概率论与数理统计公式整理(超全免费版)
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。
概率论和数理统计公式整理(超全免费版)45788

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, B2,, Bn 满足 1° B1, B2,, Bn 两两互不相容, P(Bi) 0(i 1,2,, n) ,
P( A1A2 … An) P( A1)P( A2 | A1)P( A3 | A1A2) …… P( An | A1A2 …
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
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 ,
显然分布律应满足下列条件:
(1) pk 0 , k 1,2,,
pk 1
(2) k 1
。
(2)连续 型随机变 量的分布 密度
(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
二项分布
P(X=1)=p, P(X=0)=q
概率论与数理统计公式整理(超全免费版)

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) ,
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)
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) ;
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,
概率论与数理统计公式整理(超全免费版)

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 。
f (x)dx 1
2°
。
P(X x) P(x X x dx) f (x)dx
第 1 章 随机事件及其概率
Pmn
m! (m n)!
从 m 个人中挑出 n 个人进行
(1)排列组合公 式
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。
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
(1)pij≥0(i,j=1,2,…);
(2)
pij 1.
ij
对 于 二 维 随 机 向 量 (X,Y) , 如 果 存 在 非 负 函 数
f (x, y)( x , y ) ,使对任意一个其邻边分别平行
于坐标轴的矩形区域 D,即 D={(X,Y)|a<x<b,c<y<d}有
P{(X ,Y) D} f (x, y)dxdy,
为标准正态分布,记为 X ~ N (0,1) ,
其密度函数记为
(x)
1
x2
e2
2
,
x ,
分布函数为
(x) 1
x
t2
e 2 dt 。
2
( x) 是不可求积函数,其函数值,已
完整版概率论与数理统计公式整理超全免费版

概率论与数理统计公式(全)2011-1-1第1章随机事件及其概率1概率论与数理统计公式(全)2011-1-11概率论与数理统计公式(全)2011-1-11概率论与数理统计公式(全)2011-1-1第二章随机变量及其分布1概率论与数理统计公式(全)2011-1-11概率论与数理统计公式(全)2011-1-11概率论与数理统计公式(全)2011-1-11概率论与数理统计公式(全)2011-1-1第三章二维随机变量及其分布1概率论与数理统计公式(全)2011-1-1概率论与数理统计公式(全)2011-1-11概率论与数理统计公式(全)2011-1-11概率论与数理统计公式(全)2011-1-11概率论与数理统计公式(全)2011-1-11概率论与数理统计公式(全)2011-1-1第四章随机变量的数字特征(1)离散型连续型1概率论与数理统计公式(全)2011-1-11概率论与数理统计公式(全)2011-1-11概率论与数理统计公式(全)2011-1-11概率论与数理统计公式(全)2011-1-1第五章大数定律和中心极限定理1概率论与数理统计公式(全)2011-1-11概率论与数理统计公式(全)2011-1-1第六章样本及抽样分布1概率论与数理统计公式(全)2011-1-11概率论与数理统计公式(全)2011-1-1第七章参数估计1概率论与数理统计公式(全)2011-1-11概率论与数理统计公式(全)2011-1-11概率论与数理统计公式(全)2011-1-11概率论与数理统计公式(全)2011-1-1第八章假设检验1概率论与数理统计公式(全)2011-1-11概率论与数理统计公式(全)2011-1-1单正态总体均值和方差的假设检验1。
概率论与数理统计公式整理(完整版)

概率论与数理统计 公式(全)
(13)乘法 公式
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
P( A1A2 … An) P( A1)P( A2 | A1)P( A3 | A1A2) …… P( An | A1A2 …
当 a≤x1<x2≤b 时,X 落在区间( x1 , x2 )内的概率为
P( x1
X
x2 )
x2 b
x1 a
。
6 / 27
概率论与数理统计 公式(全)
指数分布
f (x)
ex ,
0,
x 0, x 0,
其中 0 ,则称随机变量 X 服从参数为 的指数分布。
X 的分布函数为
正态分布
F(x)
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) ;
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;
布,所以(0-1)分布是二项分布的特例。
5 / 27
概率论与数理统计 公式(全)
泊松分布
设随机变量 X 的分布律为 P( X k) k e , 0 , k 0,1,2, k!
则称随机变量 X 服从参数为 的泊松分布,记为 X ~ () 或
超几何分布 几何分布
者 P( )。
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)

