条件概率与概率的三个基本公式

概率论与数理统计公式整理在现代数学中，概率论与数理统计是两个重要的分支。

其中概率论是研究随机事件发生的可能性或概率的科学。

而数理统计则是利用概率论的方法，对已经发生的随机事件进行统计分析和推断。

本文将整理概率论与数理统计中常用的公式。

一、基本概率公式1.概率：$P(A)=\frac{n(A)}{n(S)}$其中，$P(A)$表示事件$A$发生的概率，$n(A)$表示事件$A$所包含的基本事件的个数，$n(S)$表示所有基本事件的个数。

2.加法原理：$P(A\cup B)=P(A)+P(B)-P(A\cap B)$其中，$A$和$B$是两个事件，$A\cup B$表示事件$A$和事件$B$中至少有一个发生的概率，$A\cap B$表示两个事件同时发生的概率。

3.条件概率：$P(B|A)=\frac{P(A\cap B)}{P(A)}$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。

4.乘法定理：$P(A\cap B)=P(A)P(B|A)$其中，$P(A\cap B)$表示两个事件同时发生的概率，$P(B|A)$表示在事件$A$发生的条件下，事件$B$发生的概率。

二、概率分布1.离散随机变量的概率分布律：$\sum\limits_{i=1}^{+\infty}{p(x_i)}=1$其中，$p(x_i)$表示离散随机变量取值为$x_i$的概率。

2.连续随机变量的概率密度函数：$\int_{-\infty}^{+\infty}{f(x)}\mathrm{d}x=1$其中，$f(x)$表示连续随机变量在$x$处的概率密度。

3.数学期望：$E(x)=\sum\limits_{i=1}^{+\infty}{x_ip(x_i)}$或$E(x)=\int_{-\infty}^{+\infty}{xf(x)}\mathrm{d}x$其中，$E(x)$表示随机变量$x$的数学期望，$p(x_i)$表示$x_i$这一离散随机变量取到的带权概率。

概率的公式
概率的公式在数学中是一个非常重要的概念，它可以用来描述一个事件发生的可能性大小。

概率的计算方法有很多种，其中最常用的是基本概率公式和条件概率公式。

一、基本概率公式
基本概率公式是指在随机试验中，某个事件发生的概率等于这个事件发生的次数与总次数之比。

具体公式如下：
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 发生的次数，n(S) 表示随机试验总次数。

二、条件概率公式
条件概率公式是指在已知一个事件发生的前提下，另一个事件发生的概率。

具体公式如下：
P(B|A) = P(A∩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) 表示事件A 和事件B 同时发生的概率，P(A) 表示事件A 发生的概率。

三、概率的应用
概率的应用非常广泛，我们可以用它来解决各种实际问题。

例如，在赌场中，我们可以通过计算概率来预测某个游戏的胜率；在保险业中，我们可以通过计算概率来确定保险费的价格；在医学领域中，我们可以通过计算概率来评估某种疾病的患病风险等等。

概率的公式是数学中非常重要的一部分，它可以帮助我们预测和解决各种实际问题。

我们需要不断学习和运用概率的知识，才能更好地应对未来的挑战。

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。

一、基本概率公式及分布1、概率常用公式：P(A+B)=P(A)+P(B)-P(AB);P(A-B)=P(A)-P(AB);如A 、B 独立，则P(AB)=P(A)P(B);P(A )=1-P(A);B 发生的前提下A 发生的概率==条件概率：P(A|B)=P(AB)P(B);或记：P(AB)=P(A|B)*P(B);2、随机变量分布律、分布函数、概率密度分布律：离散型X 的取值是x k (k=1,2,3...),事件X=x k 的概率为：P{X=x k }=P k ,k=1,2,3...;---既X 的分布律；X X1X2....xn PkP1P2...pnX 的分布律也可以是上面的表格形式，二者都可以。

