概率论公式大全共36页
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。
概率论公式大全
3、事件的独立性和伯努利试验
（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（这个性质不是想当然成立的） 。 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)
f ( x)dx = 1
X ~ B(n, p) 。
X | P( X = k ) q n , npq n −1 , C 2 p 2 q n − 2 ,Λ , C k p k q n − k ,Λ , p n n n
容易验证，满足离散型分布率的条件。 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。 ③泊松分布 设随机变量 X 的分布律为
P ( x < X ≤ x + dx) ≈ f ( x)dx
它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。
P( X = k ) =
4° 5°
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,…，
F ( x + 0) = F ( x) ，即 F ( x) 是右连续的； P ( X = x) = F ( x) − F ( x − 0) 。
有 则称上式为离散型随机变量 X 的概率分布或分布律。 时也用分布列的形式给出：
密度函数具有下面 4 个性质： 1° 2°
(完整版)概率论公式总结
(完整版)概率论公式总结-CAL-FENGHAI-(2020YEAR-YICAI)_JINGBIAN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)|()()(∑==nk 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∑≤==≤=xk k X P x X P x F )()()(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 ()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 ≤≤⎰=≤≤ba dx x fb X a P )()(⎰∞-=≤=xdtt f x X P x F )()()(⎰∞-=≤=x dtt f x X P x F )()()(),(y x f ),(y x F 0),(≥y x f 1),(=⎰⎰+∞∞-+∞∞-dxdy y x f )(1)(b x a a b x f ≤≤-=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⎰+∞∞-=dy y x f x f X ),()(⎰+∞∞-=dx y x f y f Y ),()(}{}{},{j Y P i X P j Y i X P =====)()(),(y f x f y x f Y X =∑+∞-∞=⋅=k k k P x X E )(⎰+∞∞-⋅=dx x f x X E )()(∑=k k k p x g X g E )())((方差定义式 常用计算式常用公式 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)= abD(X)，其中a 、b 为常数当X 、Y 相互独立时，D(X+Y)=D(X)+D(Y) 协方差与相关系数协方差的性质∑∑=i j iji p x X E )(dxdy y x xf X E ⎰⎰=),()()()()(Y E X E Y X E +=+∑∑=i j ij j i p y x XY E )(dxdy y x xyf XY E ⎰⎰=),()()()()(,Y E X E XY E Y X =独立时与当()⎰+∞∞-⋅-=dx x f X E x X D )()()(2[]22)()()(X E X E X D -=))}())(({(2)()()(Y E Y X E X E Y D X D Y X D --++=+)()()(Y D X D Y X D +=+)()(),(Y D X D Y X Cov XY =ρ[][]{})()()()()(Y E X E XY E Y E Y X E X E -=--())()()(),(22X D X E X E X X Cov =-=),(),(Y X abCov bY aX Cov =独立与相关独立必定不相关、相关必定不独立、不相关不一定独立第四章正态分布标准正态分布的概率计算标准正态分布的概率计算公式)()()(a a Z P a Z P Φ=<=≤)(1)()(a a Z P a Z P Φ-=>=≥)()()(a b b Z a P Φ-Φ=≤≤1)(2)()()(-Φ=-Φ-Φ=≤≤-a a a a Z a P一般正态分布的概率计算一般正态分布的概率计算公式),(~2σμN X 222)(21)(σμσπ--=x e x f 2)(,)(σμ==X D X E )(1)(a a -Φ-=Φ)1,0(~),(~2N X Z N X σμσμ-=⇔()()(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。
概率论的公式大全
概率论的公式大全概率论是数学中研究随机事件的理论，它用于描述事件发生的可能性，并通过概率的计算和分析来预测、评估和决策。
下面给出一些概率论中常用的公式，帮助你更好地理解和运用概率论。
1.概率定义公式：P(A)=N(A)/N，表示事件A发生的概率，N(A)代表事件A发生的次数，N代表试验的总次数。
2.互补事件公式：P(A')=1-P(A)，表示事件A的补事件发生的概率。
3.加法公式：P(A∪B)=P(A)+P(B)-P(A∩B)，表示事件A或B发生的概率。
4.独立事件公式：P(A∩B)=P(A)*P(B)，表示事件A和事件B同时发生的概率，当事件A和事件B相互独立时成立。
5.条件概率公式：P(A，B)=P(A∩B)/P(B)，表示事件B已经发生时事件A发生的概率。
6.乘法公式：P(A∩B)=P(A，B)*P(B)，也可以写作P(A∩B)=P(B，A)*P(A)，表示事件A和事件B同时发生的概率。
7.全概率公式：P(A)=ΣP(A，Bᵢ)*P(Bᵢ)，表示事件A发生的概率，Bᵢ代表一组互不相容且构成样本空间的事件。