则称随机变量 X 服从参数为 的泊松分布,记为 X ~ () 或
超几何分布 几何分布
者 P( )。
泊松分布为二项分布的极限分布(np=λ ,n→∞)。
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)。
更一般地,对事件 A1,A2,…An,若 P(A1A2…An-1)>0,则有
..
..
P( A1A2 … An) P( A1)P( A2 | A1)P( A3 | A1A2) …… P( An | A1A2 …
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。
a≤x≤b 其他,
则称随机变量 X 在[a,b]上服从均匀分布,记为 X~U(a,b)。
分布函数为
x
F (x) f (x)dx
0,
xa, ba
1,
x<a, a≤x≤b x>b。
当 a≤x1<x2≤b 时,X 落在区间( x1 , x2 )内的概率为
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,
(完整word版)概率论与数理统计(完整公式,知识点梳理)(word文档良心出品)

(16)贝叶 斯公式
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)
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。
P(a X b) F(b) F(a) 可以得到 X 落入区间 (a,b] 的概率。分布
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
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
P( A1A2 … An) P( A1)P( A2 | A1)P( A3 | A1A2) …… P( An | A1A2 …
概率论与数理统计公式整理(完整版)

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
(15)全概 公式
布,所以(0-1)分布是二项分布的特例。
5 / 27
概率论与数理统计 公式(全)
泊松分布
设随机变量 X 的分布律为 P( X k) k e , 0 , k 0,1,2, k!
则称随机变量 X 服从参数为 的泊松分布,记为 X ~ () 或
超几何分布 几何分布
者 P( )。
泊松分布为二项分布的极限分布(np=λ,n→∞)。
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)
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。
2 / 27
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):
设事件 B1, B2 ,…, Bn 及 A 满足
概率论与数理统计公式整理(超全免费版)79577

但是假如X~N〔 ,(X,Y)未必是二维正态分布。
〔10〕函数分布
Z=X+Y
根据定义计算:
对于连续型,fZ(z)=
两个独立的正态分布的和仍为正态分布〔 〕。
n个相互独立的正态分布的线性组合,仍服从正态分布。
,
Z=max,min(X1,X2,…Xn)
假如 相互独立,其分布函数分别为 ,如此Z=max,min(X1,X2,…Xn)的分布函数为:
1° 。
2° 。
〔3〕离散与连续型随机变量的关系
积分元 在连续型随机变量理论中所起的作用与 在离散型随机变量理论中所起的作用相类似。
〔4〕分布函数
设 为随机变量, 是任意实数,如此函数
称为随机变量X的分布函数,本质上是一个累积函数。
可以得到X落入区间 的概率。分布函数 表示随机变量落入区间〔–∞,x]的概率。
〔2〕
〔2〕二维随机变量的本质
〔3〕联合分布函数
设〔X,Y〕为二维随机变量,对于任意实数x,y,二元函数
称为二维随机向量〔X,Y〕的分布函数,或称为随机变量X和Y的联合分布函数。
分布函数是一个以全平面为其定义域,以事件 的概率为函数值的一个实值函数。分布函数F(x,y)具有以下的根本性质:
〔1〕
〔2〕F〔x,y〕分别对x和y是非减的,即
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,如此这件事可由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
如果一个试验在一样条件下可以重复进展,而每次试验的可能结果不止一个,但在进展一次试验之前却不能断言它出现哪个结果,如此称这种试验为随机试验。
概率论与数理统计公式整理(超全免费版)【范本模板】

当 n 1时, P( X
k)
p qk 1k
, 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
泊松分布
超几何分布 几何分布 均匀分布
设随机变量 X 的分布律为
P( X k) k e , 0 , k 0,1,2, k!
。
(3)离散与 连续型随机 变量的关系
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
(4)分布函 数
似。
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。
f (x) 具有如下性质: 1° f (x) 的图形是关于 x 对称的;
2° 当 x 时, f () 1 为最大值; 2
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;
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)离散型 随机变量的 分布律
C Pn(k)
概率论与数理统计公式整理超全免费版

X
| x1, x2,, xk,
P( X xk) p1, p2,, pk, 。
显然分布律应满足下列条件:
pk 1
(1) pk 0 , k 1,2,, (2) k 1
。
(2)连续 型随机Байду номын сангаас 量的分布 密度
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,?为不可能事件。
k)
Pn(k )
C
k n
p k q nk
,
q 1 p,0 p 1, k 0,1,2,, n ,
其
中
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) 。
泊松分布
当 n 1时, P( X
k)
p qk 1k
, k 0.1,这就是(0-1)分布,所以
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
(完整版),概率论与数理统计(完整公式,知识点梳理),推荐文档