分布函数：F(x)=P{X ≤x},-∞ t ∞;是概率的累积！P(x1<X<x2)=F(x2)-F(x1);P{X>a}=1-P{X<a}离散型rv X;F(x)=P{X ≤x}=x k tp k ;(把X<x 的概率累加）连续型rvX ；F(x)=−∞xf x dx ,f(x)称密度函数；既分布函数F(X)是密度函数f(x)和X 轴上的(-∞,x)围成的面积！性质：F(∞)=1;F(−∞)=0;二、常用概率分布：①离散：二项分布：事件发生的概率为p,重复实验n次，发生k 次的概率（如打靶、投篮等）,记为B(n,p)P{X=k}=n k p k(1−p)n−k，k=0,1,2,...n;E(X)=np,D(X)=np(1-p);②离散：泊松分布：X～Π(λ)P{X=k}=λk e−λk!,k=0,1,2,...;E(X)=λ,D(X)=λ;③连续型：均匀分布：X在(a,b)上均匀分布，X～U(a,b),则：密度函数：f(x)=1b−a,a t0,其它=0,x x−a b−a1,x≥b,a t分布函数F(x)=−∞x f x dx④连续型：指数分布，参数为θ，f(x)=1θe−xθ,0 t0,其它F(x)=1−e−xθ0,x 0;⑤连续型：正态分布：X～N(μ,σ2),most importment!密度函数f(x),表达式不用记！一定要记住对称轴x=µ,E(X)=µ,方差D(X)=σ2;当µ=0，σ2=1时，N(0,1)称标准正态，图形为：分布函数F(x)为密度函数f(x)从(-∞,x)围成的面积。

§14_条件概率与概率的三个基本公式条件概率和概率的三个基本公式是概率论中非常重要的概念和公式。

条件概率指的是在一些条件下事件发生的概率，而概率则是指事件发生的可能性。

三个基本公式分别是全概率公式、贝叶斯公式和乘法规则。

下面将详细介绍这三个公式。

一、全概率公式：全概率公式是概率论中最基本也是最重要的公式之一、它用于计算一个事件在多个互斥且完备的情况下发生的概率。

它的数学表示如下：P(A)=P(A，B1)P(B1)+P(A，B2)P(B2)+...+P(A，Bn)P(Bn)其中，P(A)表示事件A发生的概率，B1,B2,...Bn是一组互斥且完备的事件，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。

这个公式的直观理解是将事件A分解成多个情况下事件A发生的概率之和。

二、贝叶斯公式：贝叶斯公式是由英国数学家贝叶斯提出的。

它是用于更新事件发生概率的一种方法。

贝叶斯公式的数学表示如下：P(B，A)=P(A，B)P(B)/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，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)表示事件B发生的概率，P(A)表示事件A发生的概率。

贝叶斯公式的直观理解是根据已知的信息来更新我们对事件发生概率的估计。

三、乘法规则：乘法规则是概率论中计算一个复合事件发生概率的一个基本公式。

它是由条件概率推导而来的。

乘法规则的数学表示如下：P(A∩B)=P(A，B)P(B)=P(B，A)P(A)其中，P(A∩B)表示事件A与事件B同时发生的概率，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，A)表示在事件A发生的条件下事件B发生的概率，P(A)和P(B)分别表示事件A和事件B发生的概率。

乘法规则的直观理解是用事件B发生的概率乘以在事件B发生的条件下事件A发生的概率来计算事件A与事件B同时发生的概率。

高中数学公式大全概率与条件概率的计算公式高中数学公式大全：概率与条件概率的计算公式数学中的概率和条件概率是高中数学中较为重要的概念，在各类数学问题中都有广泛的应用。

为了更好地理解和应用概率与条件概率，掌握相关的计算公式是必不可少的。

本文将为您全面介绍高中数学中概率与条件概率的计算公式，帮助您更好地学习和运用这一重要的数学知识。

一、概率的计算公式1.基本概率公式：在随机试验中，若S是随机试验的样本空间，E是S的某个事件，P(E)表示事件E发生的概率，则基本概率公式如下：P(E) = n(E) / n(S)其中，n(E)表示事件E的样本点个数，n(S)表示样本空间的样本点个数。

