概率论与数理统计 重要公式
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
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。
概率论与数理统计计算公式
概率论与数理统计计算公式概率论和数理统计是数学中的两个重要分支，广泛应用于自然科学、社会科学和工程技术等领域。
在实际中，我们经常需要计算各种概率和统计量，因此理解和掌握概率论和数理统计中的计算公式是十分重要的。
接下来，我将给出概率论和数理统计中一些常用的计算公式。
一、概率计算公式：1.加法原理：如果A和B是两个事件，那么它们的和事件(A∪B)的概率可以由如下公式计算：P(A∪B)=P(A)+P(B)-P(A∩B)2.条件概率：如果A和B是两个事件，且P(A)>0，那么事件B在已知事件A发生的条件下发生的概率可以由如下公式计算：P(B，A)=P(A∩B)/P(A)3.全概率公式：如果{B1,B2,...,Bn}是一个对样本空间Ω的一个划分，那么对于任意事件A，我们有：P(A)=ΣP(A，Bi)P(Bi)，其中i取1到n。
4.贝叶斯公式：如果{B1,B2,...,Bn}是一个对样本空间Ω的一个划分，那么对于任意事件A和i取1到n，我们有：P(Bi，A)=P(A，Bi)P(Bi)/ΣP(A，Bj)P(Bj)，其中j取1到n。
5.乘法定理：如果A和B是两个事件，那么它们的交事件的概率可以由如下公式计算：P(A∩B)=P(A)P(B，A)=P(B)P(A，B)二、统计量计算公式：1.样本均值：对于由n个观测值组成的样本，样本的均值可以由如下公式计算：\(\bar{X} = \frac{1}{n} \sum\limits_{i=1}^n x_i\)2.样本方差：对于由n个观测值组成的样本，样本的方差可以由如下公式计算：\(S^2 = \frac{1}{n-1} \sum\limits_{i=1}^n (x_i - \bar{X})^2\) 3.标准差：样本的标准差是样本方差的平方根\(S = \sqrt{S^2}\)4.相关系数：对于两个随机变量X和Y，它们的相关系数可以由如下公式计算：\(\rho_{XY} = \frac{Cov(X,Y)}{\sigma_X \sigma_Y}\)5.协方差：样本的协方差可以由如下公式计算：\(Cov(X,Y) = \frac{1}{n-1} \sum\limits_{i=1}^n (X_i-\bar{X})(Y_i-\bar{Y})\)以上只是概率论和数理统计中的一些常用计算公式，实际应用中还有很多其他的公式和方法。
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
概率论与数理统计公式概率论与数理统计是现代科学与工程领域中应用最广泛的数学分支之一。
概率论与数理统计涉及众多的公式和理论，是数据分析、预测和决策的重要工具。
在此，我们将介绍概率论与数理统计中常用的公式。
1. 概率计算公式概率计算是概率论中的基础。
以下是概率的定义和概率计算公式。
定义：事件A在随机试验中出现的可能性称为概率P(A)。
公式1：若事件A和事件B相互独立，则P(A∩B)=P(A)×P(B)。
公式2：若事件A和事件B不相互独立，则P(A∩B)=P(A)×P(B|A)。
公式3：若事件A和事件B互为对立事件，则P(A)+P(B)=1 。
公式4：全概率公式：P(B)=∑P(Ai)×P(B|Ai) 。
2. 随机变量和概率分布随机变量是概率论中的重要概念。
以下是随机变量和概率分布函数的定义和公式。
定义1：在随机试验中，对每个样本点都有一个对应的实数值，则这个实数值称为随机变量X。
定义2：X的概率分布函数F(x)定义为：F(x)＝P(X≤x)。
公式5：二项分布的概率分布函数为：P(X=k)=C(n,k)p^k*q^(n-k) （其中n表示试验次数，k表示事件A 发生的次数，p表示单次事件A发生的概率，q=1-p ）。
公式6：泊松分布的概率分布函数为：P(X=k)=(λ^k/k!)×e^-λ （其中λ是一个正实数）。
公式7：正态分布的概率分布函数为：f(x)=(1/√(2π)σ)×e^-(x-μ)²/(2σ²) （其中μ是分布的均值，σ²是分布的方差）。
3. 样本描述和参数估计样本描述和参数估计是数理统计中的基础。
以下是样本描述和参数估计的公式。
公式8：样本的均值：X=(x1+x2+…+xn)/n 。
公式9：样本的方差：S²=[(x1-X)²+(x2-X)²+…+(xn-X)²]/(n-1) 。
概率论与数理统计笔记(重要公式)
第一章随机事件与概率
第二章随机变量及其概率分布
第三章多维随机变量及其概率分布
第四章随机变量的数字特征
E(X)=
E(Y)=E[g(X)]=
E(X)=D(X)=
第五章大数定律及中心极限定理
第六章统计量及其抽样分布
第七章 参数估计
包含所要估计的未知参数（其中它与未知参数无关。
）的概率密度的对称性（见
未知时因为
，，，,;)]n x θ'时取最大值则取＝。
的无偏估计，否则称
则称有效，即方差小参数估计越优。
，不等式.
