∪C)∩(B∪C) (A∪B)∩C=(AC)∪(BC)
Ai Ai
德摩根率： i1
i 1
AB AB，AB AB
（7）概率 的公理化 定义
设 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
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；
（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。
概率论与数理统计公式整理(超全免费版)
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)
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
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。 ①关系：
（3）离散 与连续型 随机变量 的关系
设 F(x) 是随机变量 X 的分布函数，若存在非负函数 f (x) ，对任意实数 x ，有
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 。
- 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)。
Pn (k ) C n p k q n k
k
， k 0,1,2,, n 。
第二章
（1）离散 型随机变 量的分布 律
随机变量及其分布
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：
（13）乘法 公式
P( A1 A2 „ An ) P( A1) P( A2 | A1) P( A3 | A1 A2) „„ P( An | A1 A2 „ 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
k
；ቤተ መጻሕፍቲ ባይዱ
对于连续型随机变量， F ( x) （5）八大 分布 0-1 分布 二项分布
f ( x)dx
。
P(X=1)=p, P(X=0)=q
在 n 重贝努里试验中，设事件 A 发生的概率为 p 。事件 A 发生 的次数是随机变量，设为 X ，则 X 可能取值为 0,1,2,, n 。
k k nk P( X k ) Pn(k ) Cn p q
1
概率论与数理统计 公式（全） 2011-1-1
泊松分布
设随机变量 X 的分布律为
P( X k )
k
k!
e ， 0 ， k 0,1,2 ，
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→∞） 。 超几何分布
（15）全概 公式
2° 则有
A Bi
i 1
n
，
P( A) P( B1) P( A | B1) P( B2) P( A | B2) P( Bn) P( A | Bn) 。
设事件 B1 ， B 2 ，„， Bn 及 A 满足 1° B1 ， B 2 ，„， Bn 两两互不相容， P( Bi) >0， i 1，2，„， n ， 2° 则
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)
概率论与数理统计 公式（全） 2011-1-1
概率论与数理统计公式整理 第1章
n Pm
随机事件及其概率
从 m 个人中挑出 n 个人进行排列的可能数。
（1）排列 组合公式
n Cm
m! (m n)!
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
A B
（6）事件 的关系与 运算 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 表示为 A-AB 或者 A B ，它表示 A 发生而 B 不发生的事件。
n
A Bi
i 1
， P( A) 0 ，
（16）贝叶 斯公式
P( Bi / A)
P( Bi ) P( A / Bi )
P( B ) P( A / B )
j 1 j j
n
，i=1，2，„n。
此公式即为贝叶斯公式。 （ i 1 ，2 ，„，n ） ，通常叫先验概率。 P( Bi / A) ， （ i 1 ，2 ，„， P( Bi ) ，
1
概率论与数理统计 公式（全） 2011-1-1
n） ，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。 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；
（17）伯努 利概型
德摩根率： i 1
Ai Ai
i 1
A B A B ， A B A B
（7）概率 的公理化 定义
设 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 ， A 2 ，„有
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。 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。 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） ：
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) ，
设任一事件 A ，它是由 1 , 2 m 组成的，则有
P(A)= (1 ) ( 2 ) ( m ) = P(1 ) P( 2 ) P( m )
m A所包含的基本事件数 n 基本事件总数
（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，
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 1 p q ，用 Pn(k ) 表 示 n 重伯努利试验中 A 出现 k (0 k n) 次的概率，
1
概率论与数理统计 公式（全） 2011-1-1
P ( AB) 为事件 A 发生条件下，事 P ( A) （12）条件 P ( AB) 件 B 发生的条件概率，记为 P( B / A) 。 概率 P ( A)
定义 设 A、B 是两个事件，且 P(A)>0，则称 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( 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
，
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) 。
k 1k 当 n 1 时， P( X k ) p q ， k 0.1 ，这就是（0-1）分
布，所以（0-1）分布是二项分布的特例。
1
概率论与数理统计 公式（全） 2011-1-1
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。
-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。 ②运算： 结合率：A(BC)=(AB)C A∪(B∪C)=(A∪B)∪C 分配率：(AB)∪C=(A∪C)∩(B∪C) (A∪B)∩C=(AC)∪(BC)
P( A)
（10）加法 公式 （11）减法 公式
L( A) 。其中 L 为几何度量（长度、面积、体积） 。 L ()