概率计算公式(精选课件)

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)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 (θ))()()|(B P AB P B A P =)|()()(B A P B P AB P =)|()(A B P A P =∑==nk 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，λλ1)(=⎰+∞∞-dx x f )(b X a P ≤≤⎰=≤≤badxx f b X a P )()(1),(0≤≤y x F },{),(y Y x X P y x F ≤≤=)(1)(b x a ab x f ≤≤-=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：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)0(1)(/≥=-x e x f x θθ∑≤==≤=x k k X P x X P x F )()()(⎰∞-=≤=x dtt f x X P x F )()()(⎰∞-=≤=xdt t f x X P x F )()()(),(y x f ),(y x F 0),(≥y x f 1),(=⎰⎰+∞∞-+∞∞-dxdy y x f ⎰+∞∞-=dyy x f x f X ),()(⎰+∞∞-=dxy 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 kP xX E )(⎰+∞∞-⋅=dxx f x X E )()()()('x f x F =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)=b2D(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∑=kkk p x g X g E )())((∑∑=ijiji p x X E )(dxdyy x xf X E ⎰⎰=),()()()()(Y E X E Y X E +=+∑∑=ijijj i p y x XY E )(dxdyy x xyf XY E ⎰⎰=),()()()()(,Y E X E XY E Y X =独立时与当()⎰+∞∞-⋅-=dxx 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 E X E XY E Y X Cov -=)()(),(Y D X D Y X Cov XY =ρ[][]{})()()()()(Y E X E XY E Y E Y X E X E -=--协方差的性质独立与相关 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第五章())()()(),(22X D X E X E X X Cov =-=),(),(Y X abCov bY aX Cov =),(),(),(Z Y Cov Z X Cov Z Y X Cov +=+),(~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卡方分布t 分布F 分布正态总体条件下 样本均值的分布：样本方差的分布：两个正态总体的方差之比第六章点估计：参数的估计值为一个常数 矩估计最大似然估计 似然函数均值的区间估计——大样本结果)(~)1,0(~212n X N X ni i χ∑=，则若())(~1),,(~21222n Y N Y ni iχμσσμ∑=-则若),(~//),(~),(~21212212n n F n V n U n V n U 则若χχ),(~2n N X σμ)1,0(~/N n X σμ-)1(~)1(222--n S n χσ)1(~/--n t n s X μ)1,1(~//2122212221--n n F S S σσ);(1θi ni x f L ∏==);(1θi ni x p L ∏==⎪⎭⎫ ⎝⎛±n z x σα2/正态分布的分位点—大样本要求样本容量—代替准差通常未知，可用样本标标准差—样本均值—2/)50()(ασz n ns x >⎪⎪⎭⎫ ⎝⎛-±n p p z p )1(2/α正态分布的分位点—大样本要求样本容量—样本比例—2/)50(αz n np >则若),(~),1,0(~2n Y N X χ)(~/n t nY X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 两个正态总体方差比的置信区间第七章假设检验的步骤① 根据具体问题提出原假设H0和备择假设H1 ② 根据假设选择检验统计量，并计算检验统计值③ 看检验统计值是否落在拒绝域，若落在拒绝域则拒绝原假设，否则就不拒绝原假设。

