概率论与数理统计公式整理(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。
三、概率论与数理统计定理：1.大数定律：对于独立同分布的随机变量X1,X2,...,Xn，它们的均值X̄=(X1+X2+...+Xn)/n，当n趋向于无穷大时，X̄趋向于X的期望E(X)。
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。
概率论及数理统计公式整理(超全版)
第1章随机事件及其概率−−−→随机波动性和稳定性。
频率(波动)n→∞概率：设Ω为样本空间，A为事件，对每一个事件若满足下列三个条件：,,()(),(A B A B P A P B P ⊂≤设为两个事件,且则,()1().A A P A P A =-设是的对立事件则23()P A A --2)()n i j k A A P A A A =+∑1° {ωω1,=ΩωA )A 更一般地，对事件A 1，，若P(A A …A ，则有21A …)n A (A P =21|(A A A n …n A ①两个事件的独立性设事件A 、B 满足A 、B 是相互独立的。
若事件A 、B 相互独立，且()|(AB P A B P =,它们的对立事件所得的满足),,2,1(0)(niBP i=>则有)()(1PBPAP=设事件1B，2B1°1B，2B，…，2°niiB A1=⊂第二章随机变量及其散布显然分布律应满足下列条件：（1）X的分布函数，若存在非负函数0-1）分布，第三章二维随机变量及其散布(,)}{(x y zP X ξξ≤=第四章随机变量的数字特点第五章大数定律和中心极限定理a PY−−第六章 样本及抽样散布.X n .的个独立的观察值1i =2n 1i =∏,,,x x 设2,3,.{P t t α>称满足条件(1);n -1221,()n S X X =-∑分别是这两个样本的均值第七章 参数估量12;,,(;x x p x θθ∑11,2,l θ=这个估计量称为矩θ为未知参数。
又设的无偏估计，且=(=({((θθθθθθ<和已知方差μ第八章假设查验5 中 2211()~().ni i X n μχσμ=-∑（已知）牛顿二项公式：0()nni i n ini a b C a b-=+=∑积分公式：2x e dx π+∞-=⎰，222x edx π+∞-=⎰二项散布最大值：(n+1)p 为整数(n+1)p=或(n+1)p-1处 非整数最接近(n+1)p 的整数处 Γ函数：765220220220()σσσσσσμ≤≥=未知22122212221212(,)σσσσσσμμ≤≥=未知000()D D D μμμ≤≥=成对数据2220(1)n S χσ-=2122S F S=0/D D t S n-=220220220σσσσσσ><≠221222122212σσσσσσ><≠000D D D μμμ><≠2222122/2221/2(1)(1)(1)(1)n n n n ααααχχχχχχχχ--≥-≤-≥-≤-或12112/2121/212(1,1)(1,1)(1,1)(1,1)F F n n F F n n F F n n F F n n αααα--≥--≤--≥--≥--或/2(1)(1)(1)t t n t t n t t n ααα≥-≤--≥-3421H 原假设检验统计量1H 备择假设拒绝域002()μμμμμμσ≤≥=已知0002()μμμμμμσ≤≥=未知1212122212(,)μμδμμδμμδσσ-≤-≥-=已知0/X Z nμσ-=0/X t S nμ-=221212X Y Z n n δσσ--=+00μμμμμμ≠<>000μμμμμμ><≠δμμδμμδμμ≠-<->-0002/αααz z z z z z ≥-≤≥/2(1)(1)(1)t t n t t n t t n ααα≥-≤--≥-2/αααz z z z z z ≥-≤≥12121222212()μμδμμδμμδσσσ-≤-≥-===未知δμμδμμδμμ≠-<->-0001212/212(2)(2)(1)t t n n t t n n t t n n ααα≥+-≤-+-≥+-1222211221211(1)(2)2w w X Y t S n n n S n S S n n δ--=+-+-=+-Γ（x+1）=xΓ（x），Γ⑴=1，Γ（1/2）=√π，对正整数n，有Γ（n+1）=n！，Γ（1-x）Γ（x)=π/sin （πx）。
概率论与数理统计公式大全
概率论与数理统计公式大全概率论和数理统计作为数学的两个重要分支，被广泛应用于各个领域。
无论是在学术研究还是实际应用中，熟悉并掌握相关的公式是非常重要的。
本文将为您提供概率论与数理统计公式的大全，帮助您更好地理解和应用这两门学科。
一、概率论公式1. 概率公式- 概率的定义：P(A) = N(A) / N(S)，其中P(A)表示事件A发生的概率，N(A)代表事件A的样本点个数，N(S)表示样本空间中的样本点总数。
- 加法法则：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同时发生的概率。
- 乘法法则：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。
2. 条件概率公式- 条件概率的定义：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。
- 全概率公式：P(A) = ∑[P(Bi) × P(A|Bi)]，其中Bi为样本空间的一个划分，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。
