考研数学概率论公式背诵

考研数学概率论备考重点公式与解题思路整理概率论是考研数学中的一大重点，掌握好概率论的基本公式和解题思路对于备考考研数学非常重要。

本文将对考研数学概率论的备考重点公式和解题思路进行整理，帮助考生更好地备考概率论。

一、基本概率公式1.1 事件的概率公式对于一个随机试验，其所有样本点组成的样本空间为S，一个事件A是样本空间S的一个子集。

那么，事件A发生的概率P(A)定义为： P(A) = n(A) / n(S)其中，n(A)表示事件A包含的样本点的个数，n(S)表示样本空间S 中所有样本点的个数。

1.2 事件的互斥与独立若两个事件A和B满足以下条件之一，则称事件A和事件B是互斥的：- 事件A和事件B不可能同时发生，即A∩B = ∅- 事件A和事件B的概率相加等于1，即P(A∪B) = P(A) + P(B)若两个事件A和B满足以下条件之一，则称事件A和事件B是独立的：- 事件A和事件B发生的概率等于事件A发生的概率乘以事件B发生的概率，即P(A∩B) = P(A) * P(B)二、常用的概率公式2.1 全概率公式对于一组互斥事件A₁，A₂，...，An，且它们的并集为样本空间S，那么对于任意一个事件B，可以得到全概率公式：P(B) = P(A₁) * P(B|A₁) + P(A₂) * P(B|A₂) + ... + P(An) * P(B|An)其中，P(Ai)表示事件Ai发生的概率，P(B|Ai)表示在事件Ai发生的条件下事件B发生的概率。

2.2 贝叶斯公式对于一组互斥事件A₁，A₂，...，An，且它们的并集为样本空间S，那么对于任意一个事件B，可以得到贝叶斯公式：P(Ai|B) = P(Ai) * P(B|Ai) / (P(A₁) * P(B|A₁) + P(A₂) *P(B|A₂) + ... + P(An) * P(B|An))其中，P(Ai|B)表示在事件B发生的条件下事件Ai发生的概率。

考研概率论与数理统计公式大全1.概率公式：-概率的加法公式：P(A∪B)=P(A)+P(B)-P(A∩B)-概率的乘法公式：P(A∩B)=P(A)P(B，A)=P(B)P(A，B)-全概率公式：P(B)=P(A1)P(B，A1)+P(A2)P(B，A2)+...+P(An)P(B，An)-贝叶斯公式：P(Ai，B)=P(B，Ai)P(Ai)/(P(B，A1)P(A1)+P(B，A2)P(A2)+...+P(B，An)P(An))2.随机变量与分布：- 期望：E(X) = ∑(xP(X=x))或E(X) = ∫(xf(x)dx)- 方差：Var(X) = E[(X - E(X))^2] = E(X^2) - [E(X)]^2- 协方差：Cov(X, Y) = E[(X - E(X))(Y - E(Y))]- 标准差：SD(X) = sqrt(Var(X))-二项分布：P(X=k)=C(n,k)p^k(1-p)^(n-k)- 泊松分布：P(X = k) = (lambda^k)e^(-lambda) / k!- 正态分布：P(X = x) = (1 / (sqrt(2*pi)*sigma)) * e^(-(x-mu)^2 / (2*sigma^2))3.估计与检验：-极大似然估计：L(θ)=∏(f(x_i;θ))-似然比检验：λ=L(θ)/L(θ0)- 估计的无偏性：E(θ_hat) = θ- 估计的有效性：Var(θ_hat) ≤ Var(θ)- 中心极限定理：对于均值为μ、方差为σ^2的随机变量X，若样本容量n趋于无穷大，则样本均值X_bar的极限分布服从正态分布4.相关与回归：- 相关系数：r = Cov(X, Y) / (SD(X) * SD(Y))-简单线性回归方程：Y=β0+β1X+ε- 最小二乘估计：β1 = Cov(X, Y) / Var(X)- 线性回归预测：Y_hat = β0 + β1X5.抽样分布：- 样本均值分布：X_bar ~ N(μ, σ^2 / n)- 样本比例分布：p_hat ~ N(p, p(1-p) / n)-卡方分布：X^2~χ^2(k)-t分布：T~t(n)-F分布：F~F(m,n)以上是一些概率论与数理统计中常见的公式，希望对你的学习有所帮助。

