概率论与数理统计公式大全【最全最强复习材料】
概率论与数理统计公式大全
概率论与数理统计公式大全一、概率基本公式1.事件的概率：对于事件A，在随机试验中发生的次数记为n(A)，则事件A的概率为P(A)=n(A)/n，其中n为试验总次数。
2.互斥事件的概率：对于互斥事件A和B，有P(A∪B)=P(A)+P(B)。
3.事件的余事件概率：设事件A为必然事件，全集的概率为P(S)=1，事件A的余事件为A'，则有P(A')=1-P(A)。
4.条件概率：对于两个事件A和B，假设事件B已经发生，事件A发生的概率记为P(A，B)，则P(A，B)=P(A∩B)/P(B)。
二、随机变量及其概率分布1.离散型随机变量：设X是一个离散型随机变量，其概率函数为P(X=k)，其中k为X的取值，概率函数满足P(X=k)≥0，且∑P(X=k)=12. 连续型随机变量：设X是一个连续型随机变量，其概率密度函数为f(x)，概率密度函数满足f(x)≥0，且∫f(x)dx = 13. 随机变量的数学期望：对于离散型随机变量X，其数学期望为E(X) = ∑k*P(X=k)；对于连续型随机变量X，其数学期望为E(X)=∫xf(x)dx。
4. 随机变量的方差：对于离散型随机变量X，其方差为Var(X) =E(X^2) - [E(X)]^2；对于连续型随机变量X，其方差为Var(X) = E(X^2) - [E(X)]^2三、常见的概率分布1.伯努利分布：表示一次实验成败的概率分布，概率函数为P(X=k)=p^k(1-p)^(1-k)，其中0≤p≤12.二项分布：表示n次独立重复的伯努利试验中成功次数的概率分布，概率函数为P(X=k)=C(n,k)*p^k(1-p)^(n-k)，其中C(n,k)为组合数。
3. 泊松分布：表示单位时间或单位面积内发生事件次数的概率分布，概率函数为P(X=k) = (lambda^k)/(k!)*e^(-lambda)，其中lambda为平均发生率。
4.均匀分布：表示在一个区间内取值相等的概率分布，概率密度函数为f(x)=1/(b-a)，其中[a,b]为区间。
概率论与数理统计公式整理(超全免费版)
P( B | A)
P( AB) P( A) P( B) P( B) P( A) P( A)
（14）独立 性
若事件 A 、 B 相互独立，则可得到 A 与 B 、 A 与 B 、 A 与 B 也都相互独 立。 必然事件 和不可能事件 Ø 与任何事件都相互独立。 Ø 与任何事件都互斥。 ②多个事件的独立性 设 ABC 是三个事件，如果满足两两独立的条件， P(AB)=P(A)P(B)；P(BC)=P(B)P(C)；P(CA)=P(C)P(A) 并且同时满足 P(ABC)=P(A)P(B)P(C) 那么 A、B、C 相互独立。 对于 n 个事件类似。 设事件 B1, B 2,, Bn 满足 1° B1, B 2,, Bn 两两互不相容， P( Bi ) 0(i 1,2,, n) ，
F ( ) lim F ( x) 0 ，
x
F ( ) lim F ( x) 1 ；
x
F ( x 0) F ( x) ，即 F ( x) 是右连续的； P( X x) F ( x) F ( x 0) 。
xk x
x
对于离散型随机变量， F ( x)
P(a X b) F (b) F (a)
可以得到 X 落入区间 ( a, b] 的概率。分布
函数 F ( x) 表示随机变量落入区间（– ∞，x]内的概率。 分布函数具有如下性质： 1° 2° 3° 4° 5°
0 F ( x) 1,
x ；
F ( x) 是单调不减的函数，即 x1 x2 时，有 F ( x1) F ( x2) ；
A、B 同时发生：A B，或者 AB。A B=Ø，则表示 A 与 B 不可能同时发生，
大学概率论与数理统计公式全集
