概率论与数理统计公式大全

考研概率论与数理统计公式大全一、概率论部分：1.概率公式：-事件的概率：P(A)=n(A)/n(S)，其中n(A)表示事件A发生的可能性，n(S)表示样本空间S中的样本个数。

-互斥事件的概率：P(A∪B)=P(A)+P(B)。

-非互斥事件的概率：P(A∪B)=P(A)+P(B)-P(A∩B)。

2.条件概率公式：-事件A在事件B发生的条件下发生的概率：P(A，B)=P(A∩B)/P(B)。

3.乘法公式：-事件A、B同时发生的概率：P(A∩B)=P(A)*P(B，A)=P(B)*P(A，B)。

4.全概率公式：-事件A可以由一系列互斥且构成样本空间的事件B1、B2、..、Bn发生的概率：P(A)=P(A∩B1)+P(A∩B2)+...+P(A∩Bn)=ΣP(A∩Bi)。

5.贝叶斯公式：-已知事件A发生的条件下事件B发生的概率：P(B，A)=P(A∩B)/P(A)=P(A，B)*P(B)/P(A)。

6.重要的离散概率分布：-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为成功次数，p为每次成功的概率。

-泊松分布：P(X=k)=(λ^k*e^(-λ))/k!，其中λ为单位时间（或单位面积）内随机事件发生的平均次数。

7.重要的连续概率分布：-均匀分布：f(x)=1/(b-a)，其中a为最小值，b为最大值。

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

二、数理统计部分：1.基本概念：-总体：研究对象的全体。

-样本：从总体中抽取的一部分个体。

-参数：总体的特征数值。

-统计量：样本的特征数值。

2.基本统计量：- 样本均值：x̄ = (x1 + x2 + ... + xn) / n，其中x1、x2、..、xn为样本数据，n为样本容量。

- 样本方差：s^2 = ((x1-x̄)^2 + (x2-x̄)^2 + ... + (xn-x̄)^2) / (n-1)。

第1 章随机事件及其概率第二章随机变量及其分布x 2 x1P(x 1 X x 2 )2 1ba其中 0 ，则称随机变量 X 服从参数为 的指数分布。

X 的分布函数为1 e x,x 0,F (x)记0,住积分公式：0,x<0。

x n e xdx n!几何 分布 均匀 分布P(X k) q p,k 1,2,3, ，其中 p ≥ 0， 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 ，b ］内，其密度函数f(x)在［a ，b ］上为常数 1，即 ba1, f (x)b a,0,a ≤x ≤b其他，b) 。

0，x<a ，xaxbaa ≤x ≤bF(x) f(x)dx1，x>b 。

则称随机变量 X 在［a ，b ］ 上服从均匀分布，记为 X~ U(a ， 分布函数为 当 a ≤x 1<x 2≤b 时， X 落在区间( x 1,x2)内的概率为指数 分布x0 x0正态分布设随机变量X 的密度函数为1(x )212f(x) e 2 2 2其中、0为常数，则称随机变量X 服从参数为、的正态分布或高斯2( Gauss)分布，记为X ~ N( , )。

x，f (x)具有如下性质：1° f (x)的图形是关于x对称的；12° 当x时，f( ) 1为最大值；2 则(t X2)2的分布函数为2 2dt。

若X ~ N(1, )F(x)2参数0记为(x)x，e1时的正态分布称为标准正态分布，记为X ~ N(0,1)，其密度函数x2e2t2e2dt分布函数为1。

(x) 21(x)是不可求积函数，其函数值，已编制成表可供查用。

1Φ (-x) ＝ 1- Φ (x) 且Φ (0) ＝。

2 X2如果X ~N( , ) ，则~N(0,1) 。

P(x1 X x2)x22x11。

离散型已知X 的分布列为X x1,x2,L, x n, LP(X x i) p1, p2, L, p n, LY g( X )的分布列( y i g(x i ) 互不相等)如下：YP(Y y i )若有某些g(x ig(x1), g(x2), L, g(x n), L ，，则应将对应的p i相加作为g(x i) 的概率。

概率论与数理统计核心公式汇总本文将介绍概率论与数理统计中的核心公式，这些公式在统计学和数据分析中起到至关重要的作用，帮助我们理解和处理各种随机现象和数据集。

通过掌握这些公式，我们可以更好地进行数据分析、推断和预测。

概率论核心公式1. 事件的概率计算公式事件的概率定义为：$P(A)=\\frac{n(A)}{n(S)}$，其中P(A)表示事件A发生的概率，n(A)表示事件A发生的次数，n(S)表示样本空间S中的总次数。