不仅给出了统计量（对于已知时的置信区间），其中已知，而未
的置信度
可作为
采用
将上式开方即可得标准差
第八章假设检验
及备择假设
与
）分布，
的叫接受域，另一个的叫拒绝域，记为
则知小概率事件发生了，拒绝，接受
拒绝
时，
时，
时，
接受
落入接受域内时，则接受，拒绝
内，则拒绝，接受
未落在拒绝域内，则接受，拒绝
是从正态总体中抽取的一个样
为已知数，提出假设
引入统计量
相应的拒绝域
中抽取的一个样
本，其中
，其中
构造统计量
表求分位数
则拒绝域
未知，
本，欲检验假设：，其中
，可查
，即
若统计量，接受
若统计量，拒绝
第九章回归分析。
概率论与数理统计公式大全
第1章随机事件及其概率第二章随机变量及其分布Ihl ttamitai'l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”，张方块”,求条件概率P( B| A), P( B| C) 解 P(A)1 P(A)P(BA)P(AB) P(A)1 c；3CTG ；c3；C 13 C52C52C39—C13一C 13 C 13C 52 C 39—血39P(AB)P(C)C 13C 39 c ；3P(BC)5 26C13C 13C 2652P(B C )P ( BC ) P(C)C13 C 13 C 2613 --------- C 52C 5 C 8C13 C 39C13~ —C 522 6C 13 C 26C 8C39C 为恰有5 C 23C 3113T -某种动物出生后活到20岁的概率为0.7，活到25岁的概率为0.56，求现 年为20岁的这种动物活到25岁的概率.解 设A 表示事件 活到20岁以上”，B 表示 事件活到25岁以上”， P(A) 0.7 P(B) 0.56P(B A)P(AB) P(A)显然P(AB) 0.56 0.7P(B) 0.560.81例 1.21例1.21 某工厂生产的产品以 超过 4件，且具有如下的概率： 一批产品中的次品数 0概率 0.1 0.2现进行抽样检验，从每批中随机抽取 为该批产品不合格。
求一批产品通过检验的概率。
解设B 表示事件 “一批产品通过检验 品”100 1 2 0.4 0.2 件为一批，假定每一批产品中的次品最多不 3 0.1 10件来检验，若发现其中有次品，则认 ”，A (=0,1,234) 表示 ，贝U A 0 ,A 1 , A 2, A 3, A 4组成样本空间的一个划分， C 10C99 C 10C100P(A) 0.1P(B|") 1P(A) 0.2,P (B |A )0.900 P(A)'一批产品含有 0.4,P(B A 2)i 件次P(A 3) 0.2, P(B A 3)c 10崗 0.727 C 100P(A 4)0.1 , P(B A 4)C 10C 96C 10 C0.652C 1098C 101000.8094P ( A k )P ( B |A k ) k 0 顾客买到的一批合格品中，含次品数为0的概率是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贝叶斯公式(Bayes)P(B) P (A 。
概率论重要公式大全必看
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。 ②运算：
AB AB，AB AB
（3）古典 概型
1° 1, 2 n ，
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
F
1 (n2 , n1 )
第四章 随机变量的数字特征
（1） 一维 随机 变量 的数 字特 征
期望 期望就是平均值
函数的期望
离散型
n
E( X ) xk pk k 1
Y=g(X)
n
E(Y ) g(xk ) pk k 1
方差 D(X)=E[X-E(X)]2，
标准差 (X ) D(X ) ， D( X ) [xk E( X )]2 pk k
Cii ， 2
C
i2
2 i
i
i
若 X1, X2 Xn 相 互 独 立 ， 其 分 布 函 数 分 别 为
Fx1 (x)，Fx2 (x) Fxn (x) ，则 Z=max,min(X1,X2,…Xn)的分布
函数为：
Fmax(x) Fx1 (x) • Fx2 (x) Fxn (x)
Fmin (x) 1 [1 Fx1 (x)] • [1 Fx2 (x)][1 Fxn (x)]
否是互不影响的。
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
（2）连续 型随机变 量的分布 密度 （3）分布 函数
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。
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。
概率论与数理统计期末复习重要知识点及公式整理
概率论与数理统计期末复习重要知识点及公式整理2010-2011学年第一学期期末复习资料概率论与数理统计期末复习重要知识点第二章知识点：1.离散型随机变量：设X是一个随机变量，如果它全部可能的取值只有有限个或可数无穷个，则称X为一个离散随机变量。
2.常用离散型分布：（1）两点分布（0-1分布）：若一个随机变量XP{X x1}p,P{X x2}1p只有两个可能取值，且其分布为(0p1)，则称X服从x1,x2处参数为p的两点分布。
两点分布的概率分布：两点分布的期望：（2）二项分布：P{X x1}p,P{X x2}1p(0p1) E(X)p；两点分布的方差：D(X)p(1p)若一个随机变量X的概率分布由式给出，则称X服从参数为n,p的二项分布。