大学概率论与数理统计公式全集一、随机事件和概率1、随机事件及其概率2、概率的定义及其计算二、随机变量及其分布1、分布函数性质FbF(aba<≤=P-X)(b()()bFX()P=≤)2、离散型随机变量3、连续型随机变量三、多维随机变量及其分布1、离散型二维随机变量边缘分布∑∑======⋅jjijjii i py Y x X P x X P p ),()(∑∑======⋅iiijjij j py Y x X P y Y P p ),()(2、离散型二维随机变量条件分布2,1,)(),()(=========⋅i P p y Y P y Y x X P y Y x X P p jij j j i j i j i2,1,)(),()(=========⋅j P p x X P y Y x X P x X y Y P p i ij i j i i j i j3、连续型二维随机变量( X ,Y )的联合分布函数⎰⎰∞-∞-=xydvdu v u f y x F ),(),( 4、连续型二维随机变量边缘分布函数与边缘密度函数边缘分布函数：⎰⎰∞-+∞∞-=xX dvdu v u f x F ),()( 边缘密度函数：⎰+∞∞-=dv v x f x f X ),()( ⎰⎰∞-+∞∞-=y Y dudv v u f y F ),()( ⎰+∞∞-=du y u f y f Y ),()(5、二维随机变量的条件分布+∞<<-∞=y x f y x f x y f X X Y ,)(),()( +∞<<-∞=x y f y x f y x f Y Y X ,)(),()(四、随机变量的数字特征1、数学期望离散型随机变量：∑+∞==1)(k k k p x X E 连续型随机变量：⎰+∞∞-=dx x xf X E )()(2、数学期望的性质(1)为常数C ,)(C C E = )()]([X E X E E = )()(X CE CX E =(2))()()(Y E X E Y X E ±=± b X aE b aX E ±=±)()( )()()(1111n n n n X E C X E C X C X C E +=+ (3)若XY 相互独立则：)()()(Y E X E XY E = (4))()()]([222Y E X E XY E ≤ 3、方差：)()()(22X E X E X D -= 4、方差的性质(1)0)(=C D 0)]([=X D D )()(2X D a b aX D =± 2)()(C X E X D -<(2)),(2)()()(Y X Cov Y D X D Y X D ±+=± 若XY 相互独立则：)()()(Y D X D Y X D +=± 5、协方差：)()(),(),(Y E X E Y X E Y X Cov -= 若XY 相互独立则：0),(=Y X Cov 6、相关系数：)()(),(),(Y D X D Y X Cov Y X XY==ρρ 若XY 相互独立则：0=XYρ即XY 不相关7、协方差和相关系数的性质 (1))(),(X D X X Cov = ),(),(X Y Cov Y X Cov =(2)),(),(),(2121Y X Cov Y X Cov Y X X Cov +=+ ),(),(Y X abCov d bY c aX Cov =++8、常见数学分布的期望和方差五、大数定律和中心极限定理1、切比雪夫不等式若,)(,)(2σμ==X D X E 对于任意0>ξ有2)(})({ξξX D X E X P ≤≥-或2)(1})({ξξX D X E X P -≥<- 2、大数定律：若n X X 1相互独立且∞→n 时，∑∑==−→−ni iDni i X E nX n 11)(11(1)若n X X 1相互独立，2)(,)(i i i i X D X E σμ==且M i ≤2σ则：∑∑==∞→−→−ni iPni i n X E nX n11)(),(11(2)若n X X 1相互独立同分布，且i i X E μ=)(则当∞→n 时：μ−→−∑=Pn i i X n 11 3、中心极限定理(1)独立同分布的中心极限定理：均值为μ，方差为02>σ的独立同分布时，当n 充分大时有：)1,0(~1N n n XY nk kn −→−-=∑=σμ(2)拉普拉斯定理：随机变量),(~)2,1(p n B n n =η则对任意x 有：⎰∞--+∞→Φ==≤--xt n x x dtex p np np P )(21})1({lim 22πη(3)近似计算：)()()()(11σμσμσμσμσμn n a n n b n n b n n Xn n a P b X a P nk knk k -Φ--Φ≈-≤-≤-=≤≤∑∑==1、总体和样本总体X 的分布函数)(x F 样本),(21n X X X 的联合分布为)(),(121k nk n x F x x x F =∏=2、统计量(1)样本平均值：∑==ni i X n X 11(2)样本方差：∑∑==--=--=ni i ni i X n X n X X n S 122122)(11)(11(3)样本标准差：∑=--=ni i X X n S 12)(11(4)样本k 阶原点距： 2,1,11==∑=kXn A ni ki k(5)样本k 阶中心距：∑==-==ni k ik k k X XnM B 13,2,)(1(6)次序统计量：设样本),(21n X X X 的观察值),(21n x x x ，将n x x x 21,按照由小到大的次序重新排列，得到)()2()1(n x x x ≤≤≤ ，记取值为)(i x 的样本分量为)(i X ，则称)()2()1(n X X X ≤≤≤ 为样本),(21n X X X 的次序统计量。
概率论与数理统计公式整理(完整版)
概率论与数理统计 公式（全）
（13）乘法 公式
例如 P(Ω/B)=1 P( B /A)=1-P(B/A) 乘法公式： P(AB) P(A)P(B / A)
更一般地，对事件 A1，A2，…An，若 P(A1A2…An-1)>0，则有
P( A1A2 … An) P( A1)P( A2 | A1)P( A3 | A1A2) …… P( An | A1A2 …
当 a≤x1<x2≤b 时，X 落在区间（ x1 , x2 ）内的概率为
P( x1
X
x2 )
x2 b
x1 a
。
6 / 27
概率论与数理统计 公式（全）
指数分布
f (x)
ex ,
0,
x 0, x 0,
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
正态分布
F(x)
函数 F(x) 表示随机变量落入区间（– ∞，x]内的概率。
分布函数具有如下性质：
1° 0 F(x) 1, x ；
2° F(x) 是单调不减的函数，即 x1 x2 时，有 F(x1) F (x2) ；
3° F() lim F(x) 0， F() lim F(x) 1；
x
x
4° F(x 0) F(x) ，即 F(x) 是右连续的；
布，所以（0-1）分布是二项分布的特例。
5 / 27
概率论与数理统计 公式（全）
泊松分布
设随机变量 X 的分布律为 P( X k) k e ， 0 ， k 0,1,2， k!
则称随机变量 X 服从参数为 的泊松分布，记为 X ~ () 或
超几何分布 几何分布
者 P( )。
概率论数理统计公式整理
概率论数理统计公式整理一、概率论公式1.定义公式:-事件概率的定义:若E为随机试验的一个事件，S为样本空间，则事件E发生的概率可以表示为P(E)=n(E)/n(S)，其中n(E)表示事件E中元素的个数，n(S)表示样本空间S中元素的总数。
2.概率计算公式:-加法公式:P(A∪B)=P(A)+P(B)-P(A∩B)，其中A,B为两个事件。
-条件概率公式:P(A，B)=P(A∩B)/P(B)，其中A,B为两个事件，且P(B)≠0。
-乘法公式:P(A∩B)=P(A)P(B，A)，其中A,B为两个事件。
3.全概率公式与贝叶斯公式:-全概率公式:设B1,B2,...,Bn为样本空间S的一组互不相容的事件，并且它们构成了对S的一个完全划分，即Bi∩Bj=∅(i≠j)，且B1∪B2∪...∪Bn=S，则对于任意事件A，有P(A)=ΣP(A，Bi)P(Bi)，其中i=1,2,...,n。