3. 事件独立性公式- 事件A和事件B独立的定义：P(A∩B) = P(A) × P(B)，即事件A和事件B同时发生的概率等于事件A发生的概率乘以事件B发生的概率。
- 事件的相互独立：若对于任意的事件A1，A2，...，An，有P(A1∩A2∩...∩An) = P(A1) × P(A2) × ... × P(An)，则称事件A1，A2，...，An相互独立。
4. 随机变量- 随机变量的定义：随机变量X是样本空间到实数集的映射。
- 随机变量的分布函数：F(x) = P(X≤x)，表示随机变量X小于等于x的概率。
- 随机变量的概率密度函数（连续型随机变量）：f(x)是非负函数，且对于任意实数区间[a, b]，有P(a≤X≤b) = ∫[a, b]f(x)dx。
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（7）概率的公理化定义设为样本空间，为事件，对每一个事件都有一个实数P(A)，若满足下列三个条件：1° 0≤P(A)≤1，2° P(Ω) =13° 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，。
其中L为几何度量（长度、面积、体积）。
（10）加法公式P(A+B)=P(A)+P(B)-P(AB)当P(AB)＝0时，P(A+B)=P(A)+P(B)（11）减法公式P(A-B)=P(A)-P(AB)当BA时，P(A-B)=P(A)-P(B)当A=Ω时，P()=1- P(B)（12）条件概率定义设A、B是两个事件，且P(A)>0，则称为事件A发生条件下，事件B发生的条件概率，记为。
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)=1P(/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。
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?与任何事件都相互独立。
?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。
（15）全概公式设事件满足1°两两互不相容，，2°，则有。
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
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。
概率论与数理统计超全公式总结
~
χ 2 (n −1)
X − µ ~ t(n −1) s/ n
两个正态总体的方差之比
S12
σ
2 1
/ S22
/
σ
2 2
~F (n1 −1,n2 −1)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
n
Π Π n
L = f (xi ;θ )
i =1
L = p(xi ;θ )
i =1
似然函数
均值的区间估计——大样本结果
⎛ ⎜
x
±
zα
/2
⎝
σ⎞ ⎟
n⎠
x — 样本均值 σ — 标准差(通常未知，可用样本标准差s代替) n — 样本容量(大样本要求n > 50) zα /2 — 正态分布的分位点
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
( ) ⎛
⎜ ⎜
S 2 — 样本方差
χ2 α /2
— 卡方分布的分位点
Z=
p − p0
p0 — —总体比例
p0 (1− p0 ) / n p — —样本比例
单正态总体均值的 t 检验
t = X − µ0 S/ n
单正态总体方差的卡方检验
χ 2 = (n −1)S 2
σ
2 0
拒绝域
双边检验
χ2
≥
χα2 / 2或χ 2
k
∑∑ E(X)= xipij
ij
E( X ) = ∫ ∫ xf (x, y)dxdy
不相关不一定独立 第四章
正态分布 X ~ N (µ,σ 2 )
∑∑ E(XY) = xi yj pij
ij
概率论与数理统计公式整理(超全免费版)
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。
P(Bj )P(A/ Bj )
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
（17）伯努 利概型
“由果朔因”的推断。
我们作了 n 次试验，且满足
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) 。
f (x)dx 1
概率论与数理统计公式超全版
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
我们称随机变量T服从自由度为n的t分布，记为T～t(n)。
F分布
设 ，且X与Y独立，可以证明 的概率密度函数为
我们称随机变量F服从第一个自由度为n1，第二个自由度为n2的F分布，记为F～f(n1, n2).
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，?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。
（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）：
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]内，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
a≤x≤b
0，x<a，
?
