3.§1.2条件概率1.3加法公式

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。

概率论的公式大全1.基本概率公式：对于一个随机事件A，它发生的概率（记作P(A)）等于A包含的元素数目除以样本空间中元素的总数目。

P(A)=个数(A)/个数(样本空间)2.条件概率公式：对于两个事件A和B，如果B已经发生，则A发生的概率记作P(A，B)。

P(A，B)=P(A交B)/P(B)3.全概率公式：对于一系列互不相容的事件B1，B2，...，Bn，它们的并集等于样本空间，那么对于另一个事件A，可以用条件概率公式表示为：P(A)=Σ(P(A，Bi)*P(Bi))，i=1到n4.贝叶斯定理：对于一系列互不相容的事件B1，B2，...，Bn，它们的并集等于样本空间，那么对于另一个事件A，可以用条件概率公式表示为：P(Bi，A)=(P(A，Bi)*P(Bi))/Σ(P(A，Bj)*P(Bj))，j=1到n5.独立事件公式：对于两个事件A和B，如果它们相互独立（即A的发生与B的发生没有任何关系），则它们的联合概率等于它们的乘积。

P(A交B)=P(A)*P(B)6.乘法公式：对于一系列独立事件A1，A2，...，An，它们的概率等于各个事件发生的概率的乘积。

P(A1交A2交...交An)=P(A1)*P(A2)*...*P(An)7.加法公式：对于两个事件A和B，它们的并集的概率等于各个事件发生的概率之和减去它们的交集的概率。

P(A并B)=P(A)+P(B)-P(A交B)8.期望值公式：对于一个随机变量X和它的概率分布P(X)，它的期望值可以表示为：E(X)=Σ(Xi*P(Xi))9.方差公式：对于一个随机变量X和它的期望值E(X)，它的方差可以表示为：Var(X) = Σ((Xi - E(X))^2 * P(Xi))，i为X的取值范围内的索引10.协方差公式：对于两个随机变量X和Y，它们的协方差可以表示为：Cov(X, Y) = E((X - E(X)) * (Y - E(Y)))11.相关系数公式：对于两个随机变量X和Y，它们的相关系数可以表示为：Corr(X, Y) = Cov(X, Y) / (σ(X) * σ(Y))，其中σ(X)和σ(Y)分别是X和Y的标准差12.大数定律：对于独立同分布的随机变量序列X1，X2，...，Xn，当n趋向于无穷大时，它们的算术平均值逐渐接近它们的期望值。

第一章随机事件和概率第二章随机变量及其分布第三章二维随机变量及其分布第四章随机变量的数字特征第七章参数估计单正态总体均值和方差的假设检验公式整理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⋂)()(AB A B A B A -==-反演律：B A B A =⋃ B A AB ⋃=n i in i iA A 11=== ni in i iA 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 nnk j i kjinj i jini 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∑==ni 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 kk n ,,1,0,)1()( =-==-*Possion 定理0lim >=∞→λn n np有,2,1,0!)1(l i m ==---∞→k k ep p C kkn n k nkn n λλ(3) Poisson 分布 )(λP,2,1,0,!)(===-k k ek 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 xλ (3) 正态分布 N (μ , σ 2 )+∞<<∞-=--x e x f x 222)(21)(σμσπ⎰∞---=xt t ex F d 21)(222)(σμσπ*N (0,1) — 标准正态分布+∞<<∞-=-x ex x 2221)(πϕ+∞<<∞-=Φ⎰∞--x t ex 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⎰⎰∞-∞-=xydvdu 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 ),()(⎰⎰∞-+∞∞-=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),(Gy x A y x f(2)二维正态分布+∞<<-∞+∞<<∞-⨯-=⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎣⎡-+------y x ey 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 X0)()()(>=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 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 --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⎰∞---=xt t ex F d 21)(222)(σμσπ*N (0,1) — 标准正态分布+∞<<∞-=-x ex 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⎰⎰∞-∞-=xydvdu 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 ),()(⎰⎰∞-+∞∞-=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),(Gy x A y x f(2)二维正态分布+∞<<-∞+∞<<∞-⨯-=⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎣⎡-+------y x ey x f y y x x ,121),(222221212121)())((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 X0)()()(>=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 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 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。

第一章? 随机事件和概率?第二章? 随机变量及其分布?第三章? 二维随机变量及其分布第四章? 随机变量的数字特征第五章? 大数定律和中心极限定理第六章样本及抽样分布第七章? 参数估计第八章? 假设检验单正态总体均值和方差的假设检验公式整理1．随机事件及其概率吸收律：AAB A AA 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 nnk j i kjinj i jini i ni i A A A P A A A P A A P A P A P ΛΛY -≤<<≤≤<≤==-+++-=∑∑∑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 ΛΛΛΛ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 Λ,2,1,0!)1(lim ==---∞→k k ep p C kkn n k nk nn λλ(3) Poisson 分布 )(λP 6．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 ey 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 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 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 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 ey 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 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 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 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。

概率论与数理统计公式1.概率公式：
1.1概率加法公式：
P(A∪B)=P(A)+P(B)-P(A∩B)
1.2条件概率公式：
P(A，B)=P(A∩B)/P(B)
P(B，A)=P(A∩B)/P(A)
1.3乘法公式：
P(A∩B)=P(A)*P(B，A)
P(A∩B)=P(B)*P(A，B)
1.4全概率公式：
P(A)=ΣP(A，B_i)*P(B_i)
1.5贝叶斯公式：
P(B，A)=P(A，B)*P(B)/P(A)
2.数理统计中的基本概念和公式：
2.1样本均值：
样本均值 = (x1 + x2 + ... + xn) / n
2.2总体均值：
总体均值=(样本均值*n-x)/(n-1)
2.3样本方差：
样本方差 = Σ(xi - x̄)² / (n-1)
2.4总体方差：
总体方差= Σ(xi - µ)² / N
2.5样本标准差：
样本标准差=√(样本方差)
2.6总体标准差：
总体标准差=√(总体方差)
2.7样本中位数：
样本中位数=(x[n/2]+x[(n+1)/2])/2（当n为偶数时）
2.8样本四分位数：
样本四分位数Q1=x[(n+3)/4]
样本四分位数Q3=x[(3n+1)/4]
2.9标准正态分布的累积分布函数的逆函数：
Zα=Φ^(-1)(α)，其中Φ(z)表示标准正态分布的累积分布函数。

2.10卡方分布的累积分布函数的逆函数：
x^2α=χ^2^(-1)(α)，其中χ^2(x)表示卡方分布的累积分布函数。