2.加法公式：若事件A与事件B互不相容（即A与B不同时发生），则加法公式如下：P(AUB) = P(A) + P(B)3.减法公式：若事件A发生，则事件B的非发生记作A-B，减法公式如下： P(A-B) = P(A) - P(A∩B)4.乘法公式：若事件A与事件B相继发生，则乘法公式如下：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。

5.全概率公式：对于一事件B，若B能由有限个互不相容的事件A1、A2、...、An组成，并且B=A1∪A2∪...∪An，则全概率公式如下： P(B) = P(A1)×P(B|A1) + P(A2)×P(B|A2) + ... + P(An)×P(B|An)二、条件概率的计算公式1.条件概率公式：在随机试验中，设A，B是两个事件，且P(A) > 0，则事件B在事件A发生的条件下发生的概率用条件概率表示为：P(B|A) = P(A∩B) / P(A)2.独立事件的条件概率：若事件A与事件B相互独立，则条件概率公式如下：P(B|A) = P(B)3.乘法公式（条件概率的推广）：若事件A、B同时发生的概率用条件概率表示为：P(A∩B) = P(A) × P(B|A)4.贝叶斯定理：在全概率公式的基础上，根据条件概率的定义，可以推导出贝叶斯定理：P(A|B) = P(A) × P(B|A) / [P(A) × P(B|A) + P(A') × P(B|A')]三、总结通过学习和掌握上述概率与条件概率的计算公式，我们能够更好地理解和应用概率与条件概率的相关概念。

第二周条件概率和独立性2.2条件概率有关条件概率的三个重要计算公式上一讲中我们引入了条件概率，有了这一概念，我们对事件的表达就有了更丰富的工具。

下面我们就希望能够有效地计算条件概率，得到我们想要的概率结果。

对于条件概率而言呢，主要有三个计算公式，分别是乘法公式、全概率公式和贝叶斯公式。

这三个计算公式的应用贯穿概率论的始终，是非常基本和重要的计算工具。

下面我们看第一个乘法公式。

*********************************************************乘法公式（1）设B A ,是两个事件，()0>B P ，则()()()B A P B P AB P |=证明：()()()()()()||P AB P A B P AB P B P A B P B =⇒=（2）设n A A A ,,,21 为n 个事件，且()0121>-n A A A P ，则()()()()()12121312121|||-⋅⋅=n n n A A A A P A A A P A A P A P A A A P 。

证明：数学归纳法，设()()()()111211||-⋅⋅=k k k A A A P A A P A P A A P ，()()()1112112|k k k kP A A P A A A P A A A A ++=⋅ ()()()121112||.k k P A P A A P A A A A +=⋅⋅ 直接验证：()()()()121312121|||n n P A P A A P A A A P A A A A -⋅⋅ ()()()()()()()12312121112121n n P A A A P A A A P A A P A P A P A A P A A A -= ()12.n P A A A =*********************************************************例2.2.1设箱子内有a 个白球，b 个黑球，在其中不放回地连取3次，问前2次取到白球而第3次取到黑球的概率。