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)()()|(B P AB P B A P =)|()()(B A P B P AB P =)|()(A B P A P =∑==nk 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)|()()|()()|(∑≤==≤=x k k X P x X P x F )()()(1),(0≤≤y x F },{),(y Y x X P y x F ≤≤=泊松分布——X~P(λ)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 (θ)),...,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，λλ1)(=⎰+∞∞-dx x f )(b X a P ≤≤⎰=≤≤ba dx x fb X a P )()()0(1)(/≥=-x e x f x θθ)(1)(b x a a b x f ≤≤-=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：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 联合分布函数联合密度与边缘密度⎰∞-=≤=xdt t f x X P x F )()()(⎰∞-=≤=x dt t f x X P x F )()()(),(y x f ),(y x F 0),(≥y x f 1),(=⎰⎰+∞∞-+∞∞-dxdy y x f ⎰+∞∞-=dy y x f x f X ),()(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}{}{},{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 )())((∑∑=i j iji p x X E )(dxdy y x xf X E ⎰⎰=),()(方差定义式常用计算式常用公式当X 、Y 相互独立时：)()()(Y E X E Y X E +=+∑∑=i j ijj 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 --++=+方差的性质D(a)=0，其中a 为常数D(a+bX)=b2D(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独立与相关独立必定不相关相关必定不独立)()()(),(Y E X E XY E Y X Cov -=)()(),(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 =),(),(),(Z Y Cov Z X Cov Z Y X Cov +=+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第五章卡方分布t 分布F 分布 正态总体条件下样本均值的分布：样本方差的分布：)()()(σμσμ-Φ--Φ=≤≤a b b X a P )(~)1,0(~212n X N X n i i χ∑=，则若())(~1),,(~21222n Y N Y n i i χμσσμ∑=-则若),(~//),(~),(~21212212n n F n V n U n V n U 则若χχ),(~2n N X σμ)1,0(~/N n Xσμ-)1(~)1(222--n S n χσ)1(~/--n t n s X μ则若),(~),1,0(~2n Y N X χ)(~/n t n Y X两个正态总体的方差之比第六章点估计：参数的估计值为一个常数 矩估计最大似然估计似然函数均值的区间估计——大样本结果)1,1(~//2122212221--n n F S S σσ);(1θi n i x f L ∏==);(1θi n i x p L ∏==⎪⎭⎫ ⎝⎛±n z x σα2/正态分布的分位点—大样本要求样本容量—代替准差通常未知，可用样本标标准差—样本均值—2/)50()(ασz n n s x >⎪⎪⎭⎫ ⎝⎛-±n p p z p )1(2/α正态分布的分位点—大样本要求样本容量—样本比例—2/)50(αz n n p>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两个正态总体方差比的置信区间已知准差小样本、正态总体、标σ⎪⎭⎫ ⎝⎛±n z x σα2/未知准差小样本、正态总体、标σ⎪⎭⎫ ⎝⎛-±n s n t x )1(2/α分布的分位点的自由度为—t n n t 1)1(2/--α()22/1222/2)1()1(,ααχχ---S n S n 卡方分布的分位点—样本方差—22/2αχS ()⎪⎪⎭⎫ ⎝⎛+±-2221212/21n n z x x σσα⎪⎪⎭⎫ ⎝⎛----)1,1(/,)1,1(/212/2221212/2221n n F S S n n F S S αα假设检验的步骤① 根据具体问题提出原假设H0和备择假设H1② 根据假设选择检验统计量，并计算检验统计值③ 看检验统计值是否落在拒绝域，若落在拒绝域则拒绝原假设，否则就不拒绝原假设。

概率论计算公式概率论是一门研究随机现象及其规律的学科，涉及到了许多计算公式。

概率论中的公式包括概率公式、条件概率公式、贝叶斯公式等等。

本文将对这些公式进行详细的展开和解释，帮助读者更好地理解和应用这些公式。

一、概率公式概率公式是计算某个事件发生概率的公式，通常表示为P(A)，其中A为某个事件。

概率公式包括基本概率公式和加法公式。

1. 基本概率公式基本概率公式是计算事件发生概率的最基本公式，其公式如下：P(A) = n(A) / n(S)其中，n(A)是事件A发生的可能性数量，n(S)是所有可能性数量。

例如，从一副扑克牌中随机抽取一张牌，事件A为抽到红桃牌，事件A发生的可能性数量是13（因为有13张红桃牌），所有可能性数量是52（因为有52张牌），因此P(A) = 13/52= 0.25。

2. 加法公式加法公式是计算两个事件任意一个事件发生概率的公式，其公式如下：P(A 或 B) = P(A) + P(B) - P(A 且 B)其中，A和B为两个事件，P(A 或 B)是事件A和事件B中至少一个事件发生的概率，P(A 且 B)是事件A和事件B同时发生的概率。

例如，从一副扑克牌中随机抽取一张牌，事件A为抽到红桃牌，事件B为抽到黑桃牌，P(A) = 13/52 = 0.25，P(B) = 13/52 = 0.25，P(A 且 B) = 0（因为一张牌不可能同时是黑桃牌和红桃牌），因此P(A 或 B) = 0.25 + 0.25 - 0 = 0.5。

二、条件概率公式条件概率公式是用于计算在另一个事件发生的前提下一个事件发生的概率，其公式如下：P(A|B) = P(A 且 B) / P(B)其中，A和B为两个事件，P(A|B)是在事件B发生的前提下事件A发生的概率，P(A 且 B)是事件A和事件B同时发生的概率，P(B)是事件B发生的概率。