数学考研复习资料概率论重点公式整理概率论是数学考研中的重要考点之一，掌握概率论的基本概念和公式对于考生来说至关重要。

在本文中，将对数学考研概率论部分的重点公式进行整理，以便考生能够更好地复习和应对考试。

请注意，以下公式仅供参考，考生在复习过程中应结合教材和习题进行深入理解和练习。

一、基本概念在进一步讨论公式之前，首先了解一些概率论中的基本概念是必要的。

1. 事件与样本空间事件是指随机试验中可以观察到的结果，样本空间是指随机试验中所有可能结果的集合。

2. 概率的定义概率是对一个事件发生的可能性的度量，通常用一个介于0和1之间的实数表示。

3. 事件的互斥与独立互斥事件是指两个事件不能同时发生，独立事件是指两个事件的发生与否互不影响。

二、概率公式了解了基本概念后，我们来看一些重要的概率公式。

1. 加法定理加法定理用于计算两个事件的并的概率。

如果事件A和事件B是两个事件，那么它们的并的概率可以表示为：P(A∪B) = P(A) + P(B) -P(A∩B)2. 乘法定理乘法定理用于计算两个事件的交的概率。

如果事件A和事件B是两个事件，那么它们的交的概率可以表示为：P(A∩B) = P(A) × P(B|A)3. 全概率公式全概率公式用于计算一个事件的概率。

如果事件A可以被划分为有限个互斥事件B₁、B₂、...，那么事件A的概率可以表示为：P(A) =P(A∩B₁) + P(A∩B₂) + ...4. 贝叶斯定理贝叶斯定理用于计算已知某个事件发生的条件下，另一个事件发生的概率。

如果事件A和事件B是两个事件，那么在已知事件B发生的条件下，事件A发生的概率可以表示为：P(A|B) = (P(B|A)×P(A)) / P(B)三、重要概率分布公式除了上述基本的概率公式外，还需要掌握一些重要的概率分布公式，以便解决具体的问题。

1. 二项分布二项分布用于描述重复进行n次伯努利试验，且每次试验的结果只有两种可能的情况下，成功的次数的概率分布。

口诀第1章随机事件互斥对立加减功，条件独立乘除清；全概逆概百分比，二项分布是核心；必然事件随便用，选择先试不可能。

第2、3章一维、二维随机变量1）离散问模型，分布列表清，边缘用加乘，条件概率定联合，独立试矩阵2）连续必分段，草图仔细看，积分是关键，密度微分算3）离散先列表，连续后求导；分布要分段，积分画图算第5、6章数理统计、参数估计正态方和卡方出，卡方相除变F，若想得到t分布，一正n卡再相除。

样本总体相互换，矩法估计很方便；似然函数分开算，对数求导得零蛋；区间估计有点难，样本函数选在前；分位维数惹人嫌，导出置信U方甜。

第7章假设检验检验均值用U-T，分位对称别大意；方差检验有卡方，左窄右宽不稀奇；不论卡方或U-T，维数减一要牢记；代入比较临界值，拒绝必在否定域！1.2 样本空间?1.3 概率和频率?1.4 等可能概型（古典概型）?1.5 条件概率?1.6 独立性概率论与数理统计2010-2-71概率论与数理统计是研究随机现象概率论与数理统计是研究随机现象数量规律的一门学科。