8.贝叶斯公式：P(B，A)=P(A，B)*P(B)/P(A)，表示在事件A发生的条件下，事件B发生的概率。
9.随机变量的概率公式：P(X=x)≥0，表示随机变量X取值为x的概率非负。
10.随机变量期望公式：E(X)=ΣxP(X=x)*x，表示随机变量X的期望或均值。
11.随机变量方差公式：Var(X) = E[(X - µ)²]，表示随机变量X的方差，其中µ为X的期望。
12.二项分布公式：P(X=k)=C(n,k)*p^k*q^(n-k)，表示n次独立重复实验中，事件发生k次的概率，其中，C(n,k)为组合数，p为事件发生的概率，q为事件不发生的概率。
13.泊松分布公式：P(X=k)=e^(-λ)*(λ^k)/k!，表示单位时间或空间中，事件发生了k次的概率，λ为事件发生率。
(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：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）：如果同时有，，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，它表示A发生而B不发生的事件。
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：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）：如果同时有，，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，它表示A发生而B不发生的事件。
概率论公式大全
一. 随机事件和概率 1、概率的定义和性质（1）概率的公理化定义设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) =13° 对于两两互不相容的事件1A ，2A ，…有∑∞=∞==⎟⎟⎠⎞⎜⎜⎝⎛11)(i i i i A P A P Υ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° {}n ωωωΛ21,=Ω，2° nP P P n 1)()()(21===ωωωΛ。
设任一事件A ，它是由m ωωωΛ21,组成的，则有P(A)={})()()(21m ωωωΥΛΥΥ=)()()(21m P P P ωωω+++Λn m =基本事件总数所包含的基本事件数A = 2、五大公式（加法、减法、乘法、全概、贝叶斯）（1）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)（2）减法公式 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)（3）条件概率和乘法公式定义 设A、B 是两个事件，且P(A)>0，则称)()(A P AB P 为事件A 发生条件下，事件B 发生的条件概率，记为=)/(A B P )()(A P AB P 。
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。
（4）全概公式设事件n B B B ,,,21Λ满足 1°nB B B ,,,21Λ两两互不相容，),,2,1(0)(n i B P i Λ=>，2°Υni iB A 1=⊂，则有)|()()|()()|()()(2211n n B A P B P B A P B P B A P B P A P +++=Λ。
《概率论公式大全》Word文档
概率论公式1．随机事件及其概率吸收律：AAB A A A A =⋃=∅⋃Ω=Ω⋃)( AB 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 11=== ni in 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 ) = pn k 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 kk n n k n kn n λλ(3) Poisson 分布 )(λP,2,1,0,!)(===-k k e k X P kλλ6．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)(a b 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 (m , s 2 )+∞<<∞-=--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 xt 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 ),(),(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 ),()( ⎰⎰∞-+∞∞-=y Y 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 )()(),()( ⎰⎰+∞∞-+∞∞-==dx x 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 =10.随机变量的数字特征数学期望 ∑+∞==1)(k k k 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 EX 的 k 阶绝对原点矩)|(|k X EX 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 EX ,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 EX ,Y 的二阶混合中心矩 X ,Y 的协方差()))())(((Y E Y X E X E --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 =ρ（注：素材和资料部分来自网络，供参考。
概率论公式
n
注：如果有 n 个变量服从同一个 0-1 分布， Xi ~ b(1, p) ，则其和 X Xi 服从二项 i
分布 X ~ b(n, p)
11. Poisson 分布
X ~ P() P( X k) k e , k 0,1,...