-贝叶斯公式:设B1,B2,...,Bn为样本空间S的一组互不相容的事件，并且它们构成了对S的一个完全划分，即Bi∩Bj=∅(i≠j)，且B1∪B2∪...∪Bn=S，则对于任意事件A，有P(Bi，A)=P(A，Bi)P(Bi)/ΣP(A，Bj)P(Bj)，其中i=1,2,...,n。
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:P(X=x)=p(x)，其中x为随机变量X的取值，p(x)为概率质量函数。
- 连续型随机变量的概率密度函数: f(x) ≥ 0，且∫f(x)dx = 12.随机变量的数学期望:- 离散型随机变量的数学期望: E(X) = Σxip(xi)，其中xi为随机变量X的取值，p(xi)为X取值为xi的概率。
- 连续型随机变量的数学期望: E(X) = ∫xf(x)dx。
3.方差和标准差:- 离散型随机变量的方差: Var(X) = E[(X - E(X))^2] = Σ(xi - E(X))^2p(xi)。
概率论与数理统计自学考试公式大全
概率论与数理统计重点公式1、)()()()(AB P B P A P B A P -+=2、若A 、B 独立，则)()()(B P A P AB P ⋅=3、条件概率=)/(A B P )()(A P AB P 4、乘法公式：)/()()(A B P A P AB P = 5、二项分布：),(~p n B X分布律：k n kk n p p C k X P --==)1(}{， 其中n k p ,,2,1,0,10 =<<期望：np 方差：)1(p np - 6、泊松分布：)(~λP X分布律：λλ-==e k k X P k!}{，0>λ， 2,1,0=k期望： λ 方差： λ7、均匀分布：),(~b a U X概率密度：⎪⎩⎪⎨⎧-=,0,1)(ab x f 其他， 期望：2ba + 方差：12)(2a b -8、指数分布：)(~λE X概率密度：⎩⎨⎧≤>=-0,00,)(x x e x f x λλa ≤x ≤b分布函数：⎩⎨⎧≤>-=-0,00,1)(x x e x F x λ期望：λ1 方差：21λ9、正态分布：概率密度：222)(21)(σμσπ--=x ex f ，期望： μ方差： 2σ10、若X 是连续型随机变量，)(x F 是分布函数，则概率运算公式为： （1）)(}{a F a x P =<（2）)()(}{a F b F b x a P -=<< （3）)(1}{a F a x P -=>11、若X 是连续型随机变量，)(x f 是概率密度，则概率运算公式为： （1）dx x f aa x P )(}{⎰∞-=<（2）dx x f a bb x a P )(}{⎰=<< （3）dx x f a dx x f aa x P )()(1}{⎰⎰∞+=∞--=>12、若X 是连续型随机变量，)(x f 是概率密度，则期望运算公式为：dx x xf X E )()(⎰∞-∞+=13、方差的简便计算公式22)]([)()(X E X E X D -=),(~2σμN X +∞<<∞-x14、期望的性质 （1）C C E =)( （2）)()(X kE kX E =（3）)()()(Y E X E Y X E ±=±（4）若X 与Y 独立，则)()()(Y E X E XY E ⋅= 15、方差的性质（1）0)(=C D ，)()(X D C X D =+ （2）)()(2X D k kX D =（3）若X 与Y 独立，则)()()(Y D X D Y X D +=± 16、协方差与相关系数)()()(),(Y E X E XY E Y X Cov ⋅-=)()(),(Y D X D Y X Cov XY ⋅=ρ17、切比雪夫不等式2)(})({εεX D X E X P ≤≥- 2)(1})({εεX D X E X P -≥<-18、大数定律（1）1lim =⎪⎪⎭⎫ ⎝⎛<-∞→εp n m P n （2）11lim 1=⎪⎪⎭⎫⎝⎛<-∑=∞→εμn i i n X n P 19、中心极限定理（1）)(lim 1x x n n X P n i i n Φ=⎪⎪⎭⎪⎪⎬⎫⎪⎪⎩⎪⎪⎨⎧≤-∑=∞→σμ（2）)()1(lim x x p np np Z P n n Φ=⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧≤--∞→ 20、样本均值与样本方差 样本均值∑==ni i x n x 11样本方差∑=--=n i ix x n s 122.)