数量规律的一门学科。

2 第一章概率论的基本概念?1.1 随机试验?第二章随机变量及其分布?2.1 随机变量3?2.1 随机变量?2.2 离散型随机变量及其分布?2.3 随机变量的分布函数?2.4 连续型随机变量及其概率密度?2.5 随机变量的函数的分布第三章多维随机变量及其分布?3.1 二维随机变量?3.2 边缘分布?3.3 条件分布?3.4 相互独立的随机变量 第四章随机变量的数字特征?4.1 数学期望?4.2 方差?4.3 协方差及相关系数?4.4 矩、协方差矩阵第五章大数定律和中心极限定理?5.1 大数定律?5.2 中心极限定理4?5.2 中心极限定理 第六章数理统计的基本概念?6.1 总体和样本?6.2 常用的分布 第七章参数估计?7.1 参数的点估计?7.2 估计量的评选标准?7.3 区间估计第八章假设检验?8.1 假设检验?8.2 正态总体均值的假设检验?8.3 正态总体方差的假设检验?8.4 置信区间与假设检验之间的关系5?8.4 置信区间与假设检验之间的关系?8.5 样本容量的选取?8.6 分布拟合检验?8.7 秩和检验第九章方差分析及回归分析?9.1 单因素试验的方差分析?9.2 双因素试验的方差分析?9.3 一元线性回归?9.4 多元线性回归 第十章随机过程及其统计描述?10.1 随机过程的概念?10.2 随机过程的统计描述?10.3 泊松过程及维纳过程第十一章马尔可夫链?11.1 马尔可夫过程及其概率分布?11.2 多步转移概率的确定?11.3 遍历性6?11.3 遍历性 第十二章平稳随机过程?12.1 平稳随机过程的概念?12.2 各态历经性?12.3 相关函数的性质?12.4 平稳过程的功率谱密度概概率率论论7关键词：样本空间随机事件频率和概率条件概率第一章概率论的基本概念8条件概率事件的独立性§1 随机试验 确定性现象：结果确定不确定性现象：结果不确定确定性现象不确定性现象自然界与社会生活中的两类现象9 不确定性现象。

一. 随机事件和概率 1、概率的定义和性质（1）概率的公理化定义设Ω为样本空间，A 为事件，对每一个事件A 都有一个实数P(A)，若满足下列三个条件：1° 0≤P(A)≤1， 2° P(Ω) =13° 对于两两互不相容的事件1A ，2A ，…有∑∞=∞==⎟⎟⎠⎞⎜⎜⎝⎛11)(i i i i A P A P Υ常称为可列（完全）可加性。

则称P(A)为事件A 的概率。

（2）古典概型（等可能概型）1° {}n ωωωΛ21,=Ω，2° nP P P n 1)()()(21===ωωωΛ。

设任一事件A ，它是由m ωωωΛ21,组成的，则有P(A)={})()()(21m ωωωΥΛΥΥ=)()()(21m P P P ωωω+++Λn m =基本事件总数所包含的基本事件数A = 2、五大公式（加法、减法、乘法、全概、贝叶斯）（1）加法公式P(A+B)=P(A)+P(B)-P(AB)当P(AB)＝0时，P(A+B)=P(A)+P(B)（2）减法公式 P(A-B)=P(A)-P(AB)当B ⊂A 时，P(A-B)=P(A)-P(B) 当A=Ω时，P(B )=1- P(B)（3）条件概率和乘法公式定义 设A、B 是两个事件，且P(A)>0，则称)()(A P AB P 为事件A 发生条件下，事件B 发生的条件概率，记为=)/(A B P )()(A P AB P 。

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。

（4）全概公式设事件n B B B ,,,21Λ满足 1°nB B B ,,,21Λ两两互不相容，),,2,1(0)(n i B P i Λ=>，2°Υni iB A 1=⊂，则有)|()()|()()|()()(2211n n B A P B P B A P B P B A P B P A P +++=Λ。

