(完整word版)概率论公式总结

概率论的公式大全概率论是数学中的一门重要分支，用于研究随机事件的发生概率和规律性。

下面是概率论中的一些常用公式和定理，供参考：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发生的情况数，n(S)表示样本空间中所有事件发生的情况数。

2.加法定理：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发生的概率。

3.乘法定理：P(A∩B)=P(B，A)×P(A)其中，P(B，A)表示在事件A已经发生的条件下，事件B发生的概率。

4.互斥事件的概率：若事件A和事件B互斥（即不能同时发生），则P(A∪B)=P(A)+P(B) 5.条件概率：P(A，B)=P(A∩B)/P(B)其中，P(A，B)表示在事件B已经发生的条件下，事件A发生的概率。

6.贝叶斯定理：P(A，B)=P(B，A)×P(A)/P(B)其中，P(A，B)表示在事件B已经发生的条件下，事件A发生的概率；P(B，A)表示在事件A已经发生的条件下，事件B发生的概率。

7.全概率公式：P(A)=∑[P(A∩B_i)]其中，事件B_1,B_2,...,B_n互斥且构成样本空间，P(B_i)不为0，P(A∩B_i)表示事件A和事件B_i同时发生的概率。

8.期望值：E(X)=∑[x_i×P(X=x_i)]其中，X为随机变量，x_i为随机变量X的取值，P(X=x_i)为随机变量X取值为x_i的概率。

9.方差：Var(X) = E[(X - E(X))^2]其中，X为随机变量。

10.协方差：Cov(X, Y) = E[(X - E(X)) × (Y - E(Y))]其中，X和Y为两个随机变量。

11.独立事件的概率：若事件A和事件B独立，即P(A∩B)=P(A)×P(B)12.独立随机变量的期望值：E(XY)=E(X)×E(Y)其中，X和Y为独立随机变量。

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。

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。

第一章PA+B=PA+PB- PAB 特别地,当A 、B 互斥时, PA+B=PA+PB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~Bn,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~Ua,b指数分布X~Exp θ分布函数对离散型随机变量 )(b X a P ≤≤∑≤==≤=x k k X P x X P x F )()()(1),(0≤≤y x F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Ea=a,其中a 为常数Ea+bX=a+bEX,其中a 、b 为常数EX+Y=EX+EY,X 、Y 为任意随机变量⎰∞-=≤=x dt t f x X P x F )()()(),(y x f ),(y x F ∑+∞-∞=⋅=k kk P x X E )(随机变量gX 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Da=0,其中a 为常数Da+bX=b2DX,其中a 、b 为常数当X 、Y 相互独立时,DX+Y=DX+DY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 []22)()()(X E X E X D -=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 ),(~2σμN X )(~)1,0(~212n X N X n i i χ∑=，则若),(~//),(~),(~21212212n n F n V n U n V n U 则若χχ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 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; 不可避免的两类错误第1类弃真错误：原假设为真,但拒绝了原假设);(1θi n i x f L ∏==);(1θi ni x p L ∏==()22/1222/2)1()1(,ααχχ---S n S n 卡方分布的分位点—样本方差—22/2αχS第2类取伪错误：原假设为假,但接受了原假设 单个正态总体的显着性检验单正态总体均值的检验大样本情形——Z 检验正态总体小样本、方差已知——Z 检验 正态总体小样本、方差未知—— t 检验 单正态总体方差的检验正态总体、均值未知——卡方检验单正态总体均值的显着性检验统计假设的形式双边检验 左边检验右边检验单正态总体均值的Z 检验拒绝域的代数表示 双边检验 0100::)1(μμμμ≠=H H 2/αZ Z ≥左边检验右边检验 比例——特殊的均值的Z 检验 单正态总体均值的 t 检验 单正态总体方差的卡方检验 拒绝域双边检验左边检验右边检验 αZ Z ≥22/1222/2ααχχχχ-≤≥或αZ Z -≤。

