下载文档原格式
概率论与数理统计公式大全一、概率基本公式1.事件的概率：对于事件A，在随机试验中发生的次数记为n(A)，则事件A的概率为P(A)=n(A)/n，其中n为试验总次数。
2.互斥事件的概率：对于互斥事件A和B，有P(A∪B)=P(A)+P(B)。
3.事件的余事件概率：设事件A为必然事件，全集的概率为P(S)=1，事件A的余事件为A'，则有P(A')=1-P(A)。
4.条件概率：对于两个事件A和B，假设事件B已经发生，事件A发生的概率记为P(A，B)，则P(A，B)=P(A∩B)/P(B)。
二、随机变量及其概率分布1.离散型随机变量：设X是一个离散型随机变量，其概率函数为P(X=k)，其中k为X的取值，概率函数满足P(X=k)≥0，且∑P(X=k)=12. 连续型随机变量：设X是一个连续型随机变量，其概率密度函数为f(x)，概率密度函数满足f(x)≥0，且∫f(x)dx = 13. 随机变量的数学期望：对于离散型随机变量X，其数学期望为E(X) = ∑k*P(X=k)；对于连续型随机变量X，其数学期望为E(X)=∫xf(x)dx。
4. 随机变量的方差：对于离散型随机变量X，其方差为Var(X) =E(X^2) - [E(X)]^2；对于连续型随机变量X，其方差为Var(X) = E(X^2) - [E(X)]^2三、常见的概率分布1.伯努利分布：表示一次实验成败的概率分布，概率函数为P(X=k)=p^k(1-p)^(1-k)，其中0≤p≤12.二项分布：表示n次独立重复的伯努利试验中成功次数的概率分布，概率函数为P(X=k)=C(n,k)*p^k(1-p)^(n-k)，其中C(n,k)为组合数。
3. 泊松分布：表示单位时间或单位面积内发生事件次数的概率分布，概率函数为P(X=k) = (lambda^k)/(k!)*e^(-lambda)，其中lambda为平均发生率。
4.均匀分布：表示在一个区间内取值相等的概率分布，概率密度函数为f(x)=1/(b-a)，其中[a,b]为区间。
(完整版)概率论公式总结-CAL-FENGHAI-(2020YEAR-YICAI)_JINGBIAN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 ≤≤⎰=≤≤ba dx x fb X a P )()(⎰∞-=≤=xdtt f x X P x F )()()(⎰∞-=≤=x dtt 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⎰+∞∞-=dy y 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 )()(∑=k k 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。
概率论的公式大全概率论是数学中研究随机事件的理论，它用于描述事件发生的可能性，并通过概率的计算和分析来预测、评估和决策。
下面给出一些概率论中常用的公式，帮助你更好地理解和运用概率论。
1.概率定义公式：P(A)=N(A)/N，表示事件A发生的概率，N(A)代表事件A发生的次数，N代表试验的总次数。
2.互补事件公式：P(A')=1-P(A)，表示事件A的补事件发生的概率。
3.加法公式：P(A∪B)=P(A)+P(B)-P(A∩B)，表示事件A或B发生的概率。
4.独立事件公式：P(A∩B)=P(A)*P(B)，表示事件A和事件B同时发生的概率，当事件A和事件B相互独立时成立。
5.条件概率公式：P(A，B)=P(A∩B)/P(B)，表示事件B已经发生时事件A发生的概率。
6.乘法公式：P(A∩B)=P(A，B)*P(B)，也可以写作P(A∩B)=P(B，A)*P(A)，表示事件A和事件B同时发生的概率。
7.全概率公式：P(A)=ΣP(A，Bᵢ)*P(Bᵢ)，表示事件A发生的概率，Bᵢ代表一组互不相容且构成样本空间的事件。
8.贝叶斯公式：P(B，A)=P(A，B)*P(B)/P(A)，表示在事件A发生的条件下，事件B发生的概率。
9.随机变量的概率公式：P(X=x)≥0，表示随机变量X取值为x的概率非负。
10.随机变量期望公式：E(X)=ΣxP(X=x)*x，表示随机变量X的期望或均值。
11.随机变量方差公式：Var(X) = E[(X - µ)²]，表示随机变量X的方差，其中µ为X的期望。
12.二项分布公式：P(X=k)=C(n,k)*p^k*q^(n-k)，表示n次独立重复实验中，事件发生k次的概率，其中，C(n,k)为组合数，p为事件发生的概率，q为事件不发生的概率。
13.泊松分布公式：P(X=k)=e^(-λ)*(λ^k)/k!，表示单位时间或空间中，事件发生了k次的概率，λ为事件发生率。
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。
概率论与数理统计公式大全概率论和数理统计作为数学的两个重要分支，被广泛应用于各个领域。
无论是在学术研究还是实际应用中，熟悉并掌握相关的公式是非常重要的。
本文将为您提供概率论与数理统计公式的大全，帮助您更好地理解和应用这两门学科。
一、概率论公式1. 概率公式- 概率的定义：P(A) = N(A) / N(S)，其中P(A)表示事件A发生的概率，N(A)代表事件A的样本点个数，N(S)表示样本空间中的样本点总数。
- 加法法则：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同时发生的概率。
- 乘法法则：P(A∩B) = P(A) × P(B|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。
2. 条件概率公式- 条件概率的定义：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。
- 全概率公式：P(A) = ∑[P(Bi) × P(A|Bi)]，其中Bi为样本空间的一个划分，P(Bi)表示事件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。
3. 事件独立性公式- 事件A和事件B独立的定义：P(A∩B) = P(A) × P(B)，即事件A和事件B同时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。
- 事件的相互独立：若对于任意的事件A1，A2，...，An，有P(A1∩A2∩...∩An) = P(A1) × P(A2) × ... × P(An)，则称事件A1，A2，...，An相互独立。
4. 随机变量- 随机变量的定义：随机变量X是样本空间到实数集的映射。
- 随机变量的分布函数：F(x) = P(X≤x)，表示随机变量X小于等于x的概率。
- 随机变量的概率密度函数（连续型随机变量）：f(x)是非负函数，且对于任意实数区间[a, b]，有P(a≤X≤b) = ∫[a, b]f(x)dx。
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。
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。