记为X~b(n,p)(或B(n,p)).两点分布的概率分布：二项分布的期望：（3）泊松分布：P{x k}Cnp(1p)kkn kkkn k,k0,1,...,n. P{x k}Cnp(1p),k0,1,...,n. E(X)np；二项分布的方差：D(X)np(1p)kP{X k} e若一个随机变量X的概率分布为数为的泊松分布，记为X~P () k!,0,k0,1,2,...，则称X服从参P{X k} e泊松分布的概率分布：泊松分布的期望：4.连续型随机变量：kk!,0,k0,1,2,... E(X)；泊松分布的方差：D(X)如果对随机变量X的分布函数F(x)，存在非负可积函数F(x)P{X x}f(x)，使得对于任意实数x，有xf(t)dt，则称X为连续型随机变量，称f(x)为X的概率密度函数，简称为概率密度函数。
2010-2011学年第一学期期末复习资料5.常用的连续型分布：（1）均匀分布：1,若连续型随机变量X的概率密度为f(x)b a 0,a x b其它，则称X在区间（a,b）上服从均匀分布，记为X~U(a,b)1,均匀分布的概率密度：f(x)b a0,a b2a xb 其它均匀分布的期望：（2）指数分布：E(X)；均匀分布的方差：D(X)(b a)122e xf(x)0若连续型随机变量X的概率密度为x00，则称X服从参数为的指数分布，记为X~e ()x0e xf(x)0指数分布的概率密度：指数分布的期望：（3）正态分布：E(X)1；指数分布的方差：D(X)2f(x)(x)222x若连续型随机变量X的概率密度为则称X服从参数为和22的正态分布，记为X~N(,)(x)222f(x)正态分布的概率密度：正态分布的期望：E(X)xD(X)x22；正态分布的方差：（4）标准正态分布：0,21(x)，2(x)xet22标准正态分布表的使用：（1）x0(x)1(x)2010-2011学年第一学期期末复习资料X~N(0,1)P{a x b}P{a x b}P{a x b}P{a x b}(b)(a)X~N(,),Y2（2）X（3）P{a X b}P{a~N(0,1),F(x)P{X x}P{X故b}(b)(a)x(x) Y2Y定理1：设X~N(,),则X~N(0,1)6.随机变量的分布函数：设X是一个随机变量，称分布函数的重要性质：0F(x) 1P{x1X x2}P{X x2}P{X x1}F(x2)F(x1)x1x2F(x1)F(x2)F()1,F()0F(x)P{X x}为X的分布函数。
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集锦完整版
概率论与数理统计公式集锦HUA system office room 【HUA16H-TTMS2A-HUAS8Q8-HUAH1688】概率论与数理统计公式集锦一、随机事件与概率二、随机变量及其分布1、分布函数2、离散型随机变量及其分布3、续型随机变量及其分布4、随机变量函数Y=g(X)的分布 离散型：()(),1,2,j ii j g x y P Y y p i ====∑，连续型：①分布函数法，②公式法()(())()(())Y X f y f h y h y x h y '=⋅=单调三、多维随机变量及其分布1、离散型二维随机变量及其分布 分布律：(,),,1,2,i j ij P Xx Y y p i j ====分布函数(,)i i ijx x y yF X Y p ≤≤=∑∑边缘分布律：()i i ij jp P X x p ⋅===∑ ()j j ij ip P Y y p ⋅===∑条件分布律：(),1,2,ij i j jp P X x Y y i p ⋅====，(),1,2,ij j i i p P Y y X x j p ⋅====2、连续型二维随机变量及其分布①联合分布函数及性质分布函数：⎰⎰∞-∞-=xydudvv u f y x F ),(),(=P （X<=x,Y<=y ）性质：2(,)(,)1,(,),F x y F f x y x y∂+∞+∞==∂∂((,))(,)GP x y G f x y dxdy ∈=⎰⎰②边缘分布函数与边缘密度函数分布函数：⎰⎰∞-+∞∞-=xX dvdu v u f x F ),()( 密度函数：⎰+∞∞-=dv v x f x f X ),()(③条件概率密度+∞<<-∞=y x f y x f x y f X X Y ,)(),()(，+∞<<-∞=x y f y x f y x f Y Y X ,)(),()( 3、随机变量的独立性随机变量X 、Y 相互独立(,)()()X Y F x y F x F y ⇔=，离散型：..ij i j p p p = ，连续型：(,)()()X Y f x y f x f y =4、二维随机变量和函数的分布 离散型：()(,)i j kk i j x y z P Z z P X x Y y +=====∑连续型：()(,)(,)Z f z f x z x dx f z y y dy +∞+∞-∞-∞=-=-⎰⎰四、随机变量的数字特征1、数学期望①定义：离散型∑+∞==1)(k k k p x X E ，连续型⎰+∞∞-=dx x xf X E )()(②性质：(),E C C =)()]([X E X E E =，)()(X CE CX E =，)()()(Y E X E Y X E ±=±b X aE b aX E ±=±)()( ，当X 、Y 相互独立时：)()()(Y E X E XY E =2、方差①定义：222()[(())]()()D X E X E X E X E X =-=-②性质：0)(=C D ，)()(2X D a b aX D =±，),(2)()()(Y X Cov Y D X D Y X D ±+=±当X 、Y 