例如，从一副扑克牌中随机抽取两张牌，事件A为两张牌都是红桃牌，事件B为第一张牌是红桃牌，因此P(B) = 13/52 = 0.25。

概率公式大全LG GROUP system office room 【LGA16H-LGYY-LGUA8Q8-LGA162】第一章随机事件和概率1．随机事件及其概率吸收律：A AB A A A A =⋃=∅⋃Ω=Ω⋃)( AB A A A AA =⋃⋂∅=∅⋂=Ω⋂)(反演律：B A B A =⋃ B A AB ⋃=2．概率的定义及其计算若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 )()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)(()()(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 Bayes 公式4．随机变量及其分布分布函数计算5．离散型随机变量(1) 0 – 1 分布(2) 二项分布 ),(p n B若P ( A ) = p*Possion 定理有 ,2,1,0!)1(lim ==---∞→k k e p p C kk n n k n k n n λλ(3) Poisson 分布 )(λP6．连续型随机变量(1) 均匀分布 ),(b a U(2) 指数分布 )(λE(3) 正态分布 N ( , 2 )*N (0,1) — 标准正态分布7.多维随机变量及其分布二维随机变量( X ,Y )的分布函数边缘分布函数与边缘密度函数8. 连续型二维随机变量(1) 区域G 上的均匀分布，U ( G )(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10.随机变量的数字特征数学期望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 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 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 X ,Y 的相关系数X 的方差D (X ) =E ((X - E (X ))2)协方差 相关系数)()(),cov(Y D X D Y X XY =ρ *N (0,1) — 标准正态分布7.多维随机变量及其分布二维随机变量( X ,Y )的分布函数 边缘分布函数与边缘密度函数8. 连续型二维随机变量(1) 区域G 上的均匀分布，U ( G )(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10.随机变量的数字特征数学期望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 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 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 X ,Y 的相关系数X 的方差D (X ) =E ((X - E (X ))2) 协方差 相关系数)()(),cov(Y D X D Y X XY =ρ。

概率的计算公式
概率（Probability）是用来评估某一事件发生的可能性的数字，它介于0和1之间，其中0代表完全不可能发生，1代表完全可能发生，它反映了某一事件发生的概率有多大，其计算公式为：
概率 P(E) = 发生事件E的次数/总次数
即可以通过P(E)＝观测事件E发生次数/总次数，来计算事件E发生的概率。

其计算方法可以举例说明：假设投掷一枚硬币，投掷正面朝上的概率是1/2，也就是说这个概率 P(正)＝发生正面朝上的次数/总次数＝１／２，同理反面朝上的概率P(反)＝发生反面朝上的次数/总次数＝１／２，即两面朝上概率之和为 1，也就是说两种情况出现的概率之和必须为1。

有了以上基础，我们可以总结出概率计算的基本思路：
1、确定概率的计算对象：首先要确定概率计算的对象，确立该怎么去计算概率。

2、确定概率的计算方法：确定概率的计算方法，通常是概率 = 发生事件的次数/总次数。

3、计算概率：当已确定计算对象和计算方法后就可以开始计算概率了。

4、验证概率正确性：计算完成后，概率结果可能不正确，需要进行验证。

概率计算是一门科学，也是统计学的一部分，它是从解释已有数据并用于建立概率模型，以及进行决策分析的重要工具。

在统计、金融、风险管理、投资决策和保险等领域中概率计算都发挥重要的作用。

因此，掌握概率计算的基本思路和步骤对日常生活中的各种做出正确的决策也是至关重要的。

概率计算公式详解
简单地说C是组合，也可以理解为没有顺序要求的情况；A是排列，需要有不同的顺序。

比如你写的C（4，1）就是指在4个里面选1个。

没有顺序（1个本来就没有顺序，但2个以上也同样不用考虑顺序问题。

）
你写的A（5，3）就是在5个里面选3个，但这3个不同的顺序算作不同的情况。

现举例说明A（5，3）和C（5，3）的区别。

如：12345这5个数，选其中的三个数，共有C（5，3）=10种选法。

列举为
（123）、（124）、（125）、（134）、（135）、（145）、（234）、（235）、（245）、（345）共10种。

同样这5个数，如果组成没有复数字的三位数，就是A（5，3）=60种。

123、132、213、231、312、321……也就是原来的一种组合现在变成了6种情况了。

公式更简单。

C（4，1）=4/1=4
C（5，3）=（5*4*3）/（3*2*1）
C（7，2）=（7*6）/（2*1）
……
也就是分子是下标依次递减相乘，乘的个数正好是上标的个数。

分母就是上标的阶乘。

A（5，3）=5*4*3
A（8，6）=8*7*6*5*4*3
A（4，2）=4*3
也就是只有组合时分子的情况，没有分母。