概率论知识点总结

1 《概率论与数理统计》

第一章随机事件及其概率

§1.1 随机事件

一、给出事件描述，要求用运算关系符表示事件：

二、给出事件运算关系符，要求判断其正确性：

§1.2 概率

古典概型公式：P（A）=所含样本点数所含样本点数A

实用中经常采用“排列组合”的方法计算

补例1：将n个球随机地放到n个盒中去，问每个盒子恰有1个球的概率是多少？解：设A：“每个盒子恰有1个球”。求：P(A)=？

Ω所含样本点数：nnnnn...

Α所含样本点数：!1...)2()1(nnnn

nnnAP!)(

补例2：将3封信随机地放入4个信箱中，问信箱中信的封数的最大数分别为1、2、3的概率各是多少？

解：设Ai ：“信箱中信的最大封数为i”。(i =1,2,3)求：P(Ai)=？

Ω所含样本点数：6444443

A1所含样本点数：24234

836424)(1AP 2 A2所含样本点数： 363423C

1696436)(2AP

A3所含样本点数：4433C

161644)(3AP

注：由概率定义得出的几个性质：

1、0

2、P(Ω)=1，P(φ) =0

§1.3 概率的加法法则

定理：设A、B是互不相容事件（AB=φ），则：

P（A∪B）=P（A）+P（B）

推论1：设A1、 A2、…、 An 互不相容，则

P(A1+A2+...+ An)= P(A1) + P(A2) +…+ P(An)

推论2：设A1、 A2、…、 An 构成完备事件组，则

P(A1+A2+...+ An)=1

推论3： P（A）=1－P（A）

推论4：若BA，则P(B－A)= P(B)－P(A)

推论5（广义加法公式）：

对任意两个事件A与B，有P(A∪B)=P(A)+P(B)－P(A B)

补充——对偶律：

nnAAAAAA......2121 3 nnAAAAAA......2121

概率论的知识点总结

1.概率的基本概念

概率是描述随机事件发生可能性的数学工具，其基本概念包括样本空间、事件和概率空间。样本空间是随机试验的所有可能结果的集合，事件是样本空间的子集，概率空间包括样本空间和定义在样本空间上的概率测度。

2.概率分布

概率分布描述了随机变量可能取值的概率情况。概率分布分为离散分布和连续分布两种。常见的离散分布包括伯努利分布、二项分布、泊松分布等；常见的连续分布包括均匀分布、正态分布、指数分布等。概率密度函数和累积分布函数是描述连续分布的重要工具。

3.随机变量

随机变量是一种具有随机性的变量，它可以取样本空间中的某些值。随机变量分为离散随机变量和连续随机变量。离散随机变量的概率分布由概率质量函数描述，连续随机变量的概率分布由概率密度函数描述。

4.数学期望和方差

数学期望是随机变量的平均值，描述了随机变量的位置参数；方差是随机变量与其数学期望之间的离散程度，描述了随机变量的分散程度。数学期望和方差是描述随机变量性质的重要指标，它们具有许多重要的性质，如线性性质、切比雪夫不等式等。

5.大数定律

大数定律是描述随机变量序列平均值的收敛性质的定理。大数定律包括弱大数定律和强大数定律两种。弱大数定律描述了随机变量序列平均值收敛于数学期望的概率性质，强大数定律描述了随机变量序列平均值几乎必然收敛于数学期望的性质。

6.中心极限定理

中心极限定理是概率论中一个重要的定理，描述了大量独立随机变量的和呈现出正态分布的性质。中心极限定理包括林德伯格-莱维中心极限定理、李亥莱中心极限定理等。中心极限定理在统计学和金融学中具有重要的应用价值，它解释了正态分布在自然界和人类活动中的普遍性。

以上是概率论的一些重要知识点，概率论作为一门基础数学学科，不仅具有重要的理论意义，而且在实际应用中有着广泛的应用价值。随着数据科学和人工智能的快速发展，概率论的应用前景将更加广阔。

第1章 随机事件及其概率

（1）排列组合公式 )!(!nmmPnm 从m个人中挑出n个人进行排列的可能数

)!(!!nmnmCnm 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）：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B，或者A+B。

大学概率论知识点总结

概率论是研究随机现象数量规律的数学分支，在大学数学中占据着重要的地位。以下是对大学概率论中一些重要知识点的总结。

一、随机事件与概率

1、 随机事件

随机事件是指在一定条件下，可能出现也可能不出现的事件。例如，抛一枚硬币，正面朝上就是一个随机事件。

2、 样本空间

样本空间是随机试验的所有可能结果组成的集合。

3、 事件的关系与运算

包括包含、相等、并、交、差、互斥（互不相容）和对立等关系。

4、 概率的定义

概率是对随机事件发生可能性大小的度量。古典概型中，概率等于有利事件的个数除以总事件的个数；几何概型中，概率等于几何度量（如长度、面积、体积等）的比值。

5、 概率的性质

包括非负性、规范性和可加性等。 二、条件概率与乘法公式

1、 条件概率

在已知某个事件发生的条件下，另一个事件发生的概率称为条件概率，记作 P(B|A)。

2、 乘法公式

P(AB) ＝ P(A)P(B|A)

三、全概率公式与贝叶斯公式

1、 全概率公式

如果事件组 B1，B2，，Bn 是样本空间的一个划分，且 P(Bi) ＞ 0（i ＝ 1, 2,， n），则对任意事件 A 有 P(A) ＝ ΣP(Bi)P(A|Bi)

2、 贝叶斯公式

在全概率公式的基础上，如果已知 P(A)，P(Bi) 和 P(A|Bi)，可以计算在事件 A 发生的条件下，事件 Bi 发生的概率 P(Bi|A)

四、随机变量及其分布

1、 随机变量

是定义在样本空间上的实值函数。

2、 离散型随机变量 其取值为有限个或可列个。常见的离散型随机变量分布有：二项分布、泊松分布等。

3、 连续型随机变量

其取值可以是某个区间内的任意实数。常见的连续型随机变量分布有：均匀分布、正态分布、指数分布等。

4、 随机变量的分布函数

F(x) ＝ P(X ＜＝ x)，具有单调不减、右连续等性质。

五、多维随机变量及其分布

1、 二维随机变量

由两个随机变量组成。