相互独立时：)()()(Y D X D Y X D +=±3、协方差与相关系数①协方差：(,)()()()Cov X Y E XY E X E Y =-，当X 、Y 相互独立时：0),(=Y X Cov ②相关系数：XY ρ，当X 、Y 相互独立时：0=XY ρ(X,Y 不相关)③协方差和相关系数的性质：)(),(X D X X Cov =，),(),(X Y Cov Y X Cov =),(),(),(2121Y X Cov Y X Cov Y X X Cov +=+，),(),(Y X abCov d bY c aX Cov =++4、常见随机变量分布的数学期望和方差五、大数定律与中心极限定理1、切比雪夫不等式若,)(,)(2σμ==X D X E 对于任意0>ε有2)(})({εεX D X E X P ≤≥-2、大数定律： ①切比雪夫大数定律：若n X X 1相互独立，2)(,)(i i i i X D X E σμ==且C i ≤2σ，则：∑∑==∞→−→−ni iPni i n X E nX n11)(),(11②伯努利大数定律：设n A 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0ε∀>，有：lim 1A n n P p n ε→∞⎛⎫-<= ⎪⎝⎭③辛钦大数定律：若1,,n X X 独立同分布，且μ=)(i X E ，则μ∞→=−→−∑n P ni iXn113、中心极限定理①列维—林德伯格中心极限定理：独立同分布的随机变量(1,2,)i X i =，均值为μ，方差为02>σ，当n充分大时有：1((0,1)~nn k k Y X n N μ==-−−→∑ ②棣莫弗—拉普拉斯中心极限定理：随机变量),(~p n B X ，则对任意x 有：③近似计算：1()nk k P a X b =≤≤≈Φ-Φ∑ 概率论与数理统计公式整理1、总体和样本的分布函数 设总体()XF x ，则样本的联合分布函数)(),(121k nk n x F x x x F =∏=2、统计量样本均值：∑==ni i X nX 11，样本方差：∑∑==--=--=ni i ni i X n X n X X n S 122122)(11)(11 样本标准差：∑=--=ni i X X n S 12)(11 ，样本k 阶原点距： 2,1,11==∑=kXnA ni ki k样本k 阶中心距：11(),1,2,3n k k i i B X X k n ==-=∑3、三大抽样分布(1)2χ分布：设随机变量(0,1)i X N (1,2,,)i n =且相互独立，则称统计量222212n X X X ++=χ服从自由度为n 的2χ分布，记为)(~22n χχ性质：①n n D n n E 2)]([,)]([22==χχ②设)(~),(~22n Y m X χχ且相互独立，则)(~2n m Y X ++χ(2)t 分布：设随机变量)(~),1,0(~2n Y N X χ，且X 与Y 独立，则称统计量：nY X T =服从自由度为n 的t 分布，记为)(~n t T性质：①()0(1),()(2)2n E T n D T n n =>=>-②22lim ()()x n n f x x ϕ-→∞== (3)F 分布：设随机变量22~(),~()X m Y n χχ，且X 与Y 独立，则称统计量(,)X mF m n Y n=服从第一自由度为m ，第二自由度为n 的F 分布，记为~(,)F F m n ，性质：设~(,)F F m n ，则1~(,)F n m F七、参数估计1.参数估计①定义：用12(,,,)n X X X θ∧估计总体参数θ，称12(,,,)n X X X θ∧为θ的估计量，相应的12(,,,)n x x x θ∧为总体θ的估计值。
概率论与数理统计-重要公式
概率论与数理统计-重要公式、随机事件与概率、随机变量及其分布1、分布函数Z P(X=X k )F(x) =P(X 兰 x)=彳耳',P(a v X wb) = F(b) — F(a)Xf f(t)dtL. J -°0概率密度函数2、离散型随机变量及其分布3、续型型随机变量及其分布「f (x)dx=1 计算概bP(a ^ X 乞 b)二 f (x)dxba率:P(X—…―亠宀一般的态率计算公式b—卩a—AP(a EX ^b)=：：」( )一：：」( )cr a分布函数对离散型随机变量F(x)二P(X岂x)八P(X二k)k童x对连续型随机变量F(x)= p(xn」(t)dt' x分布函数与密度函数的重要关系： F (x)二f (x) F(x)二P(X空x)二f (t)dt 4、随机变量函数Y=g(X)的分布离散型：P(丫二yJ 二' P j,i =1,2,川，g (X j )连续型：①分布函数法，②公式法f Y(y) = f x (h( y)) h(y) (x = h(y)单调)h(y)是g(x )的反函数三、多维随机变量及其分布1、离散型二维随机变量及其分布分布律：P(X 丫二yj = P j ,i, j =1,2^1 联合分布函数F (X,Y)八、X i <x y V y边缘分布律：P i .= P(X =Xi)=送P ij P j =P(Y = y j)=瓦P ijj i条件分布律：P(X =X i Y~j)= Pij ,i 十川，P(Y=y j|x =X i)=也,j =1,2,和p j p i .