概率论公式总结

①P(A∪B)=P(A)+P(B)-P(A∩B)

②P(A∩B)=P(B)-P(A∩B)

③P(AⅠB)=P(A∩B)÷P(B)

连续型随机变量的分布

X~N(μ,σ2），则当a≠0时，有Y=aX+b~N（aμ+b，a2σ2）。

abyFxbyXPybaXPyYPyFYa)(,

222222211211faabyabyeaaeaabyfxabyFxdydyy,

故 222a211yaabyeaabyfxfY,

⑤ Ec=C,Dc=0,E(kx)=kEx,D(kx)=k2DX,E(x+y)=Ex+Ey

COV(x,y)=E(xy)-ExEy COSV(x,x)=D（x） D(x+y)=DX+DY+2PxyDYDX

常见随机变量的方差

二项分布 r.v.x~B(n,p), Ex=np,Dx=np(1-p)

泊松分布 r.v.x~p(λ), Ex= λ, Dx=λ

均匀分布 r.v.x~v(a,b), 12x,22abDbaEx

指数分布 r.v.x~E(λ),

21,1DxEx

正态分布 r.v.x~),(2N, Ex=,Px=2

切比雪夫不等式

2)()(xXDxEP 2)(1E(x)-xPx

22)(EXEXDX

题：钉共100，E(ξi)=100，10(i）D，求P(超过10.2）

设i为第i个螺丝的质量，他们之间独立同分布。且

E(i)=100，10)(iD，100100ii， 100)(,10)(100)(4DEEi,

由中心极限定理有 21001010010200...101001020010444PPP

概率论计算公式总结

概率论是研究随机事件发生的可能性的数学分支，它在各个领域都有广泛的应用。在概率论中，有一些重要的计算公式，它们能够帮助我们计算出某个事件发生的概率。本文将总结一些常用的概率论计算公式，并解释其应用场景和计算方法。

1. 概率的定义

概率是用来描述某个事件发生的可能性的数值。在概率论中，概率的取值范围在0到1之间，0表示不可能发生，1表示必然发生。对于一个随机事件A来说，其概率记为P(A)。

2. 加法法则

加法法则是计算两个事件之和的概率的公式。对于两个互斥事件A和B来说，它们不能同时发生，因此它们的概率之和等于各自概率的和，即P(A∪B) = P(A) + P(B)。

3. 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。对于两个独立事件A和B来说，它们的概率之积等于各自概率的乘积，即P(A∩B)

= P(A) × P(B)。

4. 条件概率

条件概率是指在已知事件B发生的条件下，事件A发生的概率。条件概率的计算公式为P(A|B) = P(A∩B) / P(B)。其中，P(A∩B)表示事件A和B同时发生的概率，P(B)表示事件B发生的概率。

5. 全概率公式

全概率公式是一种利用已知条件概率来计算事件A的概率的方法。假设有一系列互斥且穷尽的事件B1、B2、...、Bn，那么事件A的概率可以表示为P(A) = P(A|B1) × P(B1) + P(A|B2) × P(B2)

+ ... + P(A|Bn) × P(Bn)。

6. 贝叶斯公式

贝叶斯公式是一种利用条件概率来计算事件B的概率的方法。根据条件概率的定义，可以得到贝叶斯公式为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发生的概率。

7. 期望值

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。

高二数学概率知识点大总结

概率作为数学中的一个重要分支，研究的是随机事件发生的可能性或频率，广泛应用于各个领域。在高二数学学习中，我们也需要深入理解和掌握概率的相关知识点。下面将对高二概率知识点进行大总结。

一、基本概念与概率公式

概率的基本定义是指某个事件发生的可能性。在概率论中，常用的概率公式有以下几种：

1.乘法原理：当事件 A 和 B 相互独立时，它们同时发生的概率等于它们各自发生的概率的乘积。

2.加法原理：当事件 A 和 B 互不相容时，它们至少发生一个的概率等于它们各自发生的概率之和。

3.条件概率：表示在已知事件 B 发生的条件下，事件 A 发生的概率。

4.全概率公式：用于计算两个事件 A 和 B 关联的概率情况。

二、样本空间与事件

样本空间是指一个随机试验中所有可能出现的结果的集合。事件是样本空间的子集，表示满足某种条件的一组结果。

三、排列与组合

排列和组合是概率论中常见的计数方法。排列表示从一组元素中选出若干个进行排列，考虑元素的顺序；组合表示从一组元素中选出若干个进行组合，不考虑元素的顺序。

四、互斥事件与独立事件

互斥事件是指两个事件不能同时发生的情况，其概率为零。独立事件是指两个事件发生与否相互独立，一个事件的发生不影响另一个事件的发生。

五、条件概率与贝叶斯定理

条件概率是指在已知事件 B 发生的条件下，事件 A 发生的概率。

贝叶斯定理是利用条件概率计算逆概率的一种方法。根据贝叶斯定理，已知事件 B 发生的条件下，事件 A 发生的概率可以通过已知事件 A 发生的条件下，事件 B 发生的概率来计算。

六、独立性判定与一致性判定

对于多个事件的互相独立性，可以通过判断它们的联合概率是否等于各事件独立发生时的概率乘积来确定。

对于多个事件的一致性，可以通过判断它们的联合概率是否等于各事件发生时的概率之和来确定。

七、二项分布与泊松分布

二项分布是一种离散型的概率分布，适用于重复进行的二项试验中计算成功次数的概率。