F
(x)
0, 1,
x x
c c
E(X ) c
Var( X ) 0
9. 二项分布
X ~ b(n, p)
P( X k) Cnk pk (1 p)nk E(X ) np
Var( X ) np(1 p)
10. 二点分布（0-1 分布）
X ~ b(1, p)
P( X x) px (1 p)1x , x 0,1
p(
x)
2
n 2
1 (
n
)
e
x 2
x
n 2
1
,
x
0
2
0, x 0
E(X ) n
Var( X ) 2n
Gamma 分布变为 2 分布：
当 X ~ Ga(,) ，则 2 X ~ Ga(, 1) 2 (2 ) 2
20. 严格单调函数Y g(X )
pY ( y) px[h(x)] | h '(x) |
21. K 阶原点矩和中心矩
k E(X k ) k E( X E( X ))k
中心矩和原点矩关系：
k
k Cik i (i )ki i0
22. 变异系数
Cv
(
X
)
( E(
概率统计公式大全
泊松分布是二项分布的极限分布〔np=λ，n→∞〕。
超几何分布
P( X
k)
CMk
•
C
nk N M
,
k
0,1,2, l
C
n N
l min(M , n)
随机变量 X 服从参数为 n,N,M 的超几何分布，记为 H(n,N,M)。
几何分布
P(X k) qk1 p, k 1,2,3,，其中 p≥0，q=1-p。
C Pn(k)
k n
p k 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
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：
X P(X
xk )
|
x1, x2,, xk, p1, p2,, pk, 。
Байду номын сангаас显然分布律应满足以下条件：
〔1〕 pk 0 ， k 1,2,，
pk 1
〔2〕 k 1
。
〔2〕 连续型随 机变量的 分布密度
设 F (x) 是随机变量 X 的分布函数，假设存在非负函数 f (x) ，对任意实数 x ，
假设事件 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Φ与任何事件都相互独立。 Φ与任何事件都互斥。
②多个事件的独立性
设 A，B，C 是三个事件，如果满足两两独立的条件，
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))其中，Var(X)表示随机变量X的方差，Xi表示X的取值，E(X)表示X 的期望值，P(Xi)表示X取值为Xi的概率。
9.标准差公式：SD(X) = √Var(X)其中，SD(X)表示随机变量X的标准差，Var(X)表示X的方差。
10.二项分布的概率公式：P(X=k)=C(n,k)×p^k×(1-p)^(n-k)其中，P(X=k)表示X取值为k的概率，C(n,k)表示组合数，p表示单次实验成功的概率，n表示试验重复的次数，k表示成功发生的次数。
（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：4、古典概型222n 2!)(n ,22)-n 2)!n 2(22nC n A P C A n n n ==！，则⾃成⼀双为：！！（解：分堆法：每堆⾃成⼀双鞋的概率只，事件堆，每堆为只，分为双鞋总共例： 5、条件概率称为⽆条件概率。
的条件概率，条件下，事件称为在事件)(,)()()|(B P B A A P AB P A B P =B)|P(B)P(A P(AB) A)|P(A)P(B P(AB)==乘法公式：)|()()(i i A B P A P B P i∑=全概率公式：)|()()|()()()()|(j j ji i i A B P A P A B P A P B P B A P B A P i ∑==贝叶斯公式：例：有三个罐⼦，1号装有2红1⿊共3个球，2号装有3红1⿊4个球，3号装有2红2⿊4个球，某⼈随机从其中⼀罐，再从该罐中任取⼀个球，（1）求取得红球的概率；（2）如果取得是红球，那么是从第⼀个罐中取出的概率为多少？.348.0)()()|()|()2(.639.0)(31)()()(.21)|(;43)|(;32)|()|()()(}{3,2,1i }{)1(111321321i i 321≈=≈∴==========∑A P B P B A P A B P A P B P B P B P B A P B A P B A P A B P A P B P B B B A i B ii 由贝叶斯公式：，，依题意，有：由全概率公式是⼀个完备事件、、，由题知取得是红球。
概率论公式
概率论公式
概率论中常用的公式有：