(11 样本标准差.)(1112∑=--=n i ix x n s μ=)(X E ，nX D 2)(σ=，22)(σ=s E21、设n x x x ,,,21 为来自正态总体),(2σμN 的一个样本， 若未知2σ，则)1(~)1()(22222---∑n s n x x iχσσ＝若已知2σ，则)(~)(222n x xiχσ∑-22、矩估计、极大似然估计x =μˆ 22ˆn s =σ，其中∑=-=ni i n x x n s 122.)(123、区间估计已知方差2σ，估计均值μ，区间⎥⎦⎤⎢⎣⎡+-n u x n u x σσαα22,未知方差2σ，估计均值μ，区间⎥⎦⎤⎢⎣⎡-+--n s n t x n s n t x )1(,)1(22αα 估计方差2σ，区间⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-----)1()1(,)1()1(2212222n s n n sn ααχχ 24、假设检验两类错误第一类错误 0H 成立，拒绝0H 第二类错误 1H 成立，接受0H 25、u 检验前提：已知2σ，00:μμ=H ，01:μμ≠H 统计量nx u 0σμ-=拒绝域),(),(22+∞--∞=ααu u W26、t 检验前提：未知2σ，00:μμ=H ，01:μμ≠H 统计量ns x t 0μ-=拒绝域)),1(())1(,(22+∞----∞=n t n t Wαα27、2χ检验 前提：2020:σσ=H ，2021:σσ≠H统计量2022)1(σχs n -=拒绝域)),1(())1(,0(22221+∞--=-n n W ααχχ 28、回归方程x y 10ˆˆˆββ+= 其中∑∑∑--==221ˆxn x y x n y x L L ii ixxxy βx y 10ˆˆββ-= 即直线x y 10ˆˆˆββ+=经过点),(y x 29、回归平方和、剩余平方和∑-=ii y ys 2)ˆ(回∑-ii i y y s 2)ˆ(＝剩30、单边检验。
概率论与数理统计公式大全【最全最强复习材料】
第1章随机事件及其概率
大学教育概率论与数据统计复习材料之公式
祝您考试顺利！
1第 3 页共27 页
第二章随机变量及其分布
大学教育概率论与数据统计复习材料之公式
祝您考试顺利！
1第 5 页共27 页
大学教育概率论与数据统计复习材料之公式
祝您考试顺利！
1第7 页共27 页
第三章二维随机变量及其分布
大学教育概率论与数据统计复习材料之公式
祝您考试顺利！
1第9 页共27 页
大学教育概率论与数据统计复习材料之公式
祝您考试顺利！
1第11 页共27 页
大学教育概率论与数据统计复习材料之公式
祝您考试顺利！
1第13 页共27 页
第四章随机变量的数字特征
大学教育概率论与数据统计复习材料之公式
祝您考试顺利！
1第15 页共27 页
大学教育概率论与数据统计复习材料之公式
祝您考试顺利！
1第17 页共27 页
第五章大数定律和中心极限定理
大学教育概率论与数据统计复习材料之公式
祝您考试顺利！
第六章样本及抽样分布
1第19 页共27 页
大学教育概率论与数据统计复习材料之公式
祝您考试顺利！
第七章参数估计
1第21 页共27 页
大学教育概率论与数据统计复习材料之公式
祝您考试顺利！
1第23 页共27 页
大学教育概率论与数据统计复习材料之公式
祝您考试顺利！
第八章假设检验
1第25 页共27 页
单正态总体均值和方差的假设检验