2. 条件概率公式条件概率的计算公式为：$P(A|B)=\\frac{P(A \\cap B)}{P(B)}$，表示事件B发生的条件下事件A发生的概率。

3. 贝叶斯定理贝叶斯定理表示为：$P(A|B)=\\frac{P(B|A)P(A)}{P(B)}$，用于在给定相关事件的条件下计算其余事件的概率。

数理统计核心公式1. 样本均值和总体均值的关系样本均值$\\bar{X}=\\frac{\\sum_{i=1}^{n}X_i}{n}$，总体均值$\\mu=\\frac{\\sum_{i=1}^{N}X_i}{N}$。

当样本容量足够大时，样本均值接近于总体均值。

2. 样本方差和总体方差的关系样本方差$s^2=\\frac{\\sum_{i=1}^{n}(X_i-\\bar{X})^2}{n-1}$，总体方差$\\sigma^2=\\frac{\\sum_{i=1}^{N}(X_i-\\mu)^2}{N}$。

样本方差用于估计总体方差。

3. 中心极限定理中心极限定理表明，样本容量足够大时，样本均值的分布近似服从正态分布，不论总体分布是什么形式。

总结概率论与数理统计中的核心公式为我们提供了处理和分析数据的重要工具。

通过合理运用这些公式，我们可以更准确地理解数据背后的规律并做出有效的决策。

希望本文所介绍的核心公式对您有所帮助。

、
我们作了n 次试验，且满足
~
每次试验只有两种可能结果，A 发生或A 不发生；
n 次试验是重复进行的，即A 发生的概率每次均一样；
每次试验是独立的，即每次试验A 发生与否与其他次试验A 发生与否是互不影响的。

这种试验称为伯努利概型，或称为n 重伯努利试验。

用
p 表示每次试验A 发生的概率，则A 发生的概率为q p =-1，用)(k P n 表示n 重伯努利试验中A
出现)0(n k k ≤≤
次的概率，
k
n k k
n n q p k P C -=)(，
n k ,,2,1,0 =。

第二章 随机变量及其分布
^
第三章二维随机变量及其分布
第四章随机变量的数字特征
第五章大数定律和中心极限定理
第六章样本及抽样分布
第七章参数估计
第八章假设检验
单正态总体均值和方差的假设检验。

