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。
一. 随机事件和概率
1、概率的定义和性质 考研数学知识点-概率统计
（4）全概公式
设事件B1, B2,Λ , Bn 满足
（1）概率的公理化定义 1 ° B1, B2,Λ , Bn 两 两 互 不 相 容 ，
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) =1
3° 对于两两互不相容的事件 A1 ， A2 ，…有 P(Bi) > 0(i = 1,2,Λ , n) ，
A ⊂ ΥnBi
2° i=1 ， 则有
P(A) = P(B1)P(A | B1) + P(B2)P(A | B2)
+Λ +
P(Bn)P(A | Bn)⎛ ∞ ⎞ ∑∞ 。
P⎜⎜ Υ Ai ⎟⎟
= P A
( i)
⎝ =
i 1 ⎠ =
i 1 此公式即为全概率公式。
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° Ω = {ω1,ω2Λ ωn}，
（5）贝叶斯公式
设事件 B1 ， B2 ，…， Bn 及 A 满足
1° B1 ，B2 ，…，Bn 两两互不相容，P(Bi) >0，i =
1，
2，…， n ，
A ⊂ ΥnBi
2° ω = P(ω ) = Λ P(ω ) =
P( ) 1 。 2° i=1 ， P( A) > 0 ，
1 2 n n 则
设任一事件 A ，它是由ω1,ω2Λ ωm组成的，则有 / ) =n / )
P(B )P( A B
P(B A i i ，i=1，2，…n。
P(A)= {(ω1) Υ (ω2) Υ ΛΥ (ωm)}
ω + Λ + ω i ∑ / )
P(B )P( A B
= P (ω1) + P(2) ( )
Pm j=1 j j
=m=A所包含的基本事件数
n 基本事件总数
2、五大公式（加法、减法、乘法、全概、
概率论与数理统计公式大全
一、概率论公式
1.概率的基本性质：
-非负性：对于任意事件A，有P(A)>=0；
-规范性：对于必然事件S，有P(S)=1；
-可列可加性：对于互不相容的事件Ai（i=1,2,...），有P(A1∪A2∪...)=P(A1)+P(A2)+...。
2.条件概率：
-事件B发生的条件下，事件A发生的概率：P(A，B)=P(A∩B)/P(B)；
-乘法公式：P(A∩B)=P(A，B)*P(B)。
3.全概率公式：
-事件A的概率：P(A)=ΣP(A，Bi)*P(Bi)，其中Bi为样本空间的一个划分。
4.贝叶斯公式：
-事件Bi发生的条件下，事件A发生的概率：P(Bi，A)=P(A，Bi)*P(Bi)/ΣP(A，Bj)*P(Bj)，其中Bj为样本空间的一个划分。
5.独立性：
-事件A与事件B相互独立的充要条件是P(A∩B)=P(A)*P(B)。
二、数理统计公式 1.随机变量的概率分布：
-离散型随机变量的概率分布函数：P(X=x)；
-连续型随机变量的概率密度函数：f(x)。
2.数理统计的基本概念：
-样本均值：X̄=ΣXi/n；
-样本方差：s^2=Σ(Xi-X̄)^2/(n-1)；
-样本标准差：s=√s^2；
- 样本协方差：sxy = Σ(Xi-X̄)(Yi-Ȳ) / (n-1)。
3.大数定律：
-样本均值的大数定律：当样本容量n趋向于无穷大时，样本均值X̄趋向于总体均值μ。
4.中心极限定理：
-样本均值的中心极限定理：当样本容量n足够大时，样本均值X̄服从近似正态分布。
5.参数估计：
-点估计：用样本统计量对总体参数进行估计；
-置信区间估计：用样本统计量构造一个区间，以估计总体参数的范围。
6.假设检验： -假设检验的基本步骤：提出原假设H0和备择假设H1，选择适当的检验统计量，计算拒绝域，进行假设检验。
以上只是概率论与数理统计中的一些重要公式和定理，还有很多其他的公式和定理没有一一列举。掌握这些公式和定理，可以帮助我们更好地理解和应用概率论与数理统计的知识。
伯努利概型与全概公式
伯努利概型是指一类仅有两个可能结果的随机试验，比如扔一次硬币只有正面朝上或者反面朝上。伯努利概型的特点是每次实验结果的概率都是相等的，且各次实验结果之间相互独立。假设实验中有n个相互独立的伯努利概型，每个伯努利概型的成功概率为p，失败概率为1-p。则在这n次实验中，成功k次的概率可以表示为二项分布的概率质量函数：
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个元素中选取k个元素的组合方式数。这个公式被称为伯努利概型的概率公式，可以用于计算一系列相关试验中的概率。
全概公式，也称作全概率公式，是概率论中的一条重要原理，用于计算一个事件的概率。全概率公式的基本思想是将一个事件分解为多个互斥且完备的事件，然后根据这些事件的概率来计算所求事件的概率。全概率公式的表达式如下：
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的概率，B1、B2、..、Bn表示一组两两互斥且完备的事件，P(B1)、P(B2)、..、P(Bn)表示这些事件的概率，P(A，B1)、P(A，B2)、..、P(A，Bn)表示在事件B1、B2、..、Bn已经发生的条件下，事件A发生的概率。
全概率公式的应用非常广泛，特别适合于利用辅助事件来计算复杂事件的概率。例如，假设工厂生产了两个品牌的产品A和B，其中A的缺陷率为0.02，B的缺陷率为0.04、现在从工厂中随机抽取了一个产品，发现该产品有缺陷。问这个产品是属于品牌A还是品牌B的概率是多少？ 根据全概率公式，我们可以将这个问题分解为两个互斥事件：产品是A品牌和产品是B品牌。设事件A表示产品是A品牌，事件B表示产品有缺陷。根据题目的条件，可以得到以下信息：P(A)=0.5，P(B，A)=0.02，P(B，B)=0.04
应用全概率公式，可以求得产品有缺陷的概率为：