■ba -bo联合密f(x,y) f(x,y20 LX f(x,y)dxd厂1度函数2、连续型二维随机变量及其分布①分布函数及性质x y分布函数：F (x, y)「. f (u, v)dudv_CO性质：F ( ：：, ：：) =1, 一 F (x, y) = f(X, y), p((x, y) • G )二f (x, y)dxdy.x :y G②边缘分布函数与边缘密度函数x -He分布函数：F x(x)二 f (u,v)dvdu 密度函数: f x(x)二 fy -hoF Y(y)二 f (u, v)dudv f Y(y)二 f (u,—!OO —③条件概率密度fYx(yx)=f xX)T<y<赵,f xy(xyH f(x^)^<x<^fx(x) f y(y)3、随机变量的独立性随机变量X、丫相互独立=F(x,y)二F x(x)F Y(y),离散型：f 3ij= P i.p.j ，p{x =i,Y = j} =P{X =i}P{Y = j} 连续型：f (x,y)二f x(x) f Y(y)4、二维随机变量和函数的分布(卷积公式)离散型：P(Z二zj二'、 P(X二x ,丫二旳)注意部分可加性x 旳j =Z k连续型：f z (z) = j二f (x, Z - x)dx = j=f (z - y, y)dy四、随机变量的数字特征1、数学期望①定义：离散型E(X) = W X k P k，连续型E (X ) = jS f (x)dx国心=| [ 5兀・—旳②性质：E(C) =C, E[E(X)]=E(X)，E(CX)二CE(X)，E(X 一丫)= E(X) 一E(Y)E(aX - b)二aE(X) - b，当X、Y相互独立时：E(XY) = E(X)E(Y)(正对逆错)随机变量g(X)的数学期望E(g(X))=2： g(X k)P k| k2、方差①定义：回壬也壬]瓦BF②性质：D(C)=0，D(aX —b)二a2D(X)，D(X 一Y)二D(X) D(Y) 一2Cov(X,Y)当X、Y相互独立时：D(X -Y) = D(X) D(Y)3、协方差与相关系数①协方差：Cov(X,Y)二E(XY) -E(X)E(Y)，当X、Y相互独立时：Cov(X,Y) = 0②相关系数：'XY C°V(X,^—，当X、Y相互独立时：‘XY = 0(X,Y不相关)>/D^T D(Y)③协方差和相关系数的性质：Cov(X, X)二D(X)，Cov(X,Y)二Cov(Y,X)Cov(X1 X2,Y)二Cov(X「Y) Cov(X2,Y) ， Cov(aX c,bY d)二abCov(X,Y)Cov(x,a)=0(a 为常数)，D(aX - bY)二a2D(X) b2D(Y) - 2abCov(X,Y)o — F (x, y) - 1 F (x, y) = P{X - x,Y - y}4、常见随机变量分布的数学期望和方差五、大数定律与中心极限定理1、切比雪夫不等式若E(X) =»D(X) =<r2,对于任意名>Q有P{ X —E(X) >^}<2、大数定律：①切比雪夫大数定律：若X< X n相互独立，2 2 1 n P 1 nE(X i) = »i,D(X i) =62且 b i < C，贝q：—E X i-Z E(X i),( n T 9 n i 二n i 吕②伯努利大数定律：设n A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，贝U - ；0，有：lim Pn_ ：:1 n③辛钦大数定律：若XiJH.Xn独立同分布，且E (X i)二二，则.X in im3、*中心极限定理①列维一林德伯格中心极限定理：独立同分布的随机变量X i(i =1,2,|H)，均值为，方差为b2 >0，当n 充分大时有：X =(£ Xk - n»)/后一U T N(0,1)心/②棣莫弗一拉普拉斯中心极限定理：随机变量X ~ B(n, p)，则对任意x有：1 -2③近似计算：X^-bpk 1 yjw J n7六、数理统计的基本概念1、总体和样本的分布函数n设总体X〜F(x)，则样本的联合分布函数F(x1,x^ x n^ H F(X k)k；2n AnP」n )：:X -np X lim P{ x}= n‘：，n p(1 — p)2、统计量样本k 阶中心距：B k 二丄a (X j -X)k,k =1,2,3屮n i =3、三大抽样分布2⑴ 分布(卡方分布)：设随机变量 X 〜B(0,1) (i =1,2J||,n)且相互独立，则称统计量2=xj • xxn 服从自由度为n 的2分布，记为2〜2(n)性质：① E[ 2(n )]= n,D[ 2(n)]=2n ②设 X ~ 2(m),丫〜2(n)且相互独立， 则 X Y ~2(m n)2X⑵t 分布：设随机变量X 〜N(0,1),丫〜3 (n)，且X 与Y 独立，则称统计量：嵩服 从自由度为n 的t 分布，记为T ~t(n)。
概率论与数理统计重要公式
概率论与数理统计重要公式⼀、随机事件与概率⼆、随机变量及其分布1、分布函数()()(),()()()()k k x xx P X x F x P X x P a X b F b F a f t dt概率密度函数3、续型型随机变量及其分布1)(dx x f badxx f b X a P )()(⼀般正态分布的概率计算公式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：4、随机变量函数Y=g(X)的分布离散型：()(),1,2,j i连续型：①分布函数法，②公式法()(())()(())Y X f y f h y h y x h y 单调 h(y)是g(x)的反函数三、多维随机变量及其分布1、离散型⼆维随机变量及其分布分布律：(,),,1,2,i j ij P X x Y y p i j L 联合分布函数(,)i i ijx x y yF X Y p边缘分布律：()i i ij jp P X x p ()j j ij ip P Y y p条件分布律：(),1,2,ij i j jp P X x Y y i p L ，(),1,2,ij j i i p P Y y X x