大学教育概率论与数据统计复习材料之公式
祝您考试顺利！
1第27 页共27 页。
(完整版)大学概率论与数理统计公式全集
大学概率论与数理统计公式全集一、随机事件和概率1、随机事件及其概率2、概率的定义及其计算二、随机变量及其分布1、分布函数性质FbF(aba<≤=P-X)(b()()bFX()P=≤)2、离散型随机变量3、连续型随机变量三、多维随机变量及其分布1、离散型二维随机变量边缘分布∑∑======⋅jjijjii i py Y x X P x X P p ),()(∑∑======⋅iiijjij j py Y x X P y Y P p ),()(2、离散型二维随机变量条件分布2,1,)(),()(=========⋅i P p y Y P y Y x X P y Y x X P p jij j j i j i j i2,1,)(),()(=========⋅j P p x X P y Y x X P x X y Y P p i ij i j i i j i j3、连续型二维随机变量( X ,Y )的联合分布函数⎰⎰∞-∞-=xydvdu v u f y x F ),(),( 4、连续型二维随机变量边缘分布函数与边缘密度函数边缘分布函数：⎰⎰∞-+∞∞-=xX dvdu v u f x F ),()( 边缘密度函数：⎰+∞∞-=dv v x f x f X ),()( ⎰⎰∞-+∞∞-=y Y dudv v u f y F ),()( ⎰+∞∞-=du y u f y f Y ),()(5、二维随机变量的条件分布+∞<<-∞=y x f y x f x y f X X Y ,)(),()( +∞<<-∞=x y f y x f y x f Y Y X ,)(),()(四、随机变量的数字特征1、数学期望离散型随机变量：∑+∞==1)(k k k p x X E 连续型随机变量：⎰+∞∞-=dx x xf X E )()(2、数学期望的性质(1)为常数C ,)(C C E = )()]([X E X E E = )()(X CE CX E =(2))()()(Y E X E Y X E ±=± b X aE b aX E ±=±)()( )()()(1111n n n n X E C X E C X C X C E +=+ (3)若XY 相互独立则：)()()(Y E X E XY E = (4))()()]([222Y E X E XY E ≤ 3、方差：)()()(22X E X E X D -= 4、方差的性质(1)0)(=C D 0)]([=X D D )()(2X D a b aX D =± 2)()(C X E X D -<(2)),(2)()()(Y X Cov Y D X D Y X D ±+=± 若XY 相互独立则：)()()(Y D X D Y X D +=± 5、协方差：)()(),(),(Y E X E Y X E Y X Cov -= 若XY 相互独立则：0),(=Y X Cov 6、相关系数：)()(),(),(Y D X D Y X Cov Y X XY==ρρ 若XY 相互独立则：0=XYρ即XY 不相关7、协方差和相关系数的性质 (1))(),(X D X X Cov = ),(),(X Y Cov Y X Cov =(2)),(),(),(2121Y X Cov Y X Cov Y X X Cov +=+ ),(),(Y X abCov d bY c aX Cov =++8、常见数学分布的期望和方差五、大数定律和中心极限定理1、切比雪夫不等式若,)(,)(2σμ==X D X E 对于任意0>ξ有2)(})({ξξX D X E X P ≤≥-或2)(1})({ξξX D X E X P -≥<- 2、大数定律：若n X X 1相互独立且∞→n 时，∑∑==−→−ni iDni i X E nX n 11)(11(1)若n X X 1相互独立，2)(,)(i i i i X D X E σμ==且M i ≤2σ则：∑∑==∞→−→−ni