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
| x1, x2,, xk,
P( X xk) p1, p2,, pk, 。
显然分布律应满足下列条件:
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 , A2 ,…有
P
i 1
Ai
i 1
P( Ai)
常称为可列(完全)可加性。
则称 P(A)为事件 A 的概率。
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
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)
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)
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。
- 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)。
创作者:凤呜大王*
第1章 随机事件及其概率
(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。
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):
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。
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。
,
Z=max,min(X1,X2,…Xn)
若 相互独立,其分布函数分别为 ,则Z=max,min(X1,X2,…Xn)的分布函数为:
分布
设n个随机变量 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
我们称随机变量W服从自由度为n的 分布,记为W~ ,其中
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。
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。
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。
,
若有某些 相等,则应将对应的 相加作为 的概率。
连续型
先利用X的概率密度fX(x)写出Y的分布函数FY(y)=P(g(X)≤y),再利用变上下限积分的求导公式求出fY(y)。
第三章 二维随机变量及其分布
(1)联合分布
离散型
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 为离散型随机量。
, 其中 ,
则称随机变量 服从参数为 , 的二项分布。记为 。
当 时, , ,这就是(0-1)分布,所以(0-1)分布是二项分布的特例。
泊松分布
设随机变量 的分布律为
, , ,
则称随机变量 服从参数为 的泊松分布,记为 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
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)。
设随机向量(X,Y)的分布密度函数为
其中SD为区域D的面积,则称(X,Y)服从D上的均匀分布,记为(X,Y)~U(D)。
例如图3.1、图3.2和图3.3。
y
1
D1
O1x
图3.1
y
1
O2x
图3.2
y
d
c
Oa b x
图3.3
(9)二维正态分布
设随机向量(X,Y)的分布密度函数为
其中 是5个参数,则称(X,Y)服从二维正态分布,
1° 0≤P(A)≤1,
2° P(Ω) =1
3° 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,
记为(X,Y)~N(
由边缘密度的计算公式,可以推出二维正态分布的两个边缘分布仍为正态分布,
即X~N(
但是若X~N( ,(X,Y)未必是二维正态分布。
(10)函数分布
Z=X+Y
根据定义计算:
对于连续型,fZ(z)=
两个独立的正态分布的和仍为正态分布( )。
n个相互独立的正态分布的线性组合,仍服从正态分布。
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
若 ,则 的分布函数为
。。
参数 、 时的正态分布称为标准正态分布,记为 ,其密度函数记为
, ,
分布函数为Байду номын сангаас
。
是不可求积函数,其函数值,已编制成表可供查用。
Φ(-x)=1-Φ(x)且Φ(0)= 。
如果 ~ ,则 ~ 。
。
(6)分位数
下分位表: ;
上分位表: 。
(7)函数分布
离散型
已知 的分布列为
,
的分布列( 互不相等)如下:
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)
①可分离变量
②正概率密度区间为矩形
二维正态分布
=0
随机变量的函数
若X1,X2,…Xm,Xm+1,…Xn相互独立,h,g为连续函数,则:
h(X1,X2,…Xm)和g(Xm+1,…Xn)相互独立。
特例:若X与Y独立,则:h(X)和g(Y)独立。
例如:若X与Y独立,则:3X+1和5Y-2独立。
(8)二维均匀分布
1° 。
2° 。
(3)离散与连续型随机变量的关系
积分元 在连续型随机变量理论中所起的作用与 在离散型随机变量理论中所起的作用相类似。
(4)分布函数
设 为随机变量, 是任意实数,则函数
称为随机变量X的分布函数,本质上是一个累积函数。
可以得到X落入区间 的概率。分布函数 表示随机变量落入区间(–∞,x]内的概率。
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。
分布函数具有如下性质:
1° ;
2° 是单调不减的函数,即 时,有 ;
3° , ;
4° ,即 是右连续的;
5° 。
对于离散型随机变量, ;
对于连续型随机变量, 。
(5)八大分布
0-1分布
P(X=1)=p, P(X=0)=q
二项分布
在 重贝努里试验中,设事件 发生的概率为 。事件 发生的次数是随机变量,设为 ,则 可能取值为 。
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。
设 =(X,Y)的所有可能取值为 ,且事件{ = }的概率为pij,,称
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:
Y
X
y1
y2
…
yj
…
x1
p11
p12
…
p1j
…
x2
p21
p22
…
p2j
…
xi
pi1
…
…
这里pij具有下面两个性质:
(1)pij≥0(i,j=1,2,…);
(2)
(2)二维随机变量的本质
(3)联合分布函数
设(X,Y)为二维随机变量,对于任意实数x,y,二元函数