概率论与数理统计公式汇总及重点详解(考研必备、期末必备,2013最新版)

合集下载

概率论与数理统计基础知识和公式整理

第1章随机事件与概率A B=不可能同时发生，称事件A与事件互不相容或者互斥。

基本事件是互不相容的。

=且B互为逆事件，或对A BΦ，则(P B-A{ωω21,P) (2=ω1()(|)n i i P A P A B ==∑对全概率公式可以利用课堂讲解过的概率树来描述和分析。

设事件B 1,B 2,…,B n 及1(|))(|i n j j P A B P P A B ==∑此公式即为贝叶斯公式。

1=i 2n第二章随机变量及其分布第三章多维随机变量及其分布的联合分布函数。

通过全平面上的区域来形}1z-)]n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1（数理统计部分的知识都是从样本和样本统计量出发来分析总体的属性，例如：分析已知分布中的未知参数等）第六章数理统计的基本概念与抽样分布总体有相同分布的随机变量；观察之后，样本就是nk=2,3,.()},max{n n X X =常用统计量的基本性质~X N 221)~S χ-(X-第七章参数估计,)mA θ=),,2∧m θ 即为参数n12,,,,)(;,)m i m P X θθθθ=∏=∂法的流程。

第八章假设检验假设检验的基本步骤如下：1. 根据实际问题,提出原假设0H 及备择假设1H ；（可确定是单侧还是双侧假设检验）2. 依据实际条件构造检验统计量；（检验统计量不含任何未知参数且分布已知）3.对于给定显著性水平α，确定检验统计量的拒绝域；（拒绝域要与0H 为真时检验统计量的趋势相反）4.将样本值或者样本统计量的值代入检验统计量的表达式计算实际值，判断是否落入拒绝域，若落入拒绝域，则否定0H ，否则接受0H 。

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-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 ),(),(⎰∞-=≤=x dtt 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 P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 ,)(),()( 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 ⇔=，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 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}{}{},{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 ii 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 N μσ==-−−→∑ 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 }()2t x n P x dt x π-→∞≤==Φ⎰③近似计算：1()nk k P a X b n n σσ=≤≤≈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 ini 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==∑=k X n A ni k i 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 。

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X 只有两个可能取值，且其分布为12{},{}1(01)P X x p P X x pp ====-<<，则称X 服从12,x x 处参数为p 的两点分布。

两点分布的概率分布：12{},{}1(01)P X x p P X x pp ====-<<两点分布的期望：()E X p =；两点分布的方差：()(1)D X p p =-（2）二项分布：若一个随机变量X 的概率分布由式{}(1),0,1,...,.k kn k n P x k C p p k n -==-=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：{}(1),0,1,...,.k k n kn P x k C p p k n -==-= 二项分布的期望：()E X np =；二项分布的方差：()(1)D X np p =-（3）泊松分布：若一个随机变量X 的概率分布为{},0,0,1,2,...!kP X k ek k λλλ-==>=，则称X 服从参数为λ的泊松分布，记为X~P (λ)泊松分布的概率分布：{},0,0,1,2,...!kP X k ek k λλλ-==>=泊松分布的期望：()E X λ=；泊松分布的方差：()D X λ=4.连续型随机变量：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 ，使得对于任意实数x ，有(){}()xF x P X x f 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。

5.常用的连续型分布：（1）均匀分布：若连续型随机变量X 的概率密度为⎪⎩⎪⎨⎧<<-=其它,0,1)(bx a a b x f ，则称X 在区间（a,b ）上服从均匀分布，记为X~U(a,b)均匀分布的概率密度：⎪⎩⎪⎨⎧<<-=其它,0,1)(b x a a b x f 均匀分布的期望：()2a bE X +=；均匀分布的方差：2()()12b a D X -= （2）指数分布：若连续型随机变量X 的概率密度为00()0xe xf x λλλ-⎧>>=⎨⎩，则称X 服从参数为λ的指数分布，记为X~e (λ)指数分布的概率密度：00()0xe xf x λλλ-⎧>>=⎨⎩指数分布的期望：1()E X λ=；指数分布的方差：21()D X λ=（3）正态分布：若连续型随机变量X的概率密度为2()2()x f x x μσ--=-∞<<+∞则称X 服从参数为μ和2σ的正态分布，记为X~N(μ,2σ)正态分布的概率密度：22()2()x f x x μσ--=-∞<<+∞正态分布的期望：()E X μ=；正态分布的方差：2()D X σ=（4）标准正态分布：20,1μσ==，2222()()x t xx x e dtϕφ---∞=标准正态分布表的使用：（1）()1()x x x φφ<=--（2）~(0,1){}{}{}{}()()X N P a x b P a x b P a x b P a x b b a φφ<≤=≤≤=≤<=<<=-（3）2~(,),~(0,1),X X N Y N μμσσ-=故(){}{}()X x x F x P X x P μμμφσσσ---=≤=≤={}{}()()a b b a P a X b P Y μμμμφφσσσσ----<≤=≤≤=-定理1：设X~N(μ,2σ),则~(0,1)X Y N μσ-=6.随机变量的分布函数：设X 是一个随机变量，称(){}F 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。

概率论与数理统计公式汇总

1 n
n i 1
X
k i
,
k
1,2
(5)样本 k
阶中心距： Bk

Mk

1 n
n
(Xi
i 1

X )k ,k
2,3
3、三大抽样分布
(1) 2 分布：设随机变量 X1, X 2 X n 相互独立，且都服从标准正态分布 N (0,1) ，
则随机变量

2

X
2 1

X
2 2

k
(
x1
,
x2
,
,
xn
)
4.估计量的评价标准

无偏性设 (x1, x2,L , xn) 为未知参数的估计量。若 E( ）= ，

估
则称为的无偏估计量。
计

量
设 1 1(x1, x,2 ,L , xn) 和 2 2 (x1, x,2 ,L , xn) 是未知参
7、协方差和相关系数的性质
(1) Cov( X , X ) D( X ) Cov( X ,Y ) Cov(Y , X )
(2) Cov( X1 X 2 ,Y ) Cov( X1,Y ) Cov( X 2 ,Y )
Cov(aX c,bY d ) abCov( X ,Y )
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)， B A 时 P(A-B)=P(A)-P(B)
条件概率公式 P(B A) P( AB) P( A)