j pL联合密度函数2、连续型⼆维随机变量及其分布①分布函数及性质分布函数：x ydudv v u f y x F ),(),(性质：2(,)(,)1,(,),F x y F f x y x y((,))(,)GP x y G f x y dxdy②边缘分布函数与边缘密度函数分布函数：xX dvdu v u f x F ),()( 密度函数：dv v x f x f X ),()(yY dudv v u f y F ),()(du y u f y f Y ),()(③条件概率密度y x f y x f x y f X X Y ,)(),()(， x y f y x f y x f Y Y X ,)(),()(xt f x X P x F )()()( xk k X P x X P x F )()()()()('x f x Fxdtt f x X P x F )()()(1),(0 y x F },{),(y Y x X P y x F ),(y x f 0),( y x f 1),(dxdy y x f )()()(a a X P a X P )(1)()(a a X P a X P )()()(a b b X a P3、随机变量的独⽴性随机变量X 、Y 相互独⽴(,)()()X Y F x y F x F y ，连续型：(,)()()X Y f x y f x f y 离散型：..ij i j p p p ，4、⼆维随机变量和函数的分布(卷积公式)离散型：()(,)i j kk i j x y z P Z z P X x Y y 注意部分可加性连续型：()(,)(,)Z f z f x z x dx f z y y dy四、随机变量的数字特征1、数学期望①定义：离散型1)(k k k p x X E ，连续型x xf X E )()(②性质：(),E C C )()]([X E X E E ，)()(X CE CX E ，)()()(Y E X E Y X Eb X aE b aX E )()( ，当X 、Y 相互独⽴时：)()()(Y E X E XY E (正对逆错)随机变量g(X)的数学期望2、⽅差①定义：②性质：0)( C D ，)()(2X D a b aX D ，),(2)()()(Y X Cov Y D X D Y X D 当X 、Y 相互独⽴时：)()()(Y D X D Y X D3、协⽅差与相关系数①协⽅差：(,)()()()Cov X Y E XY E X E Y ，当X 、Y 相互独⽴时：0),( Y X Cov②相关系数： ()()XY D X D Y ，当X 、Y 相互独⽴时：0 XY (X,Y 不相关)③协⽅差和相关系数的性质：)(),(X D X X Cov ，),(),(X Y Cov Y X Cov),(),(),(2121Y X Cov Y X Cov Y X X Cov ，),(),(Y X abCov d bY c aX CovCov(x,a)=0(a 为常数)，),(2)()()(22Y X abCov Y D b X D a bY aX D4、常见随机变量分布的数学期望和⽅差分布数学期望E （X ）⽅差D （X ）0-1分布 ),1(p b p p(1-p) ⼆项分布 ),(p n b npnp(1-p)泊松分布 )( P均匀分布 ),(b a U2ba 12)(2a b 正态分布 ),(2N2指数分布)( e121}{}{},{j Y P i X P j Y i X P kkk p x g X g E )())((1、切⽐雪夫不等式若,)(,)(2X D X E 对于任意0 有2)(})({X D X E X P2、⼤数定律：①切⽐雪夫⼤数定律：若n X X 1相互独⽴，2)(,)(i i i i X D X E 且C i2 ，则：ni iPni i n X E nX n11)(),(11②伯努利⼤数定律：设n A 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0 ，有：lim 1A n n P p n③⾟钦⼤数定律：若1,,n X X L 独⽴同分布，且 )(i X E ，则n Pni i X n 113、★中⼼极限定理①列维—林德伯格中⼼极限定理：独⽴同分布的随机变量(1,2,)i X i L ，均值为，⽅差为02，当n充分⼤时有：1n k k Y X n N②棣莫弗—拉普拉斯中⼼极限定理：随机变量),(~p n B X ，则对任意x 有：22lim }()t x n P x dt x③近似计算：1()nk k P a X b六、数理统计的基本概念1、总体和样本的分布函数设总体X ～F(x)，则样本的联合分布函数)(),(121k nk n x F x x x F2、统计量样本均值：ni i X nX 11，样本⽅差：ni i ni i X n X n X X n S 122122)(11)(11 样本标准差：ni iX X n S 12)(11 ，样本k 阶原点距： 2,1,11i ki k样本k 阶中⼼距：11(),1,2,3nk k i i B X X k n L3、三⼤抽样分布(1)2 分布（卡⽅分布）：设随机变量X ～B(0,1)(1,2,,)i n L 且相互独⽴，则称统计量222212n X X X 服从⾃由度为n 的2分布，记为)(~22n性质：①n n D n n E 2)]([,)]([22 ②设)(~),(~22n Y m X 且相互独⽴，则)(~2n m Y X(2)t 分布：设随机变量)(~),1,0(~2n Y N X ，且X 与Y 独⽴，则称统计量：nY X T服从⾃由度为n 的t 分布，记为)(~n t T。