1，x>b。
当a≤x1<x2≤b时，X落在区间（ ）内的概率为
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
概率论与数理统计公式整理(超全版)
概率论与数理统计
第一章随机事件及其概率 (2)
第二章随机变量及其分布 (5)
第三章二维随机变量及其分布 (9)
第四章随机变量的数字特征 (15)
第五章大数定律和中心极限定理 (19)
第六章样本及抽样分布 (21)
第七章参数估计 (23)
第八章假设检验 (27)
第一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
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全完整版
概率论与数理统计公式
全
HUA system office room 【HUA16H-TTMS2A-HUAS8Q8-HUAH1688】
第1章随机事件及其概率
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(超全精品版)
（10）加法公式
Р(А+Ь)=Р(А)+Р(Ь)→Р(АЬ)
当Р(АЬ)＝0时，Р(А+Ь)=Р(А)+Р(Ь)
（11）减法公式
Р(А→Ь)=Р(А)→Р(АЬ)
当Ь А时，Р(А→Ь)=Р(А)→Р(Ь)
当А=Ω时，Р( )=1→Р(Ь)
（12）条件概率
定义设А、Ь是两個事件，且Р(А)>0，则称 为事件А发生条件吓，事件Ь发生地条件概率，记为 。
1° 0≤Р(А)≤1，
2° Р(Ω) =1
3° 对于两两互不相容地事件 ， ，…有
常称为可列（完全）可加性。
则称Р(А)为事件 地概率。
（8）古典概型
1° ，
2° 。
设任—事件 ，牠是由 组成地，则有
Р(А)= =
（9）凢何概型
若随机试验地结果为无限不可数并且每個结果出现地可能性均匀，同时样本空间仲地每—個基本事件可以使用—個有界区域来描述，则称此随机试验为凢何概型。对任—事件А，
如果同时有 ， ，则称事件А与事件Ь等价，或称А等于Ь：А=Ь。
А、Ь仲至少有—個发生地事件：А Ь，或者А+Ь。
属于А而不属于Ь地部分所构成地事件，称为А与Ь地差，记为А→Ь，也可表示为А→АЬ或者 ，牠表示А发生而Ь不发生地事件。
А、Ь同时发生：А Ь，或者АЬ。А Ь=Ø，则表示А与Ь不可能同时发生，称事件А与事件Ь互不相容或者互斥。基本事件是互不相容地。
并且同时满足Р(АЬС)=Р(А)Р(Ь)Р(С)
那么А、Ь、С相互独立。
对于Ñ個事件类似。
（15）全概公式
设事件 满足
1° 两两互不相容， ，
- 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)。
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
概率论与数理统计 公式（全）
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 Ai P( Ai ) i 1 i 1
常称为可列（完全）可加性。 则称 P(A)为事件 A 的概率。
（8）古典 概型
1° 1 , 2 n ， 2° P( 1 ) P( 2 ) P( n )
1 。 n
1
P( B | A)
P( AB) P( A) P( B) P( B) P( A) P( A)
1
概率论与数理统计 公式（全）
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) ， （15）全概 公式 2°
P( AB) 为事件 A 发生条件下，事 P( A)
（12）条件 概率
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。 例如 P(Ω /B)=1 P( B /A)=1-P(B/A) 乘法公式： P( AB) P( A) P( B / A) （13）乘法 公式 更一般地，对事件 A1，A2，„An，若 P(A1A2„An-1)>0，则有
概率论与数理统计 公式（全）
第1章
（1）排列 组合公式
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。
m! (m n)!
n Cm
m! 从 m 个人中挑出 n 个人进行组合的可能数。 n!(m n)!
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 （2）加法 种方法来完成，则这件事可由 m+n 种方法来完成。 和乘法原 乘法原理（两个步骤分别不能完成这件事） ：m×n 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。 重复排列和非重复排列（有序） （3）一些 对立事件（至少有一个） 常见排列 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， （4）随机 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 试验和随 验。 机事件 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； （5）基本 事件、样本 空间和事 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
P( A)
（10）加法 公式
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)
（11）减法 公式
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
概率论与数理统计 公式（全）
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
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 （9）几何 概型。对任一事件 A， 概型
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)
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 （6）事件 的关系与 运算 表示为 A-AB 或者 A B ，它表示 A 发生而 B 不发生的事件。
P( A1 A2 „ An ) P( A1) P( A2 | A1) P( A3 | A1 A2) „„ P(
（14）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
德摩根率： i 1
Ai Ai
i 1
A B A B， A B A B
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， （7）概率 的公理化 定义 2° P(Ω ) =1 3° 对于两两互不相容的事件 A1 ， A 2 ，„有