概率论的公式大全概率论是一门研究随机现象的数学分支，它使用概率来描述和解释随机事件发生的规律性。

在实际应用中，我们常常需要使用一些基本概率公式来计算和分析各种随机现象。

以下是一些常见的概率论公式：1.概率的定义公式：P(A)=N(A)/N(S)其中P(A)表示事件A的概率，N(A)表示事件A发生的次数，N(S)表示样本空间中发生的总次数。

2.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至少发生一个的概率，P(A∩B)表示事件A和事件B同时发生的概率。

3.乘法公式：P(A∩B)=P(A)某P(B，A)其中P(A∩B)表示事件A和事件B同时发生的概率，P(B，A)表示在事件A发生的条件下事件B发生的概率。

4.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和事件B同时发生的概率，P(B)表示事件B的概率。

5.全概率公式：P(A)=ΣP(A，Bi)某P(Bi)其中P(A)表示事件A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发生的概率，Σ表示对所有可能的事件Bi求和。

6.贝叶斯公式：P(Bi，A)=P(A，Bi)某P(Bi)/ΣP(A，Bj)某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发生的概率，P(A，Bj)表示在事件Bj发生的条件下事件A发生的概率，Σ表示对所有可能的事件Bj求和。

7.期望值的公式：E(X)=ΣXi某P(Xi)其中E(X)表示随机变量X的期望值，Xi表示随机变量X的可能取值，P(Xi)表示随机变量X取值为Xi的概率，Σ表示对所有可能的取值Xi求和。

8.方差的公式：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)表示随机变量X的二阶矩，[E(X)]^2表示随机变量X的期望值的平方。

概率论与数理统计公式整理概率论和数理统计是数学中重要的分支，广泛应用于科学、工程、经济、金融等领域。

本文将对概率论和数理统计中常用的公式进行整理，以帮助读者更好地理解和应用这些概念和方法。

一、概率论公式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，n(S)表示样本空间中所有可能结果的个数。

2. 概率的加法公式：P(A ∪ B) = P(A) + P(B) - P(A ∩ B)其中P(A ∪ B)表示事件A或B发生的概率，P(A ∩ B)表示事件A和B同时发生的概率。

3. 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已经发生的条件下，事件A发生的概率。

4. 乘法公式：P(A ∩ B) = P(B) * 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。

5. 全概率公式：P(A) = ∑[P(Bi) * P(A | Bi)]其中{Bi}为样本空间S的一个划分，P(Bi)表示事件Bi发生的概率。

二、数理统计公式1. 期望：E(X) = ∑[x * P(X = x)]其中X表示随机变量，x表示X可能取到的值，P(X = x)表示X取到x的概率。

2. 方差：Var(X) = E[(X - E(X))^2]其中E(X)表示随机变量X的期望。

3. 标准差：σ(X) = √(Var(X))其中Var(X)表示随机变量X的方差。

4. 协方差：Cov(X, Y) = E[(X - E(X)) * (Y - E(Y))]其中X和Y分别表示两个随机变量。

5. 相关系数：ρ(X, Y) = Cov(X, Y) / (σ(X) * σ(Y))其中Cov(X, Y)表示X和Y的协方差，σ(X)和σ(Y)分别表示X和Y的标准差。

三、概率分布公式1. 二项分布：P(X = k) = C(n, k) * p^k * (1 - p)^(n-k)其中X服从二项分布，n表示试验次数，k表示成功次数，p 表示每次试验成功的概率。

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 ≤≤⎰=≤≤b adx x f b X a P )()(⎰∞-=≤=xdtt 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 )(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⎰+∞∞-=dyy 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 )()(∑=kk 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。