1963.3条件概率及全概率公式教学要求本节要求学生正确理解条件概率的概念及其运算公式， 学会运用概率的乘法定理. 对于全概率公式不但要求能深刻理解其内在含义，而且要求学生会熟练运用此公式去解决实际问题. 要求学生掌握两个事件独立的概念，了解多个事件相互独立的条件.知识点1. 条件概率2. 概率的乘法定理3. 全概率公式4. 两个事件的独立性5. 多个事件的独立性 *6.贝叶斯(Bayes )公式 *7.贝努里(Bernoulli )概型3.3.1 条件概率在实际问题中, 除了要知道事件A 的概率P (A )外, 有时还需要知道在事件B 已发生的条件下，事件A 发生的概率, 这就是我们所要讲的条件概率, 将它记为P (A |B ).我们先通过一个例子来引入条件概率的概念. 掷一颗骰子, 观察其出现点数, 令事件A 表示“出现点数小于4”, 则P (A )=1/2, 如果已知事件B 表示“出现偶数点”, 且B 已发生, 这时只剩下三种可能, 即“2点”,“4点”或“6点”. 从而在B 已发生的条件下, A 发生的概率为P (A |B )=1/3, 注意P (B )=1/2, P (AB )=1/6, 此时有)()()()|(A P B P AB P B A P ≠=. 定义.设A ﹑B 是随机试验E 的二个事件, 且P (B )>0, 则称 )()()|(B P AB P B A P =为事件B 发生条件下事件A 发生的条件概率.不难验证, 条件概率P (A |B )也是一种概率, 它符合概率的三个条件. 由前面的条件概率的定义, 我们可以知道, 计算条件P (A |B )有两种方法: (1)在样本空间Ω的缩减后的样本空间ΩB (事件B 发生时的样本空间)上计算A 发生的（无条件）概率, 就可以得到P (A |B ).(2)样本空间Ω中, 先计算P (AB ) ﹑P (B ), 然后由定义公式求得P (A |B ).197例3.3.1 全年级100名学生中, 有男生(以事件A 表示)80人, 女生20人; 来自北京的(以事件B 表示)有20人, 其中男生12人, 女生8人; 免修英语的(用事件C 表示)40人中有32名男生, 8名女生. 试写出P (A )、P (B )、P (B |A )、 P (A |B ) 、P (AB )、P (C )、P (C |A )、)|(B A P 、P (AC ).解.根据题意有P (A )=80/100=0.8; P (B )=20/100=0.2; P (B |A )=P (AB )/P (A )=12/80=0.15; P (A |B )=P (AB )/P (B )=12/20=0.6 ;P (AB )=12/100=0.12; P (C )=40/100=0.4; P (C |A )=P (AC )/P (A )=32/80=0.4; )|(B A P )()(B P B A P ==15.08012=;P (AC )=32/100=0.32.例3.3.2 8个乒乓球中有5个新的，3个旧的. 第一次比赛时, 同时取出2个, 用完后放回去; 第二次比赛时又取出2个球, 求第一次取到1个新球的条件下, 第二次取到2个新球的概率.解. 设事件A =“第一次取到1个新球”;事件B =“第二次取到2个新球”.由于第一次比赛后, 球被放回去, 因此在A 已发生的条件下, 再取2个球时, 总球数仍为8. 但是, 因第一次比赛所用的一个新球已变成旧球，其新旧比例已变化为: 新球4个, 旧球4个, 所以所求的概率为: 143)|(2824==C C A B P . 由条件概率,我们可以得到概率的乘法定理及两个事件的独立性.3.3.2 概率的乘法定理由前面的条件概率的定义公式,可得到下面的定理.概率的乘法定理. 设A ﹑B 为随机试验E 中的两个事件,且P (B )>0,则有 P (AB )=P (A |B )P (B ).198这个公式称为概率的乘法公式. 同样地,概率的乘法公式还有另一种形式:若P (A )>0, P (AB )=P (B |A )P (A ).例3.3.3. 设在一盒子中装有4个蓝色球和6个红色球, 取球两次, 一次取1个, 取后不放回, 问两次都取到红球的概率是多少? 解. 设事件A =“第一次取到红球”, 事件B =“第二次取到红球” ∵ P (A )=6/10, P (B |A )=5/9,因此 P (AB )=P (B |A )P (A )=1/3.我们还可以将概率的乘法公式推广到3个事件的情形: P (A 1A 2A 3)=P (A 1)P (A 2|A 1)P (A 3|A 1A 2).我们已经学习了条件概率和概率的乘法定理,由此我们可以得到下面的全概率公式.3.3.3 全概率公式前面我们学习了条件概率和概率乘法定理，下面我们介绍一个重要的公式--全概率公式.定理(全概率定理). 如果事件A 1, A 2, …, A n 构成一个完备事件组, 且P (A i )>0,(i =1,2,…,n ). 则对任一事件B , 有 ∑==ni i i A A B P P B P 1)|()()(这个公式称为全概率公式.证明. A 1, A 2,…,A n 是一个完备事件组, 从而A i (i =1,2,…,n )是两两互斥的, 且P (A i )>0, 由于B 被分成n 个部分A i B (i =1,2,…,n )之和, 且A i B (i =1,2,…,n )也是两两互斥的, 于是 B A A B B ni i ni i ∑∑====11.