概率公式整理1．随机事件及其概率吸收律：AAB A AA A =⋃=∅⋃Ω=Ω⋃)( AB A A A AA =⋃⋂∅=∅⋂=Ω⋂)( )(AB A B A B A -==- 反演律：B A B A =⋃ B A AB ⋃=ni i ni i A A 11===ni i ni 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 nnk j i k j i nj i j ini ini i A A A P A A A P A AP AP A P -≤<<≤≤<≤==-+++-=∑∑∑3．条件概率 ()=A B P )()(A P AB P乘法公式())0)(()()(>=A P A BP 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 i ik k B AP 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 kk(2) 二项分布 ),(p n B 若P ( A ) = pn k p p C k X P kn kkn ,,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 xλλ⎩⎨⎧≥-<=-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⎰∞---=x t t e x F d 21)(222)(σμσπ*N (0,1) — 标准正态分布+∞<<∞-=-x ex x2221)(πϕ+∞<<∞-=Φ⎰∞--x t ex xtd 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⎰⎰∞-∞-=x ydvdu 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),(G y x Ay 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 XYX0)()()(>=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 XYY )()(),()()(y x f Y X )(),(y f y x f Y =)()()(y f x f x y f Y X XY =)(x y f XY)(),(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()lkY 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简单整理了一下，中心极限定理及数理统计部分多概念少公式故未详细列出，有问题可以给我来信，希望能与大家多交流。

考研数学概率论重点公式速记概率论是数学中的一个重要分支，广泛应用于各个领域。

对于考研数学概率论的学习来说，熟悉并掌握相关的重点公式是非常必要的。

本文将为大家提供一些概率论中的重点公式，帮助大家更好地进行复习和备考。

一、基本概念1. 概率的加法定理：对于任意两个事件A和B，有P(A∪B) = P(A) + P(B) - P(A∩B)2. 概率的乘法定理：对于任意两个事件A和B，有P(A∩B) = P(A)P(B|A) = P(B)P(A|B)，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。

3. 全概率公式：若{B1, B2, ..., Bn}为样本空间的一个划分，即满足Bi与Bj互不相容且它们的并集为样本空间，同时假设P(Bi) > 0，那么对于任意一个事件A，有：P(A) = P(A∩B1) + P(A∩B2) + ... + P(A∩Bn) = P(B1)P(A|B1) +P(B2)P(A|B2) + ... + P(Bn)P(A|Bn)二、常用概率分布1. 二项分布：设试验成功的概率为p，则n次试验中成功次数的概率为：P(X=k) = C(n,k) * p^k * (1-p)^(n-k)其中C(n,k)为组合数，表示从n个元素中取出k个元素的组合数。

2. 泊松分布：设单位时间（或单位面积）内某事件发生的次数的平均值为λ，则单位时间（或单位面积）内某事件发生k次的概率为：P(X=k) = (e^(-λ) * λ^k) / k!其中e为自然对数的底数（约等于2.71828）。

3. 正态分布：对于服从正态分布N(μ,σ^2)的随机变量X，其概率密度函数为：f(x) = (1 / (σ * √(2π))) * e^(-((x-μ)^2 / (2σ^2)))三、常用性质1. 期望：对于离散随机变量X，其期望值E(X)为：E(X) = Σ(x * P(X=x))对于连续随机变量X，其期望值E(X)为：E(X) = ∫(x * f(x)) dx，其中f(x)为概率密度函数。