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。

（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。

概率论的公式大全一、基本概率公式：1.定义概率公式：对于任意事件A，概率P(A)的范围是[0,1]。

2.互补事件概率公式：对于任意事件A，概率P(A')=1-P(A)。

3.空集概率公式：对于空集Φ，概率P(Φ)=0。

二、条件概率公式：4.定义条件概率公式：对于事件A和B，当P(B)>0时，条件概率P(A，B)=P(A∩B)/P(B)。

5.乘法公式：对于事件A和B，P(A∩B)=P(A，B)·P(B)。

三、独立事件公式：6.独立事件公式：对于事件A和B，当P(A)>0且P(B)>0，事件A和事件B相互独立的充要条件是P(A∩B)=P(A)·P(B)。

7.乘法公式（多个独立事件）：对于事件A1，A2，...，An，P(A1∩A2∩...∩An)=P(A1)·P(A2)·...·P(An)。

四、加法公式：8.加法公式（两个互不相容事件）：对于事件A和B，当A和B互不相容（即A∩B=Φ）时，P(A∪B)=P(A)+P(B)。

9.加法公式（两个一般事件）：对于事件A和B，P(A∪B)=P(A)+P(B)-P(A∩B)。

五、全概率公式：10.全概率公式：对于任意一系列互不相容的事件B1，B2，...，Bn，且每个事件Bi的概率大于0且小于1，且它们的并集为样本空间S，则对于任意事件A，有P(A)=Σ[P(A，Bi)·P(Bi)]，其中Σ表示求和。

六、贝叶斯公式：11.贝叶斯公式：对于事件A和一系列互不相容的事件B1，B2，...，Bn，且每个事件Bi的概率大于0且小于1，且它们的并集为样本空间S，则对于任意事件A，有P(Bi，A)=P(A，Bi)·P(Bi)/[Σ[P(A，Bj)·P(Bj)]]，其中Σ表示求和。

七、期望与方差公式：12.期望公式：对于随机变量X的概率分布函数P(x)，它的期望E(X)定义为E(X)=Σ[x·P(x)]，其中Σ表示求和。

概率公式整理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 ⋃=ni ini iA A 11=== ni ini 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 ni 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 =∑==ni iik 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 ） = p n 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 ep p C kkn n k nk n 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 a b x f ⎪⎪⎩⎪⎪⎨⎧--=1,,0)(a b ax 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 ex f x 222)(21)(σμσπ⎰∞---=xt t ex F d 21)(222)(σμσπ*N (0，1） — 标准正态分布 +∞<<∞-=-x e x x 2221)(πϕ+∞<<∞-=Φ⎰∞--x tex xt d 21)(22π7。

第1章随机事件及其概率第二章随机变量及其分布设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xF(x) f (x)dx密度函数具有下面性质：f(X) 0f(x)dx 1离连随量系散续机的与型变关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) P k在离散型随机变量理论中所起的作用相类似。

连续型随机量的布密度则称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。

0-1 分布 P (X=1)=P ，P (X=0)=q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 在刃重贝努里试式验中:b)设事件a) A 可以得到概率落入区间事件,bA 发生率。

分布函数F(x)表示随机变量是随区变量，设为内的概率。

能取值为O,1,2， ，n 。

1. 0 F(x) 1, (5)八大分布) 巳项分布3 ° F(x 0) 随机变量, PX< k)； P°n(k)F(C 是单q 调不减的函数，即 F( 1 )P,0imPF(%)k 00,1,2,F(,n ,) F(x)，即F(x 则是右连续机变量5X 服从参X 数年衣) F(x)X 1 X 其时，有中 lim F(x) 1 ;P的X 二(项。

分对于离散记为xp;加 0.1，这泊松分布P(X则称随机变量者 P( ) °kk) —e , k!畫X 服从参数为 0, k 0,1,2,的泊松分布，记为 X ~ ()或超几何分布P(X k)C k o c n k kC M ?CN M f1 0,1,2 ,lC Nl 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)k 1q P,k 1,2,3,，其中 pA0, q=1-p °随机变量X 服从参数为P 的几何分布，记为G(P)°设随机变量 X 的值只落在［a , 1 b ］内，其密度函数f(X)在［a , b ］上为常数— —，即b a均匀分布当aw X 1 <X 2W b 时，X 洛在区间1---aw Xw b(为，X 2 )内的概率为f (X) bJa其他X 2 X-i0, P(X 1 X X 2)' 1b aX k XX - B(n, P)。

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。