由概率的可加性及概率乘法定理得到:∑∑====ni i ni i B A P B A P B P 11)()()(=∑=ni i i A A P B P 1)()|(.全概率公式应用较广, 它的基本思路是将一个比较复杂的事件分解成若干个较简单且199两两互斥事件的和, 即要找一个完备事件组, 然后利用概率的可加性及概率乘法定理来计算.例3.3.4 设袋中装有5件同样的产品, 其中3件正品, 2件次品, 每次从袋中取1件,无放回地连续取2次, 求第2次取到正品的概率.解. 设事件A 表示“第1次取到正品”, 则A 表示“第1次取到次品”；事件B 表示“第2次取到正品”．事件A A ,构成一个完备事件组, A B BA B +=(即第2次取正品的可能性是与第1次取到正品或次品有关).因A B BA , 互不相容, 则有)()()()(A B P BA P A B BA P B P +=+= )|()()|()(A B P A P A B P A P += =(3/5)×(2/4)+(2/5)×(3/4)=3/5.例3.3.5 某厂有甲﹑乙﹑丙三个车间生产同一种产品，其产量分别占总产量的25%﹑35%﹑40%. 各自的废品率为5%﹑4%﹑2%, 今从总产品中任取一件, 求所取出的产品为废品的概率.解．设A 1=“所取产品为甲车间生产的”; A 2=“所取产品为乙车间生产的”; A 3=“所取产品为丙车间生产的”; B =“所取产品为废品”. 则A i (i =1,2,3)构成一个完备事件组, 且P (A 1)=0.25, P (A 2)=0.35, P (A 3)=0.4, P (B |A 1)=0.05, P (B |A 2)=0.04, P (B |A 3)=0.02， 由全概率公式有∑==31)|()()(i i i A A B P P B P=0.25×0.05+0.35×0.04+0.4×0.02=0.0345.由全概率公式我们可以求出,从总产品中任取一件,其为废品的概率是0.0345；反之，若已知从总产品取出一件,其为废品,反过来求它是甲车间(或乙车间﹑丙车间)生产的可能有多大,即为我们后面要讲的贝叶斯公式.3.3.4 两个事件的独立性前面我们讨论了条件概率P(A|B), 一般说来P(A|B)≠P(A)即事件B的发生对事件A发生的概率是有影响. 但当P(A|B)=P(A), 即B的发生对A发生的概率没有影响,此时即说事件A独立于事件B, 此时由概率乘法定理得到P(AB)=P(A|B)P(B)=P(A)P(B). 由此我们可给出两个事件独立的定义.定义. 设A﹑B是试验E的两个事件, 若有P(AB)=P(A)P(B)则称事件A﹑B为相互独立的事件.由概率乘法定理, 容易得出: 当事件A独立于事件B时, 事件B也独立于事件A, 即独立是一个对称性概念.例如, 从具有次品的一批产品中，有放回的连抽取二次, 每次抽取一件. 这样,事件A(第一次抽得正品)的出现并不影响事件B(第二次抽得正品)的概率, 即事件A与事件B是相互独立的两个事件.定理. 设A﹑B是试验E的两个事件, 且有P(B) >0, 则A与B相互独立的充分必要条件为:P(A|B)=P(A).证明. 必要性. 若A﹑B相互独立,则当P(B)>0时,由概率乘法公 式有:P(B)P(A|B)=P(AB)=P(A)P(B)从而 P(A|B)=P(A).充分性. 若P(A|B)=P(A),由概率乘法公式有:P(AB)=P(B)P(A|B)=P(B)P(A)即A﹑B相互独立.在实际问题中, 往往是通过对问题性质的分析来判断事件间是否独立.例3.3.6 甲﹑乙两人同时射击某一目标．设甲击中目标的概率为0.8，乙击中目标的概率为0.5，求目标被击中的概率.解．设事件A=“甲击中目标”,事件B=“乙击中目标”,事件C=“目标被击中”.从题意可知： C=A+B,且200201P (C )=P (A +B )=P (A )+P (B )-P (AB ).由于甲﹑乙射击是相互独立的, 因此可以认为甲﹑乙互不干扰, 从而A 与B 是相互独立的.P (AB )=P (A )P (B )=0.8×0.5=0.4,所以 P (C )=0.8+0.5-0.4=0.9. 例3.3.7 试证A ﹑B 相互独立与以下每一条件等价:(1)事件A 与B 独立；(2)事件A 与B 独立；(3) 事件A 与B 独立.证明．我们在这里只证由A 和B 相互独立,推出A 与B 独立,对于其它情形,由两个事件独立的对称性,同样可以推出.若A 与B 相互独立,则P (AB )=P (A )P (B ).由概率的性质,得到: )(B A P =P (A -AB )=P (A )-P (AB )=P (A )-P (A )P (B )=P (A )(1-P (B )) =)()(B P A P . 故A 与B 相互独立. 此例的结论,我们可用下表来表示: 表3.3.1表中任意一种情形成立, 都可以推出其它情形成立.由两个事件的独立性的概念，我们可以推出多个事件的独立性.3.3.5 多个事件的独立性前面我们学习了两个事件的独立性的概念﹑定理, 由此我们可以给出三个事件的独立性的概念.定义. 若A ﹑B ﹑C 是随机试验E 中的三个事件, 满足下列条件:(1) P (AB )=P (A )P (B )； (2)P (BC )=P (B )P (C )；202(3) P (AC )=P (A )P (C )； (4)P (ABC )=P (A )P (B )P (C )。