概率论重要公式大全必看概率论是数学的一个分支，研究随机事件的概率性质和随机现象的数学模型。

在概率论中有许多重要的公式，下面是一些概率论中常用的重要公式的介绍。

1.加法法则加法法则是计算两个事件一起发生的概率的公式。

P(A∪B)=P(A)+P(B)-P(A∩B)2.乘法法则乘法法则是计算两个事件同时发生的概率的公式。

P(A∩B)=P(A)×P(B，A)=P(B)×P(A，B)其中P(B，A)表示已知事件A发生下事件B发生的概率。

3.全概率公式全概率公式是计算一个事件的概率的公式，通过将事件分解为若干个互斥事件并计算其概率，然后加权求和得到事件的概率。

P(A)=ΣP(A∩Bi)=ΣP(Bi)×P(A，Bi)其中Bi为一组互斥事件，且它们的并集为样本空间。

4.贝叶斯定理贝叶斯定理是根据条件概率的定义，计算事件的后验概率的公式。

P(A，B)=P(B，A)×P(A)/P(B)其中P(A，B)为已知事件B发生下事件A发生的概率。

5.随机变量与概率分布随机变量是用来描述随机现象结果的变量。

概率分布则是随机变量取不同值的概率的分布情况。

6.期望和方差期望是描述随机变量平均值的概念，可以通过加权平均的方式计算。

E(X)=Σx×P(X=x)方差是描述随机变量离散程度的概念，用来衡量随机变量取值与其期望值之间的偏差。

Var(X) = E((X - E(X))^2) = Σ (x - E(X))^2 × P(X=x)7.二项分布二项分布是描述重复进行n次独立实验中成功次数的概率分布。

P(X=k)=C(n,k)×p^k×(1-p)^(n-k)其中C(n,k)表示组合数，p为单次实验的成功概率，n为实验次数，k为成功次数。

8.泊松分布泊松分布是描述事件在一定时间或空间范围内发生的次数的概率分布。

P(X=k)=(λ^k/k!)×e^(-λ)其中λ为单位时间或单位空间范围内事件发生的平均次数，k为事件发生的次数。

江苏省考研数学复习资料概率论与数理统计核心公式速记一、概率论核心公式1. 事件与概率公式：(1) 事件的概率：P(A) = N(A) / N(S)，其中，N(A)表示事件A发生的样本点个数，N(S)表示样本空间S中的样本点个数。

(2) 互斥事件的加法公式：P(A ∪ B) = P(A) + P(B)，其中，A与B 为互斥事件。

(3) 非互斥事件的加法公式：P(A ∪ B) = P(A) + P(B) - P(A ∩ B)，其中，A与B为非互斥事件。

2. 条件概率公式：(1) 事件A在事件B已经发生的条件下发生的概率：P(A|B) = P(A ∩B) / P(B)，其中，P(B) ≠ 0。

(2) 事件B在事件A已经发生的条件下发生的概率：P(B|A) = P(A ∩B) / P(A)，其中，P(A) ≠ 0。

(3) 乘法公式：P(A ∩ B) = P(A|B) * P(B)，其中，P(B) ≠ 0。

(4) 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。

(5) 贝叶斯公式：P(Bj|A) = [P(A|Bj) * P(Bj)] / ∑[P(A|Bi) * P(Bi)]，其中，{Bi}为样本空间S的一个划分。

3. 独立事件的条件：事件A与事件B相互独立的条件为：P(A ∩ B) = P(A) * P(B)，或P(A|B) = P(A)，P(B|A) = P(B)。

二、数理统计核心公式1. 随机变量的概率分布：(1) 二项分布：P(X = k) = C(n, k) * p^k * (1 - p)^(n-k)，其中，n为试验次数，k为事件发生的次数，p为事件发生的概率。

(2) 泊松分布：P(X = k) = (λ^k * e^(-λ)) / k!，其中，λ为单位时间/空间内随机事件的平均发生率，k为事件发生的次数。

(3) 正态分布：f(x) = (1/(σ * sqrt(2π))) * exp(-(x-μ)^2 / (2σ^2))，其中，μ为均值，σ为标准差。

考研数学必背公式总结考研数学是很多考生们的重点科目之一。

为了更好地备考数学，考生们需要掌握并熟记数学中的各种公式。

下面是一些考研数学必背公式的总结：一、高等数学1.极限公式：(1)对数函数极限：lim(log(1+x)/x)=1，当x趋于0时(2)三角函数极限：lim(sin(x)/x)=1，当x趋于0时lim((1-cos(x))/x)=0，当x趋于0时2.牛顿-莱布尼茨公式：∫abf(x)dx=F(b)-F(a)，其中F(x)是f(x)的一个原函数3.泰勒公式：f(x)=f(a)+f'(a)(x-a)+f''(a)(x-a)^2/2!+...+f^n(a)(x-a)^n/n!+ Rn(x)其中，Rn(x)是余项，有Lagrange余项和Cauchy余项两种形式。

