考研概率论与数理统计公式大全
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。
考研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1.概率公式：-概率的加法公式：P(A∪B)=P(A)+P(B)-P(A∩B)-概率的乘法公式：P(A∩B)=P(A)P(B，A)=P(B)P(A，B)-全概率公式：P(B)=P(A1)P(B，A1)+P(A2)P(B，A2)+...+P(An)P(B，An)-贝叶斯公式：P(Ai，B)=P(B，Ai)P(Ai)/(P(B，A1)P(A1)+P(B，A2)P(A2)+...+P(B，An)P(An))2.随机变量与分布：- 期望：E(X) = ∑(xP(X=x))或E(X) = ∫(xf(x)dx)- 方差：Var(X) = E[(X - E(X))^2] = E(X^2) - [E(X)]^2- 协方差：Cov(X, Y) = E[(X - E(X))(Y - E(Y))]- 标准差：SD(X) = sqrt(Var(X))-二项分布：P(X=k)=C(n,k)p^k(1-p)^(n-k)- 泊松分布：P(X = k) = (lambda^k)e^(-lambda) / k!- 正态分布：P(X = x) = (1 / (sqrt(2*pi)*sigma)) * e^(-(x-mu)^2 / (2*sigma^2))3.估计与检验：-极大似然估计：L(θ)=∏(f(x_i;θ))-似然比检验：λ=L(θ)/L(θ0)- 估计的无偏性：E(θ_hat) = θ- 估计的有效性：Var(θ_hat) ≤ Var(θ)- 中心极限定理：对于均值为μ、方差为σ^2的随机变量X，若样本容量n趋于无穷大，则样本均值X_bar的极限分布服从正态分布4.相关与回归：- 相关系数：r = Cov(X, Y) / (SD(X) * SD(Y))-简单线性回归方程：Y=β0+β1X+ε- 最小二乘估计：β1 = Cov(X, Y) / Var(X)- 线性回归预测：Y_hat = β0 + β1X5.抽样分布：- 样本均值分布：X_bar ~ N(μ, σ^2 / n)- 样本比例分布：p_hat ~ N(p, p(1-p) / n)-卡方分布：X^2~χ^2(k)-t分布：T~t(n)-F分布：F~F(m,n)以上是一些概率论与数理统计中常见的公式，希望对你的学习有所帮助。
概率论与数理统计-重要公式
概率论与数理统计-重要公式一、随机事件与概率二、随机变量及其分布1、分布函数()()(),()()()()k k x xx P X x F x P X x P a X b F b F a f t dt≤-∞⎧=⎪=≤=<≤=-⎨⎪⎩∑⎰ 概率密度函数计算概率：2、离散型随机变量及其分布3、续型型随机变量及其分布1)(=⎰+∞∞-dx x f ⎰=≤≤badxx f b X a P )()(一般正态分布的概率计算公式分布函数对离散型随机变量对连续型随机变量分布函数与密度函数的重要关系：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 h(y)是g(x)的反函数三、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 X x Y y p i j ==== 联合分布函数(,)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 ⋅====联合密度函数2、连续型二维随机变量及其分布 ①分布函数及性质 分布函数：⎰⎰∞-∞-=x ydudv v u f y x F ),(),(⎰∞-=≤=x dtt f x X P x F )()()(∑≤==≤=xk k X P x X P x F )()()()()('x f x F =⎰∞-=≤=xdtt f x X P x F )()()(1),(0≤≤y x F },{),(y Y x X P y x F ≤≤=),(y x f 0),(≥y x f 1),(=⎰⎰+∞∞-+∞∞-dxdy y x f )()()(σμ-Φ=<=≤a a X P a X P )(1)()(σμ-Φ-=>=≥a a X P a X P )()()(σμσμ-Φ--Φ=≤≤a b b X a P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：⎰⎰∞-+∞∞-=x X dvdu v u f x F ),()( 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 ),()(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 ⇔=，连续型：(,)()()X Y f x y f x f y = 离散型：..ij i j p p p = ，4、二维随机变量和函数的分布(卷积公式)离散型：()(,)i j kk i j x y z P Z z P X x Y y +=====∑注意部分可加性连续型：()(,)(,)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⎰+∞∞-=dxx 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 =(正对逆错)随机变量g(X)的数学期望2、方差 ①定义：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 Cov②相关系数： ()()XY D X D Y 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 =++Cov(x,a)=0(a 为常数)，),(2)()()(22Y X abCov Y D b X D a bY aX D ±+=±4、常见随机变量分布的数学期望和方差}{}{},{j Y P i X P j Y i X P =====∑=kkk p x g X g E )())((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 ii 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 N μσ==-−−→∑ 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：22lim }()2t x n P x dt x π-→∞≤==Φ⎰③近似计算：1()nk k P a X b n n σσ=≤≤≈Φ-Φ∑ 六、数理统计的基本概念1、总体和样本的分布函数设总体X ～F(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 ini 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==∑=k X n A ni k i k样本k 阶中心距：11(),1,2,3nk k i i B X X k n ==-=∑3、三大抽样分布(1)2χ分布（卡方分布）：设随机变量X ～B(0,1)(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 。
概率论与数理统计公式
概率论与数理统计公式以下是概率论与数理统计中常见的公式整理：1.基本概率公式：P(A) = n(A) / n(S)，其中A 为事件，n(A) 为事件A 发生的基数，n(S) 为样本空间的基数。
2.条件概率公式：P(A|B) = P(A∩B) / P(B)，其中A 和B 为两个事件，P(A∩B) 表示事件A 和事件B 同时发生的概率，P(B) 表示事件B 发生的概率。
3.全概率公式：P(A) = ΣP(A|Bi) * P(Bi)，其中Bi 为互不相交的事件，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。
4.贝叶斯公式：P(Bi|A) = P(A|Bi) * P(Bi) / ΣP(A|Bj) * P(Bj)，其中Bi 为互不相交的事件，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，P(A|Bj) 表示在事件Bj 发生的条件下，事件A 发生的概率。
5.随机变量的期望值：E(X) = Σxi * P(xi)，其中X 为随机变量，xi 为随机变量X 取的第i 个值，P(xi) 表示X 取xi 的概率。
6.随机变量的方差：Var(X) = E((X - E(X))^2)，其中X 为随机变量，E(X) 表示X 的期望值。
7.正态分布的概率密度函数：f(x) = (1 / (σ* √(2π))) * e^(-((x-μ)^2 / (2σ^2)))，其中μ为正态分布的均值，σ为正态分布的标准差。
8.标准正态分布的概率密度函数：f(x) = (1 / √(2π)) * e^(-x^2 / 2)，其中x 为标准正态分布的随机变量。
9.两个随机变量的协方差：Cov(X,Y) = E((X - E(X)) * (Y - E(Y)))，其中X 和Y 为两个随机变量，E(X) 和E(Y) 分别表示X 和Y 的期望值。
概率论与数理统计核心公式汇总
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。
概率论与数理统计公式整理
概率论与数理统计公式整理概率论和数理统计是数学中重要的分支，广泛应用于科学、工程、经济、金融等领域。
本文将对概率论和数理统计中常用的公式进行整理，以帮助读者更好地理解和应用这些概念和方法。
一、概率论公式1. 基本概率公式：P(A) = 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的样本空间，n(S)表示样本空间中所有可能结果的个数。
2. 概率的加法公式：P(A ∪ B) = P(A) + P(B) - P(A ∩ B)其中P(A ∪ B)表示事件A或B发生的概率，P(A ∩ B)表示事件A和B同时发生的概率。
3. 条件概率公式：P(A | B) = P(A ∩ B) / P(B)其中P(A | B)表示在事件B已经发生的条件下，事件A发生的概率。
4. 乘法公式：P(A ∩ B) = P(B) * P(A | B) = P(A) * P(B | A)其中P(A ∩ B)表示事件A和B同时发生的概率。
5. 全概率公式：P(A) = ∑[P(Bi) * P(A | Bi)]其中{Bi}为样本空间S的一个划分，P(Bi)表示事件Bi发生的概率。
二、数理统计公式1. 期望：E(X) = ∑[x * P(X = x)]其中X表示随机变量，x表示X可能取到的值，P(X = x)表示X取到x的概率。