条件概率与全概率公式教案一、概述条件概率和全概率公式是概率论中非常重要的两个概念和公式，它们可以帮助我们解决很多实际问题。

二、条件概率条件概率是指在已知某一事件发生的条件下，另一事件发生的概率，一般用P(B|A)表示。

其中，P(B)是事件B发生的概率，P(A|B)是在事件B发生的条件下，事件A发生的概率，P(A∩B)是事件A和B同时发生的概率。

条件概率公式：P(B|A) = P(A∩B) / P(A)。

三、全概率公式全概率公式是指如果将一个样本空间分成多个互不相交的事件B1、B2、...、Bn，并且这些事件构成一个完备事件组，即B1∪B2∪...∪Bn = S，那么可以用下面的公式来求解任意事件A的概率：P(A) = Σ P(Bi) P(A|Bi)，i = 1,2,3,...,n。

其中，P(Bi)是事件Bi发生的概率，P(A|Bi)是在事件Bi发生的条件下，事件A发生的概率。

四、实例优素福掷硬币游戏规则如下：有一组硬币，其中有两枚都是正面朝上，有两枚都是反面朝上，还有两枚是反正面朝上。

现在随机取出一枚硬币掷，结果是正面。

那么这枚硬币是正面朝上的概率是多少？解法：我们可以先用全概率公式来求出硬币掷出正面的概率，然后再使用条件概率公式来求出这枚硬币是正面朝上的概率。

设事件A表示硬币掷出正面，事件Bi表示取出的硬币是第i枚硬币。

则，完备事件组为B1、B2、B3，其中：B1：取出第一枚硬币；B2：取出第二枚硬币；B3：取出第三枚硬币。

所以，P(A) = P(B1)P(A|B1) + P(B2)P(A|B2) + P(B3)P(A|B3)。

根据题意，P(B1) = P(B2) = P(B3) = 1/3；P(A|B1) = 1/2；（第一枚硬币是正面的可能性为1/2）P(A|B2) = 1/2；（第二枚硬币是正面的可能性为1/2）P(A|B3) = 2/3。