1. 总概率公式：对于事件A和B，如果A和B构成一个完备事件组，则P(A) = P(A|B)P(B) + P(A|B')P(B')，其中B'
表示事件B的补集。
（该公式可以推广到多个事件的情况）
2. 乘法公式：对于事件A和B，P(A∩B) = P(A|B)P(B) =
P(B|A)P(A)。
3. 加法公式：对于不互斥的事件A和B，P(A∪B) = P(A)
+ P(B) - P(A∩B)。
4. 条件概率公式：对于事件A和B，如果P(B) > 0，则
P(A|B) = P(A∩B) / P(B)。
5. 贝叶斯公式：对于事件A和B，如果P(A) > 0和P(B) > 0，则P(A|B) = P(A)P(B|A) / P(B)。
6. 期望值公式：对于一个离散型随机变量X，其期望值E(X) = ΣxP(X=x)，其中x为X的所有可能取值。
7. 方差公式：对于一个离散型随机变量X，其方差Var(X) = E[(X-E(X))^2] = Σ(x-E(X))^2P(X=x)，其中E(X)为X的期望值。
请注意，以上公式只是概率论中的一部分常用公式，还有
许多其他公式可根据具体概率问题的性质和假设来使用。
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。
概率统计公式大全汇总
概率统计公式大全汇总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的样本点数，n(S)表示样本空间的样本点数。
2.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发生的条件下事件A发生的概率，P(A∩B)表示事件A和B同时发生的概率，P(B)表示事件B的概率。
3.乘法公式：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，P(A)表示事件A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。
4.加法公式：P(A∪B)=P(A)+P(B)-P(A∩B)其中，P(A∪B)表示事件A和事件B至少有一个发生的概率，P(A)和P(B)分别表示事件A和事件B的概率，P(A∩B)表示事件A和事件B同时发生的概率。
5.贝叶斯公式：P(B，A)=P(A，B)*P(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，P(A，B)表示在事件B发生的条件下事件A发生的概率，P(B)和P(A)分别表示事件B和事件A的概率。
6.期望值公式：E(X)=∑(x*P(X=x))其中，E(X)表示随机变量X的期望值，x表示X的取值，P(X=x)表示X取值为x的概率。
7.方差公式：Var(X) = E[X^2] - (E[X])^2其中，Var(X)表示随机变量X的方差，E[X^2]表示X的平方的期望值，E[X]表示X的期望值。
8.标准差公式：SD(X) = √Var(X)其中，SD(X)表示随机变量X的标准差，Var(X)表示X的方差。
9.二项分布概率公式：P(X=k)=C(n,k)*p^k*(1-p)^(n-k)其中，P(X=k)表示X取值为k的概率，C(n,k)表示从n个元素中选择k个元素的组合数，p表示每个元素成功的概率，n表示试验次数。
10.正态分布概率公式：P(X≤x)=Φ((x-μ)/σ)其中，P(X≤x)表示X小于或等于x的概率，Φ表示标准正态分布的累积分布函数，μ表示正态分布的均值，σ表示正态分布的标准差。
概率论公式大全
2
2
2
45 .两个总体比率之差的区 间估计 :
大样本
n1 p1 , n1 (1
p1 ),
n2
p 2 , n 2 (1
p2)
5时 ,
p1 p2
Z
S
p1 p2
2
46 .两个总体比率之差的检 验统计量 :
Z
p1
p 2 p1
p2
p1
p
2
总体比率合并估计
:
p
n1 p1
n2
p2
C
n N
,0
x
r
28.正态概率密度函数 f ( x)
1
e
x 2
2 2
2
29.标准正态分布变换 Z x
当前您正浏览第十八页，共三十三页。
30 . X 的数学期望和标准差
:
E (X ) ,
有限总体时
X
N n N 1 n
无限总体时
X
n
31 .比例 P 的数学期望和标准差
:
ij
e ij
R 1C 1
当前您正浏览第二十六页，共三十三页。
52 . 检验 K 个均值的相等性
第ｊ个处理的样本均值
nj
X ij
:X j
i1
nj
,
第ｊ个处理的样本方差
n j
2
X ij X j
:
S
2 j
i1
nj1
,
k nj
X ij
k
总样本均值
: X t
j1 i1
nt 1
,nt n j
Xi
( X , Y ) S XY
X i X Yi Y n 1