2. 方差：Var(X) = E[(X - E(X))^2]其中E(X)表示随机变量X的期望。
3. 标准差：σ(X) = √(Var(X))其中Var(X)表示随机变量X的方差。
4. 协方差：Cov(X, Y) = E[(X - E(X)) * (Y - E(Y))]其中X和Y分别表示两个随机变量。
5. 相关系数：ρ(X, Y) = Cov(X, Y) / (σ(X) * σ(Y))其中Cov(X, Y)表示X和Y的协方差，σ(X)和σ(Y)分别表示X和Y的标准差。
三、概率分布公式1. 二项分布：P(X = k) = C(n, k) * p^k * (1 - p)^(n-k)其中X服从二项分布，n表示试验次数，k表示成功次数，p 表示每次试验成功的概率。
概率论与数理统计完整公式
概率论与数理统计完整公式概率论与数理统计是数学的一个分支，研究随机现象和随机变量之间的关系、随机变量的分布规律、经验规律及参数估计等内容。
在概率论与数理统计的学习中，有许多重要的公式需要掌握。
以下是概率论与数理统计的完整公式。
一、概率论公式：1.全概率公式：设A1，A2，…，An为样本空间S的一个划分，则对任意事件B，有：P(B)=P(B│A1)·P(A1)+P(B│A2)·P(A2)+…+P(B│An)·P(An)2.贝叶斯公式：对于样本空间S的一划分A1，A2，…，An，其中P(Ai)>0，i=1,2，…，n，并且B是S的任一事件，有：P(Ai│B)=[P(B│Ai)·P(Ai)]/[P(B│A1)·P(A1)+P(B│A2)·P(A2)+…+P (B│An)·P(An)]3.事件的独立性：若对事件A，B有P(AB)=P(A)·P(B)，则称事件A，B相互独立。
4.概率的乘法公式：对于独立事件A1，A2，…，An，有：P(A1A2…An)=P(A1)·P(A2)·…·P(An)5.概率的加法公式：对事件A，B有：P(A∪B)=P(A)+P(B)-P(AB)6.条件概率的计算：对事件A，B有：P(A，B)=P(AB)/P(B)7.古典概型的概率计算：设事件A在n次试验中发生k次的次数服从二项分布B(n,p)，则其概率可表示为：P(X=k)=C(n,k)·p^k·(1-p)^(n-k)，其中C(n,k)=n!/[k!(n-k)!]二、数理统计公式：1.样本均值的期望和方差：样本的均值X̄的期望和方差分别为： E(X̄) = μ，Var(X̄) = σ^2 / n，其中μ 为总体的均值，σ^2 为总体方差，n 为样本容量。
2.样本方差的期望：样本方差S^2的期望为：E(S^2)=σ^2，其中σ^2为总体方差。
考研概率论与数理统计公式大全
Pn(k ) C n p k q nk ， k 0,1,2,, n 。
k
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：
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。
1
-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
的事件。互斥未必对立。 ②运算： 结合率：A(BC)=(AB)C
i 1
i 1
常称为可列（完全）可加性。 则称 P(A)为事件 A 的概率。 1° 1 , 2 n ， 2° P(1 ) P( 2 ) P( n ) （8）古典 概型
设任一事件 A ，它是由 1 , 2 m 组成的，则有
1 。 n
随机变量 X 服从参数为 n,N,M 的超几何分布，记为 H(n,N,M)。 几何分布
P( X k ) q k 1 p, k 1,2,3, ，其中 p≥0，q=1-p。
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、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)。
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)。
-样本标准差：s=√s^2
3.样本分布：
-样本均值的分布：样本均值的期望值为总体均值μ，标准差为总体
标准差σ/√n。
-样本方差的分布：样本方差的期望值为总体方差σ^2，标准差为总
体标准差σ/√2(n-1)。
4.参数估计：
-点估计：用样本统计量估计总体参数的值。
-置信区间估计：估计总体参数的范围。
5.假设检验：
-原假设：对总体参数的其中一种断言。
-备择假设：对总体参数的另一种断言。
-显著性水平：拒绝原假设的概率。
-P值：原假设成立的条件下，观察到的统计量至少达到所得到的统
计量的概率。
6.卡方检验：
-卡方检验的拟合优度：用于比较观察值与理论值之间的差异。
-卡方检验的独立性：用于检验两个变量是否相互独立。
7.t检验：
-单样本t检验：用于检验总体均值与给定值之间的差异。
-独立样本t检验：用于比较两个独立样本的均值是否有显著差异。
-配对样本t检验：用于比较同一组样本的两个配对数据之间的差异。
8.方差分析：
-单因素方差分析：用于比较两个或多个总体均值是否有显著差异。
-两因素方差分析：用于比较两个或多个因素对总体均值的影响是否有显著差异。
这只是概率论与数理统计中的一些重要公式，实际上还有很多其他公式和应用。
在考研中，重点掌握这些公式，并多做相关的习题和真题，以提高解题能力。