（第三枚硬币是正面的可能性为2/3）代入公式，得到：P(A) = (1/3)×(1/2) + (1/3)×(1/2) + (1/3)×(2/3) = 5/9。

高中概率公式
高中概率公式主要有：
1. 概率的基本性质：
P(A)+P(B)=1-P(AB)。

P(A∪B)=P(A)+P(B)-P(AB)。

P(A)P(B)=P(AB)。

2. 互斥事件的概率：
两个事件不可能同时发生，则称这两个事件为互斥事件。

两个互斥事件的概率满足：P(A∪B)=P(A)+P(B)。

3. 条件概率：
条件概率是指在某个条件C发生的情况下，另一个事件A发生的概率，记作P(AC)。

条件概率的计算公式为：P(AC)=P(AC)/P(C)。

4. 独立事件的概率：
两个事件相互独立是指一个事件的发生与另一个事件是否发生无关。

独立事件的概率乘法公式为：P(A∩B)=P(A)×P(B)。

5. 二项分布概率：
二项分布是一种离散概率分布，描述了在n次独立的是/非试验中成功的次数的概率分布。

二项分布的概率计算公式为：P(X=k)=C(n,k)p^k×(1-p)^(n-k)，其中C(n,k)表示组合数，即从n个不同元素中选取k个元素的组合方式数。

6. 正态分布概率：
正态分布是一种连续概率分布，描述了随机变量的分布情况。

正态分布的概率密度函数为f(x)=1/(σ√2π)e^(-(x-μ)^2/2σ^2)，其中μ是均值，σ是标准差。

7. 贝叶斯公式：
贝叶斯公式用于计算在已知某些证据的情况下，某个事件发生的概率。

贝叶斯公式为：P(AB)=P(BA)×P(A)/P(B)。

第三节事件的条件概率和三个基本公式在概率论中，事件的条件概率是指在给定另一个事件发生的前提下，其中一事件发生的概率。

条件概率可以用来描述两个事件之间的相关性和依赖关系。

而条件概率的计算可以通过使用三个基本公式：乘法规则、加法规则和全概率公式。

1.乘法规则：乘法规则是最基本的计算条件概率的方法，它描述了两个事件同时发生的概率。

设A和B是两个事件，则A与B的交集（同时发生）的概率可以表示为P(A∩B)。

而A与B同时发生的概率可以表示为事件A发生的概率P(A)乘以事件B在前提A发生的条件下发生的概率P(B，A)，可以表示为：P(A∩B)=P(A)*P(B，A)2.加法规则：加法规则用于计算两个事件中至少一个事件发生的概率。

设A和B是两个事件，则A与B的并集（至少一个事件发生）的概率可以表示为P(A∪B)。

而A与B同时发生的概率可以表示为事件A发生的概率P(A)加上事件B发生的概率P(B)，再减去事件A与B同时发生的概率P(A∩B)，可以表示为：P(A∪B)=P(A)+P(B)-P(A∩B)3.全概率公式：全概率公式用于计算一个事件在多个互斥事件发生情况下的总概率。

设A是一个事件，B1、B2、B3...是事件的一个划分（互斥且完备），则事件A发生的概率可以表示为每个事件Bi发生的概率P(Bi)与事件A在条件Bi下发生的概率P(A，Bi)的乘积之和，可以表示为：P(A)=P(B1)*P(A，B1)+P(B2)*P(A，B2)+P(B3)*P(A，B3)+...通过以上三个基本公式，可以在给定条件下计算事件发生的概率，进而用于推断和分析各种实际问题。

例如，假设有一批产品中有10%的次品，其中80%的次品是由机器A 生产的，20%的次品是由机器B生产的。

现在从产品中随机选择了一个并发现是次品，问这个次品是由机器A生产的概率是多少？解答：设事件A表示选择次品，事件B1表示次品由机器A生产，事件B2表示次品由机器B生产。

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。