概率论与数理统计公式集锦HUA system office room 【HUA16H-TTMS2A-HUAS8Q8-HUAH1688】概率论与数理统计公式集锦一、随机事件与概率二、随机变量及其分布1、分布函数2、离散型随机变量及其分布3、续型随机变量及其分布4、随机变量函数Y=g(X)的分布 离散型：()(),1,2,j ii j g x y P Y y p i ====∑，连续型：①分布函数法，②公式法()(())()(())Y X f y f h y h y x h y '=⋅=单调三、多维随机变量及其分布1、离散型二维随机变量及其分布 分布律：(,),,1,2,i j ij P Xx Y y p i j ====分布函数(,)i i ijx x y yF X Y p ≤≤=∑∑边缘分布律：()i i ij jp P X x p ⋅===∑ ()j j ij ip P Y y p ⋅===∑条件分布律：(),1,2,ij i j jp P X x Y y i p ⋅====，(),1,2,ij j i i p P Y y X x j p ⋅====2、连续型二维随机变量及其分布①联合分布函数及性质分布函数：⎰⎰∞-∞-=xydudvv u f y x F ),(),(=P （X<=x,Y<=y ）性质：2(,)(,)1,(,),F x y F f x y x y∂+∞+∞==∂∂((,))(,)GP x y G f x y dxdy ∈=⎰⎰②边缘分布函数与边缘密度函数分布函数：⎰⎰∞-+∞∞-=xX dvdu v u f x F ),()( 密度函数：⎰+∞∞-=dv v x f x f X ),()(③条件概率密度+∞<<-∞=y x f y x f x y f X X Y ,)(),()(，+∞<<-∞=x y f y x f y x f Y Y X ,)(),()( 3、随机变量的独立性随机变量X 、Y 相互独立(,)()()X Y F x y F x F y ⇔=，离散型：..ij i j p p p = ，连续型：(,)()()X Y f x y f x f y =4、二维随机变量和函数的分布 离散型：()(,)i j kk i j x y z P Z z P X x Y y +=====∑连续型：()(,)(,)Z f z f x z x dx f z y y dy +∞+∞-∞-∞=-=-⎰⎰四、随机变量的数字特征1、数学期望①定义：离散型∑+∞==1)(k k k p x X E ，连续型⎰+∞∞-=dx x xf X E )()(②性质：(),E C C =)()]([X E X E E =，)()(X CE CX E =，)()()(Y E X E Y X E ±=±b X aE b aX E ±=±)()( ，当X 、Y 相互独立时：)()()(Y E X E XY E =2、方差①定义：222()[(())]()()D X E X E X E X E X =-=-②性质：0)(=C D ，)()(2X D a b aX D =±，),(2)()()(Y X Cov Y D X D Y X D ±+=±当X 、Y 相互独立时：)()()(Y D X D Y X D +=±3、协方差与相关系数①协方差：(,)()()()Cov X Y E XY E X E Y =-，当X 、Y 相互独立时：0),(=Y X Cov ②相关系数：XY ρ，当X 、Y 相互独立时：0=XY ρ(X,Y 不相关)③协方差和相关系数的性质：)(),(X D X X Cov =，),(),(X Y Cov Y X Cov =),(),(),(2121Y X Cov Y X Cov Y X X Cov +=+，),(),(Y X abCov d bY c aX Cov =++4、常见随机变量分布的数学期望和方差五、大数定律与中心极限定理1、切比雪夫不等式若,)(,)(2σμ==X D X E 对于任意0>ε有2)(})({εεX D X E X P ≤≥-2、大数定律： ①切比雪夫大数定律：若n X X 1相互独立，2)(,)(i i i i X D X E σμ==且C i ≤2σ，则：∑∑==∞→−→−ni iPni i n X E nX n11)(),(11②伯努利大数定律：设n A 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0ε∀>，有：lim 1A n n P p n ε→∞⎛⎫-<= ⎪⎝⎭③辛钦大数定律：若1,,n X X 独立同分布，且μ=)(i X E ，则μ∞→=−→−∑n P ni iXn113、中心极限定理①列维—林德伯格中心极限定理：独立同分布的随机变量(1,2,)i X i =，均值为μ，方差为02>σ，当n充分大时有：1((0,1)~nn k k Y X n N μ==-−−→∑ ②棣莫弗—拉普拉斯中心极限定理：随机变量),(~p n B X ，则对任意x 有：③近似计算：1()nk k P a X b =≤≤≈Φ-Φ∑ 概率论与数理统计公式整理1、总体和样本的分布函数 设总体()XF x ，则样本的联合分布函数)(),(121k nk n x F x x x F =∏=2、统计量样本均值：∑==ni i X nX 11，样本方差：∑∑==--=--=ni i ni i X n X n X X n S 122122)(11)(11 样本标准差：∑=--=ni i X X n S 12)(11 ，样本k 阶原点距： 2,1,11==∑=kXnA ni ki k样本k 阶中心距：11(),1,2,3n k k i i B X X k n ==-=∑3、三大抽样分布(1)2χ分布：设随机变量(0,1)i X N (1,2,,)i n =且相互独立，则称统计量222212n X X X ++=χ服从自由度为n 的2χ分布，记为)(~22n χχ性质：①n n D n n E 2)]([,)]([22==χχ②设)(~),(~22n Y m X χχ且相互独立，则)(~2n m Y X ++χ(2)t 分布：设随机变量)(~),1,0(~2n Y N X χ，且X 与Y 独立，则称统计量：nY X T =服从自由度为n 的t 分布，记为)(~n t T性质：①()0(1),()(2)2n E T n D T n n =>=>-②22lim ()()x n n f x x ϕ-→∞== (3)F 分布：设随机变量22~(),~()X m Y n χχ，且X 与Y 独立，则称统计量(,)X mF m n Y n=服从第一自由度为m ，第二自由度为n 的F 分布，记为~(,)F F m n ，性质：设~(,)F F m n ，则1~(,)F n m F七、参数估计1.参数估计①定义：用12(,,,)n X X X θ∧估计总体参数θ，称12(,,,)n X X X θ∧为θ的估计量，相应的12(,,,)n x x x θ∧为总体θ的估计值。

概率论与数理统计公式
全
HUA system office room 【HUA16H-TTMS2A-HUAS8Q8-HUAH1688】
第1章随机事件及其概率
每次试验只有两种可能结果，A 发生或A 不发生； n 次试验是重复进行的，即A 发生的概率每次均一样；
每次试验是独立的，即每次试验A 发生与否与其他次试验A 发生与否是互不影响的。

这种试验称为伯努利概型，或称为n 重伯努利试验。

用p 表示每次试验A 发生的概率，则A 发生的概率为q p =-1，用
)(k P n 表示n 重伯努利试验中A 出现)0(n k k ≤≤次的概率，
k n k k
n n q p k P C -=)(，n k ,,2,1,0 =。

第二章 随机变量及其分布
第三章二维随机变量及其分布
第四章随机变量的数字特征
第五章大数定律和中心极限定理
第六章样本及抽样分布
第七章参数估计
第八章假设检验
单正态总体均值和方差的假设检验。