二、线性代数1.向量公式：(1)向量的模：|a|=√(x1^2+x2^2+...+xn^2)(2)向量的点积：a·b=x1y1+x2y2+...+xnyn(3)向量的叉积：a×b=(y1z2-y2z1)i-(x1z2-x2z1)j+(x1y2-x2y1)k2.矩阵公式：(1)矩阵的乘积：C=AB，其中Cij=∑(k=1到n)AikBkj(2)矩阵的逆：若A是可逆矩阵，则A的逆矩阵A^-1满足AA^-1=A^-1A=E(3)矩阵的秩：矩阵的秩是指它的行与列的最大线性无关组数，也就是矩阵中含有的一个最大的非零子式的阶数。

三、概率论与数理统计1.概率公式：(1)全概率公式：P(B)=P(AB)+P(AcBc)，其中A和B是两个事件，Ac和Bc是它们的补事件(2)条件概率公式：P(A|B)=P(AB)/P(B)，其中A和B是两个事件2.数理统计公式：(1)样本平均数：x=(x1+x2+...+xn)/n(2)样本方差：S^2=[(x1-x)^2+(x2-x)^2+...+(xn-x)^2]/(n-1)(3)样本标准差：S=√[S^2]以上公式是考研数学中一些必背的公式总结。

考研数学复习有些概率计算的公式在考研数学三中，参数估计占数理统计的一多半内容，所以参数估计是重点。

为大家精心准备了考研数学复习概率计算的公式指导，欢送大家前来阅读。

五大公式包括减法公式、加法公式、乘法公式、全概率公式、贝叶斯公式。

1、减法公式，P(A-B)=P(A)-P(AB)。

此公式事件关系中的差事件，再结合概率的可列可加性总结出的公式。

2、加法公式，P(A+B)=P(A)+P(B)-P(AB)。

此公式于事件关系中的和事件，同样结合概率的可列可加性总结出来。

学生还应掌握三个事件相加的加法公式。

以上两个公式，在应用当中，有时要结合文氏图来解释会更清楚明白，同时这两个公式在考试中，更多的会出现在填空题当中。

所以记住公式的形式是根本要求。

3、乘法公式，是由条件概率公式变形得到，考试中较多的出现在计算题中。

在复习过程中，局部分不清楚时候用条件概率来求，什么时候用积事件概率来求。

比方“第一次抽到红球，第二次抽到黑球”时，因为第一次抽到红球也是事件，所以要考虑它的概率，这时候用积事件概率来求;如果“在第一次抽到红球的情况下，第二次抽到黑球的概率”，这时候因为抽到了红球，它已经是一个确定的事实，所以这时候不用考虑抽红球的概率，直接用条件概率，求第二次取到黑球的概率即可。

4、全概率公式5、贝叶斯公式以上两个公式是五大公式极为重要的两个公式。

结合起来比拟容易理解。

首先，这两个公式首先背景是相同的，即，完成一件事情在逻辑或时间上是需要两个步骤的，通常把第一个步骤称为原因。

其次，如果是“由因求果”的问题用全概率公式;是“由果求因”的问题用贝叶斯公式。

例如;买零件，一个零件是由A、B、C三个厂家生产的，分别次品率是a%，b%，c%，现在求买到次品的概率时，就要用全概率公式;假设买到次品了，问是A厂生产的概率，这就要用贝叶斯公式了。