iPni i n X E nX n11)(),(11(2)若n X X 1相互独立同分布，且i i X E μ=)(则当∞→n 时：μ−→−∑=Pn i i X n 11 3、中心极限定理(1)独立同分布的中心极限定理：均值为μ，方差为02>σ的独立同分布时，当n 充分大时有：)1,0(~1N n n XY nk kn −→−-=∑=σμ(2)拉普拉斯定理：随机变量),(~)2,1(p n B n n =η则对任意x 有：⎰∞--+∞→Φ==≤--xt n x x dtex p np np P )(21})1({lim 22πη(3)近似计算：)()()()(11σμσμσμσμσμn n a n n b n n b n n Xn n a P b X a P nk knk k -Φ--Φ≈-≤-≤-=≤≤∑∑==1、总体和样本总体X 的分布函数)(x F 样本),(21n X X X 的联合分布为)(),(121k nk n x F x x x F =∏=2、统计量(1)样本平均值：∑==ni i X n X 11(2)样本方差：∑∑==--=--=ni i ni i X n X n X X n S 122122)(11)(11(3)样本标准差：∑=--=ni i X X n S 12)(11(4)样本k 阶原点距： 2,1,11==∑=kXn A ni ki k(5)样本k 阶中心距：∑==-==ni k ik k k X XnM B 13,2,)(1(6)次序统计量：设样本),(21n X X X 的观察值),(21n x x x ，将n x x x 21,按照由小到大的次序重新排列，得到)()2()1(n x x x ≤≤≤ ，记取值为)(i x 的样本分量为)(i X ，则称)()2()1(n X X X ≤≤≤ 为样本),(21n X X X 的次序统计量。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
（3）一些 常见排列 （4）随机 试验和随 机事件
（5）基本 事件、样本 空间和事 件
A B
（6）事件 的关系与 运算 如果同时有 A B ， B A ，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。 属于 A 而不属于 B 的部分所构成的事件，称为 A 与 B 的差，记为 A-B，也可 表示为 A-AB 或者 A B ，它表示 A 发生而 B 不发生的事件。
P( A1 A2 „ An ) P( A1) P( A2 | A1) P( A3 | A1 A2) „„ P( An | A1 A2 „
An 1) 。
①两个事件的独立性 设事件 A 、B 满足 P( AB) P( A) P( B) ， 则称事件 A 、B 是相互独立的。 若事件 A 、 B 相互独立，且 P( A) 0 ，则有
A、B 同时发生：A B，或者 AB。A B=Ø，则表示 A 与 B 不可能同时发生，
称事件 A 与事件 B 互不相容或者互斥。基本事件是互不相容的。
大学教育概率论与数据统计复习材料之公式
/
-A 称为事件 A 的逆事件，或称 A 的对立事件，记为 A 。它表示 A 不发生
0 F ( x) 1,
x ；
F ( x) 是单调不减的函数，即 x1 x2 时，有 F ( x1) F ( x2) ；
F ( ) lim F ( x) 0 ，
x
F ( ) lim F ( x) 1 ；
x
F ( x 0) F ( x) ，即 F ( x) 是右连续的； P( X x) F ( x) F ( x 0) 。
布，所以（0-1）分布是二项分布的特例。
1
第 5 页 共 5 页
大学教育概率论与数据统计复习材料之公式
/
泊松分布 设随机变量 X 的分布律为
第1章
n Pm
随机事件及其概率
从 m 个人中挑出 n 个人进行排列的可能数。
（1）排列 组合公式
n Cm
m! (m n)!
m! 从 m 个人中挑出 n 个人进行组合的可能数。 n!(m n)!
