2.和（并）：
3.互斥（互不相容）：对立：
事件的运算：
伯努利大数定律：当试验次数n足够大时，事件发生的频率就约等于事件发生的概率。
全概率公式、贝叶斯公式
定义：
引入随机变量后，可用随机变量的
等式或不等式来表达随机事件；
随机变量的函数一般也是随机变量
0-1分布是n=1时的二项分布
定义：性质：
定义：
F(x)是X的分布函数，X是连续型随机变量，f(x)是它的概率密度函数，简称概率密度
性质：
均匀分布：
标准正态分布N(0,1)
标准正态分布的分位数
举例：
期望反映了随机变量取值的平均，又称均值。
概率论与数理统计概率论与数理统计是现代数学中非常重要的分支之一，它们在自然科学、社会科学，以及工程技术等领域都有广泛的应用。
在生物学，物理学，化学等领域，常常需要采用概率论和数理统计的方法，来研究和分析现象。
这篇文章将要探讨概率论和数理统计的一些基本概念和方法，并介绍它们在现实生活中的应用。
一、概率论概率论是一门研究随机现象及其规律的数学学科。
它的基本思想是通过建立数学模型，来描述随机事件的概率分布及其规律。
随机事件指某一次试验中可能发生或不发生的事情，例如掷骰子、抛硬币、抽扑克牌等，这些事件的结果是随机的，因此需要采用概率论的方法来研究。
1.概率和概率分布概率是指某一事件发生的可能性，用一个数值来表示。
在概率论中，对于某一特定随机事件，概率的大小常常用P(A)来表示，其中A是这个事件。
例如，抛一枚硬币，正面朝上的概率是0.5，用数学语言可以表示为P(正面)=0.5，反面朝上的概率也是0.5，即P(反面)=0.5。
概率分布是指某个随机事件的各种结果的概率分布情况。
在一次试验中，随机事件可能会有多个结果，即样本空间。
概率分布用来描述每个结果的概率大小。
例如，抛一枚硬币的样本空间是{正面，反面}，正面和反面各占1/2的概率。
2.条件概率和独立事件条件概率是指在已知某个事件发生的情况下，某个随机事件会发生的概率。
条件概率的计算方法一般采用贝叶斯公式，例如给定事件A，以及事件B，P(A|B)表示在B发生的情况下，A 发生的概率，则条件概率可以表示为：P(A|B) = P(AB)/P(B)其中AB表示事件A和事件B同时发生的概率，P(B)表示事件B发生的概率。
独立事件是指某个随机事件的发生不会对另一个随机事件的发生产生影响。
如果事件A、B是独立事件，则可以表示为P(A|B) = P(A)，P(B|A) = P(B)，即A和B的概率相互独立，并不受对方的影响。
3.期望值和方差期望值是统计学中一个非常重要的概念，用来描述一个随机变量的总体平均数。