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(完整精华版)

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，
n
2° A Ì i=1 Bi ， P(A) > 0 ，（已经知道结果求原因
则
3
概率论与数理统计公式（全）
知识点总结
（17）伯努利概型
P(Bi / A) =
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
u 每次试验只有两种可能结果， A 发生或 A 不发生； u n 次试验是重复进行的，即 A 发生的概率每次均一样；
u 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。
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w 来表示。
基本事件的全体，称为试验的样本空间，用 W 表示。
一个事件就是由 W 中的部分点（基本事件 w ）组成的集合。通常用
大写字母 A，B，C，„表示事件，它们是 W 的子集。
W 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。
（8）古典概型
1° W = {w1,w2 wn }，
2°
P(w1 ) = P(w2 ) =
P(wn )
=
1 n
。
设任一事件 A ，它是由w1,w 2 wm组成的，则有
P(A)={(w1) (w2 ) (wm)} = P(w1) + P(w2 ) + + P(wm )

考研必备最新概率论与数理统计公式大全

第一章随机事件和概率（1）排列组合公式)!(!nmmP nm-=从m个人中挑出n个人进行排列的可能数。

)!(!!nmnmC nm-=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ω来表示。

基本事件的全体，称为试验的样本空间，用Ω表示。

一个事件就是由Ω中的部分点（基本事件ω）组成的集合。

通常用大写字母A，B，C，…表示事件，它们是Ω的子集。

Ω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：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）：BA⊂如果同时有BA⊂，AB⊃，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BA，它表示A发生而B不发生的事件。

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。

概率论与数理统计公式大全【最全最强复习材料】

第1章随机事件及其概率
大学教育概率论与数据统计复习材料之公式
祝您考试顺利！
1第 3 页共27 页
第二章随机变量及其分布
大学教育概率论与数据统计复习材料之公式
祝您考试顺利！
1第 5 页共27 页
大学教育概率论与数据统计复习材料之公式
祝您考试顺利！
1第7 页共27 页
第三章二维随机变量及其分布
大学教育概率论与数据统计复习材料之公式
祝您考试顺利！
1第9 页共27 页
大学教育概率论与数据统计复习材料之公式
祝您考试顺利！
1第11 页共27 页
大学教育概率论与数据统计复习材料之公式
祝您考试顺利！
1第13 页共27 页
第四章随机变量的数字特征
大学教育概率论与数据统计复习材料之公式
祝您考试顺利！
1第15 页共27 页
大学教育概率论与数据统计复习材料之公式
祝您考试顺利！
1第17 页共27 页
第五章大数定律和中心极限定理
大学教育概率论与数据统计复习材料之公式
祝您考试顺利！
第六章样本及抽样分布
1第19 页共27 页
大学教育概率论与数据统计复习材料之公式
祝您考试顺利！
第七章参数估计
1第21 页共27 页
大学教育概率论与数据统计复习材料之公式
祝您考试顺利！
1第23 页共27 页
大学教育概率论与数据统计复习材料之公式
祝您考试顺利！
第八章假设检验
1第25 页共27 页
单正态总体均值和方差的假设检验
大学教育概率论与数据统计复习材料之公式
祝您考试顺利！
1第27 页共27 页。

(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。

考研必备-概率论与数理统计公式大全

第一章随机事件和概率（1）排列组合公式)!(!nmmP nm-=从m个人中挑出n个人进行排列的可能数。

)!(!!nmnmC nm-=从m个人中挑出n个人进行组合的可能数。

试验的可能结果称为随机事件。

这样一组事件中的每一个事件称为基本事件，用ω来表示。

基本事件的全体，称为试验的样本空间，用Ω表示。

一个事件就是由Ω中的部分点（基本事件ω）组成的集合。

通常用大写字母A，B，C，…表示事件，它们是Ω的子集。

Ω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。

A、B中至少有一个发生的事件：A Y 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BA，它表示A发生而B不发生的事件。

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》完整公式以及知识点归纳

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
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
二项分布
（5）八大分布
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
。
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
则
P(Bi / A)
P(Bi )P( A / Bi )
n
，i=1，2，…n。
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 ，…，
第 3 页共 27 页
（17）伯努利概型
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
n
A Bi
2°
i1 ，
则有
P(A) P(B1)P(A | B1) P(B2)P(A | B2) P(Bn)P(A | Bn) 。
设事件 B1， B2 ，…， Bn 及 A 满足
1° B1， B2 ，…， Bn 两两互不相容， P(Bi) >0， i 1，2，…， n ，

概率论与数理统计公式(完整精华版)

（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）
1° f (x) 0。
2°
+¥ -¥
f
(
x)dx
=
1。
4
概率论与数理统计公式（全）
知识点总结
（3）离散与连续型随机变量的关系（4）分布函数
P(X = x) » P(x < X £ x + dx) » f (x)dx
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。
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w 来表示。
基本事件的全体，称为试验的样本空间，用 W 表示。
一个事件就是由 W 中的部分点（基本事件 w ）组成的集合。通常用
大写字母 A，B，C，„表示事件，它们是 W 的子集。
W 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）： A Ì B 如果同时有 A Ì B ， B A ，则称事件 A 与事件 B 等价，或称 A

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