（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。 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 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。 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。 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） ：
P( B | A)
P( AB) P( A) P( B) P( B) P( A) P( A)
（14）独立 性
若事件 A 、 B 相互独立，则可得到 A 与 B 、 A 与 B 、 A 与 B 也都相互独 立。 必然事件 和不可能事件 Ø 与任何事件都相互独立。 Ø 与任何事件都互斥。 ②多个事件的独立性 设 ABC 是三个事件，如果满足两两独立的条件， P(AB)=P(A)P(B)；P(BC)=P(B)P(C)；P(CA)=P(C)P(A) 并且同时满足 P(ABC)=P(A)P(B)P(C) 那么 A、B、C 相互独立。 对于 n 个事件类似。 设事件 B1, B 2,, Bn 满足 1° B1, B 2,, Bn 两两互不相容， P( Bi ) 0(i 1,2,, n) ，
F ( x) f ( x)dx
x
，
则称 X 为连续型随机变量。 f ( x) 称为 X 的概率密度函数或密度函数，简称概 率密度。 密度函数具有下面 4 个性质： 1° 2°
f ( x) 0 。
f ( x)dx 1来自。（3）离散 与连续型 随机变量 的关系
P( X x) P( x X x dx) f ( x)dx
（15）全概 公式
2° 则有
A Bi
i 1
n
，
P( A) P( B1) P( A | B1) P( B2) P( A | B2) P( Bn) P( A | Bn) 。
设事件 B1 ， B 2 ，„， Bn 及 A 满足 1° B1 ， B 2 ，„， Bn 两两互不相容， P( Bi) >0， i 1，2，„， n ， 2° 则
F ( x ) P( X x )
称为随机变量 X 的分布函数，本质上是一个累积函数。
P(a X b) F (b) F (a)
可以得到 X 落入区间 ( a, b] 的概率。分布
函数 F ( x) 表示随机变量落入区间（– ∞，x]内的概率。 分布函数具有如下性质： 1° 2° 3° 4° 5°
P ( AB) 为事件 A 发生条件下，事 P ( A)
1
第 2 页 共 2 页
大学教育概率论与数据统计复习材料之公式
/
件 B 发生的条件概率，记为 P( B / A)
P ( AB) 。 P ( A)
（13）乘法 公式
条件概率是概率的一种，所有概率的性质都适合于条件概率。 例如 P(Ω /B)=1 P( B /A)=1-P(B/A) 乘法公式： P( AB) P( A) P( B / A) 更一般地，对事件 A1，A2，„An，若 P(A1A2„An-1)>0，则有
k k nk P( X k ) Pn(k ) Cn p q
，
其
中
q 1 p,0 p 1, k 0,1,2,, n ，
则称随机变量 X 服从参数为 n ， p 的二项分布。记为
X ~ B(n, p) 。
k 1k 当 n 1 时， P( X k ) p q ， k 0.1 ，这就是（0-1）分
的事件。互斥未必对立。 ②运算： 结合率：A(BC)=(AB)C A∪(B∪C)=(A∪B)∪C 分配率：(AB)∪C=(A∪C)∩(B∪C) (A∪B)∩C=(AC)∪(BC)
德摩根率： i 1
A A
i i 1
i
A B A B ， A B A B
设 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 （7）概率 的公理化 定义 3° 对于两两互不相容的事件 A1 ， A 2 ，„有
（17）伯努 利概型
Pn(k ) C n p k q n k
k
， k 0,1,2,, n 。
第二章
（1）离散 型随机变 量的分布 律
随机变量及其分布
设离散型随机变量 X 的可能取值为 Xk(k=1,2,„)且取各个值的概率，即事 件(X=Xk)的概率为 P(X=xk)=pk，k=1,2,„， 则称上式为离散型随机变量 X 的概率分布或分布律。有时也用分布列的形 式给出：
P( A)
（10）加法 公式 （11）减法 公式 （12）条件 概率
L( A) 。其中 L 为几何度量（长度、面积、体积） 。 L ( )
P(A+B)=P(A)+P(B)-P(AB) 当 P(AB)＝0 时，P(A+B)=P(A)+P(B) P(A-B)=P(A)-P(AB) 当 B A 时，P(A-B)=P(A)-P(B) 当 A=Ω 时，P( B )=1- P(B) 定义 设 A、B 是两个事件，且 P(A)>0，则称
xk x
x
对于离散型随机变量， F ( x)
p
k
；
对于连续型随机变量， F ( x) （5）八大 分布 0-1 分布 二项分布
f ( x)dx
。
P(X=1)=p, P(X=0)=q
在 n 重贝努里试验中，设事件 A 发生的概率为 p 。事件 A 发生 的次数是随机变量，设为 X ，则 X 可能取值为 0,1,2,, n 。
1
第 3 页 共 3 页
大学教育概率论与数据统计复习材料之公式
/
“由果朔因”的推断。 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 1 p q ，用 Pn(k ) 表 示 n 重伯努利试验中 A 出现 k (0 k n) 次的概率，
P Ai P( Ai ) i 1 i 1