这样我们首先分清楚了什么时候用这两个公式。

那么，在应用过程中，我们要注意的问题就是，如何划分完备事件组。

考研数学概率部分公式复习概率是数学中一个重要的分支，常以随机试验为基础进行研究，主要研究事件的概率和随机变量的分布。

而概率论的数学基础则包括概率公式、条件概率、独立性、随机变量的分布等等。

在考研中，数学概率部分是必考内容之一，理解和熟练掌握这些公式是非常重要的。

下面就对考研数学概率部分的公式进行复习。

一、基本公式：1.概率公式：对于一个随机试验E，事件A的概率P(A)定义为A发生的次数在试验总次数n中所占的比例。

P(A)=m/n2.互斥事件的概率公式：如果事件A和B互斥（即不能同时发生），则它们的概率满足如下关系：P(A∪B)=P(A)+P(B)3.和事件的概率公式：对于两个事件A和B，它们的概率满足如下关系：P(A∪B)=P(A)+P(B)-P(A∩B)4.减事件的概率公式：对于两个事件A和B，它们的概率满足如下关系：P(A-B)=P(A)-P(A∩B)5.互斥事件的概率和与减公式：对于两个互斥事件A和B，它们的概率满足如下关系：P(A∪B)=P(A)+P(B)P(A-B)=P(A)-P(A∩B)二、条件概率和乘法原理：1.条件概率公式：对于两个事件A和B，且P(A)>0，条件概率P(B，A)定义为在事件A发生的条件下事件B发生的概率。

P(B，A)=P(A∩B)/P(A)2.乘法原理：对于两个事件A和B，它们同时发生的概率等于事件A 发生的概率乘以在事件A发生的条件下事件B发生的概率。

P(A∩B)=P(A)*P(B，A)=P(B)*P(A，B)三、全概率公式和贝叶斯公式：1.全概率公式：如果事件B1，B2，...，Bn构成一个样本空间的一个划分（即互不相交且并起来就是全集），则对于任意事件A，它的概率满足如下关系：P(A)=P(B1)P(A，B1)+P(B2)P(A，B2)+...+P(Bn)P(A，Bn)2.贝叶斯公式：如果事件B1，B2，...，Bn构成一个样本空间的一个划分，则对于任意事件A，它的概率满足如下关系：P(Bi，A)=P(Bi)P(A，Bi)/[P(B1)P(A，B1)+P(B2)P(A，B2)+...+P(Bn)P(A，Bn)]四、随机变量和分布：1.随机变量：随机变量是定义在样本空间上的一个实值函数，它的取值是由随机试验的结果决定的。

第一章随机事件和概率（1）排列组合公式)!(!nmmP nm-=从m个人中挑出n个人进行排列的可能数。

)!(!!nmnmC nm-=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ω来表示。

基本事件的全体，称为试验的样本空间，用Ω表示。

一个事件就是由Ω中的部分点（基本事件ω）组成的集合。

通常用大写字母A，B，C，…表示事件，它们是Ω的子集。

Ω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）：BA⊂如果同时有BA⊂，AB⊃，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 Y 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BA，它表示A发生而B不发生的事件。

上海市考研数学复习资料概率论与数理统计重要公式上海市考研数学复习资料：概率论与数理统计重要公式一、概率论重要公式1. 事件的概率对于事件A，其概率可以表示为：P(A) = n(A) / n(S)，其中n(A)为事件A包含的基本事件的个数，n(S)为样本空间中基本事件的总数。

2. 组合公式对于集合A中选择r个元素的组合数，可以表示为：C(r) = n! /(r!(n-r)!)，其中n为集合A中元素的个数。

3. 条件概率对于事件A在事件B发生的条件下的概率，可以表示为：P(A|B) = P(A∩B) / P(B)，其中P(A∩B)表示事件A与事件B的交集的概率。

4. 独立事件如果事件A和事件B相互独立，那么P(A|B) = P(A)，即事件B的发生对事件A的发生没有影响。

5. 全概率公式对于一组事件Ai，满足互斥并且构成样本空间S，事件B的概率可以表示为：P(B) = Σ[P(B|Ai) * P(Ai)]，其中Σ表示对所有Ai求和。

6. 贝叶斯定理对于一组事件Ai，满足互斥并且构成样本空间S，已知事件B发生的条件下，事件Ai发生的概率可以表示为：P(Ai|B) = P(B|Ai) * P(Ai) / P(B)，其中P(B)可以用全概率公式计算。