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(完整公式,知识点梳理)
p
k
；
对于分布 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
P( A)
（10）加法 公式 （11）减法 公式 （12）条件 概率
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) 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(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° 2° 3° 4° 5°
0 F ( x) 1,
x ；
F ( x) 是单调不减的函数，即 x1 x2 时，有 F ( x1) F ( x2) ；
积分元 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似。
4 / 27
（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。
- 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)。
一、随机事件与概率二、随机变量及其分布1、分布函数()()(),()()()()k k x xx P X x F x P X x P a X b F b F a f t dt≤-∞⎧=⎪=≤=<≤=-⎨⎪⎩∑⎰ 概率密度函数计算概率：2、离散型随机变量及其分布3、续型型随机变量及其分布分布函数0,⎧x 1)(=⎰+∞∞-dx x f ⎰=≤≤badxx f b X a P )()(一般正态分布的概率计算公式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：4、随机变量函数Y=g(X)的分布离散型：()(),1,2,j ii j g x y P Y y p i ====∑，连续型： ①分布函数法，②公式法()(())()(())Y X f y f h y h y x h y '=⋅=单调 h(y)是g(x)的反函数三、多维随机变量及其分布1、离散型二维随机变量及其分布分布律：(,),,1,2,i j ij P X x Y y p i j ==== 联合分布函数(,)i i ijx x y yF X Y p≤≤=∑∑边缘分布律：()i i ij jp P X x p ⋅===∑ ()j j ij ip P Y y p ⋅===∑条件分布律：(),1,2,ij i j jp P X x Y y i p ⋅====，(),1,2,ij j i i p P Y y X x j p ⋅====联合密度函数2、连续型二维随机变量及其分布 ①分布函数及性质 分布函数：⎰⎰∞-∞-=x ydudv v u f y x F ),(),(性质：2(,)(,)1,(,),F x y F f x y x y∂+∞+∞==∂∂((,))(,)GP x y G f x y dxdy ∈=⎰⎰②边缘分布函数与边缘密度函数 分布函数：⎰⎰∞-+∞∞-=x X dvdu v u f x F ),()( 密度函数：⎰+∞∞-=dv v x f x f X ),()(⎰⎰∞-+∞∞-=y Y dudv v u f y F ),()( ⎰+∞∞-=du y u f y f Y ),()(③条件概率密度+∞<<-∞=y x f y x f x y f X X Y ,)(),()(，+∞<<-∞=x y f y x f y x f Y Y X ,)(),()( ⎰∞-=≤=xdtt f x X P x F )()()(∑≤==≤=xk k X P x X P x F )()()()()('x f x F =⎰∞-=≤=xdtt f x X P x F )()()(1),(0≤≤y x F },{),(y Y x X P y x F ≤≤=),(y x f 0),(≥y x f 1),(=⎰⎰+∞∞-+∞∞-dxdy y x f )()()(σμ-Φ=<=≤a a X P a X P )(1)()(σμ-Φ-=>=≥a a X P a X P )()()(σμσμ-Φ--Φ=≤≤a b b X a P3、随机变量的独立性随机变量X 、Y 相互独立(,)()()X Y F x y F x F y ⇔=，连续型：(,)()()X Y f x y f x f y = 离散型：..ij i j p p p = ，4、二维随机变量和函数的分布(卷积公式)离散型：()(,)i j kk i j x y z P Z z P X x Y y +=====∑注意部分可加性连续型：()(,)(,)Z f z f x z x dx f z y y dy +∞+∞-∞-∞=-=-⎰⎰四、随机变量的数字特征1、数学期望①定义：离散型∑+∞==1)(k k k p x X E ，连续型⎰+∞∞-=dxx xf X E )()(②性质：(),E C C = )()]([X E X E E =，)()(X CE CX E =，)()()(Y E X E Y X E ±=±b X aE b aX E ±=±)()( ，当X 、Y 相互独立时：)()()(Y E X E XY E =(正对逆错)随机变量g(X)的数学期望2、方差 ①定义：②性质：0)(=C D ，)()(2X D a b aX D =±，),(2)()()(Y X Cov Y D X D Y X D ±+=± 当X 、Y 相互独立时：)()()(Y D X D Y X D +=±3、协方差与相关系数①协方差：(,)()()()Cov X Y E XY E X E Y =-，当X 、Y 