二、数理统计重要公式1. 样本均值对于n个观测值x1, x2, ..., xn，其样本均值可以表示为：x = (x1 + x2 + ... + xn) / n。

2. 样本方差对于n个观测值x1, x2, ..., xn，其样本方差可以表示为：s^2 = [ (x1 - x)^2 + (x2 - x)^2 + ... + (xn - x)^2 ] / (n-1)。

3. 正态分布对于服从正态分布N(μ, σ^2)的随机变量X，概率密度函数可以表示为：f(x) = (1 / √(2πσ^2)) * exp[-(x-μ)^2 / (2σ^2)]，其中μ为均值，σ^2为方差。

概率论与数理统计必背公式在概率论与数理统计中，掌握好一些重要的公式是非常重要的，这些公式可以帮助我们解决问题、推导证明以及计算概率和统计量。

下面将介绍一些必须掌握的概率论与数理统计的重要公式。

一、概率论公式：1.加法定理：如果事件A和B是互不相容的（即A和B不会同时发生），则它们的和事件的概率为P(A∪B)=P(A)+P(B)。

2.条件概率公式：对于两个事件A和B，A在给定B发生的条件下发生的概率定义为P(A，B)=P(A∩B)/P(B)。

3.乘法定理：对于两个事件A和B，其交事件的概率可以通过条件概率公式来计算，即P(A∩B)=P(A，B)*P(B)。

4.全概率公式：如果事件B1，B2，...，Bn是一组互不相容的且其并集为样本空间（即事件B1∪B2∪...∪Bn=S），则对于事件A，它的概率可以通过条件概率公式和全概率公式来计算，即P(A)=P(A，B1)*P(B1)+P(A，B2)*P(B2)+...+P(A，Bn)*P(Bn)。

5.贝叶斯公式：贝叶斯公式是条件概率公式的推广，对于事件A和B，其交事件的概率可以通过贝叶斯公式来计算，即P(A，B)=P(B，A)*P(A)/P(B)。

二、数理统计公式：1.期望：对于一组随机变量X，其期望（也称为均值）定义为E(X)=ΣX*P(X)，即随机变量X乘以其概率的和。

2. 方差：对于一组随机变量X，其方差定义为Var(X) = E((X - μ)^2)，其中μ为X的期望。

3. 协方差：对于两组随机变量X和Y，其协方差定义为Cov(X,Y) = E((X - μx)(Y - μy))，其中μx和μy分别为X和Y的期望。

4. 标准差：对于一组随机变量X，其标准差定义为σ = √Var(X)，即方差的平方根。

5. 协方差矩阵：对于多组随机变量X1，X2，...，Xn，其协方差矩阵定义为Cov(X) = [Cov(Xi,Xj)]，其中i和j分别表示第i组和第j组随机变量。

考研数学概率与统计公式概念巧用口诀记忆
概率的公式概念背下来是基本的要求，但概率的公式和高等数学的公式相比，仅仅记住它是不够的。

概率论与数理统计中繁多杂乱的公式、概念想必折磨了不少考生，下面，小编又给各位来送福利啦，各章口诀帮助考生们轻松应对概率论与数理统计。

第一章随机事件
互斥对立加减功，条件独立乘除清;
全概逆概百分比，二项分布是核心;
必然事件随便用，选择先试不可能。

第二、三章一维、二维随机变量
1)离散问模型，分布列表清，边缘用加乘，条件概率定联合，独立试矩阵
2)连续必分段，草图仔细看，积分是关键，密度微分算
3)离散先列表，连续后求导;分布要分段，积分画图算
第五、六章数理统计、参数估计
正态方和卡方出，卡方相除变F，
若想得到t 分布，一正n 卡再相除。

样本总体相互换，矩法估计很方便;
似然函数分开算，对数求导得零蛋;
区间估计有点难，样本函数选在前;
分位维数惹人嫌，导出置信U 方甜。

第七章假设检验
检验均值用U-T，分位对称别大意;
方差检验有卡方，左窄右宽不稀奇;
不论卡方或U-T，维数减一要牢记; 代入比较临界值，拒绝必在否定域!。