相互独立时：0),(=Y X Cov②相关系数： (,)()()XY Cov X Y D X D Y ρ=，当X 、Y 相互独立时：0=XY ρ(X,Y 不相关)③协方差和相关系数的性质：)(),(X D X X Cov =，),(),(X Y Cov Y X Cov =),(),(),(2121Y X Cov Y X Cov Y X X Cov +=+，),(),(Y X abCov d bY c aX Cov =++Cov(x,a)=0(a 为常数)，),(2)()()(22Y X abCov Y D b X D a bY aX D ±+=±4、常见随机变量分布的数学期望和方差分布 数学期望E （X ） 方差D （X ）0-1分布 ),1(p b p p(1-p) 二项分布 ),(p n b npnp(1-p)泊松分布 )(λP λλ均匀分布 ),(b a U2ba + 12)(2a b - 正态分布 ),(2σμNμ2σ指数分布)(λeλ121λ}{}{},{j Y P i X P j Y i X P =====∑=kkk p x g X g E )())((五、大数定律与中心极限定理1、切比雪夫不等式若,)(,)(2σμ==X D X E 对于任意0>ε有2)(})({εεX D X E X P ≤≥-2、大数定律：①切比雪夫大数定律：若n X X 1相互独立，2)(,)(i i i i X D X E σμ==且C i≤2σ，则：∑∑==∞→−→−ni iPni i n X E nX n11)(),(11②伯努利大数定律：设n A 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0ε∀>，有：lim 1A n n P p n ε→∞⎛⎫-<=⎪⎝⎭③辛钦大数定律：若1,,n X X 独立同分布，且μ=)(i X E ，则μ∞→=−→−∑n Pni i X n113、★中心极限定理①列维—林德伯格中心极限定理：独立同分布的随机变量(1,2,)i X i =，均值为μ，方差为02>σ，当n充分大时有：1((0,1)~nn k k Y X n N μ==-−−→∑ ②棣莫弗—拉普拉斯中心极限定理：随机变量),(~p n B X ，则对任意x 有：22lim }()t x n P x dt x -→∞≤==Φ⎰③近似计算：1()nk k P a X b =≤≤≈Φ-Φ∑ 六、数理统计的基本概念1、总体和样本的分布函数设总体X ～F(x)，则样本的联合分布函数)(),(121k nk n x F x x x F =∏=2、统计量样本均值：∑==ni i X nX 11，样本方差：∑∑==--=--=ni i ni i X n X n X X n S 122122)(11)(11 样本标准差：∑=--=ni iX X n S 12)(11 ，样本k 阶原点距： 2,1,11==∑=kXn A ni ki k样本k 阶中心距：11(),1,2,3nk k i i B X X k n ==-=∑3、三大抽样分布(1)2χ分布（卡方分布）：设随机变量X ～B(0,1)(1,2,,)i n =且相互独立，则称统计量222212n X X X ++=χ服从自由度为n 的2χ分布，记为)(~22n χχ 性质：①n n D n n E 2)]([,)]([22==χχ②设)(~),(~22n Y m X χχ且相互独立，则)(~2n m Y X ++χ(2)t 分布：设随机变量)(~),1,0(~2n Y N X χ，且X 与Y 独立，则称统计量：nY X T =服从自由度为n 的t 分布，记为)(~n t T。
性质：①()0(1),()(2)2n E T n D T n n =>=>-②22lim ()()x n n f x x ϕ-→∞== (3)F 分布：设随机变量22~(),~()X m Y n χχ，且X 与Y 独立，则称统计量(,)X mF m n Y n=服从第一自由度为m ，第二自由度为n 的F 分布，记为~(,)F F m n ，性质：设~(,)F F m n ，则1~(,)F n m F 。
七、参数估计1.参数估计①定义：用12(,,,)n X X X θ∧估计总体参数θ，称12(,,,)n X X X θ∧为θ的估计量，相应的12(,,,)n x x x θ∧为总体θ的估计值。
2.点估计中的极大似然估计 设12,,n X X X 取自X 的样本，设~(,)X f x θ或~(,)X P x θ， 求法步骤：①似然函数：11()(,)()()(,)()nni i i i i L f x L P x θθθθ====∏∏连续型或离散型②取对数：1ln ()ln (,)ni i L f x θθ==∑ 或1ln ()ln (,)ni i i L p x θθ==∑③解方程：1ln ln 0,,0kLL θθ∂∂==∂∂，解得：111212(,,,)(,,,)n k k n x x x x x x θθθθ∧∧∧∧⎧=⎪⎪⎨⎪=⎪⎩,)n x 为未知参数2,,)n x x 和,)n x θ是未知参数2)θ∧，则称θ∧有效。
的一串估计量，有lim (|n P θ∧→∞计量（或相合估计量）。
正态总体中，样本均值X 是μ的无偏估计量 修正样本方差2S 是2σ的无偏估计量 5. 区间估计 单正态总体参数的置信区间八、假设检验,)n X ；③对于α查表找分位数λ，,)n X W ∈，从而定出拒绝域W ； ④由样本观测值计算统计量实测值,)n x ；并作出判断：当实测值落入，否则认为接受第一类错误：当H 0为真时，而样本值却落入了拒绝域，应当否定H 0。
“弃真错误”P {拒绝H 0|H 0为真}=α第二类错误：当H 1为真时，而样本值却落入了接受域，应接受H 0。