概率公式大全
概率的基本公式大全
概率的基本公式大全
人们普遍认为，概率是一种衡量事件发生率的统计工具，它能够
衡量我们不确定的结果，但是什么是概率的公式呢？最基本的概率公
式是概率的乘法（P）。
概率的乘法（P）是指两个不同事件A和B之间的概率，它可以
用以下公式表示：
P（A和B）= P（A）×P（B）
这个公式表明，如果要计算A和B发生的概率，只需要计算A和
B分别发生的概率，然后相乘即可。
边缘概率是一种对事件发生率没有明确关联性的概率计算方法，
它可以用以下公式概括：
P（A）= Σ（P（Ai）×P（B/Ai））
其中，Ai代表A的不同的子类，P（Ai）表示子类Ai发生的概率，P（B/Ai）表示B在Ai发生的情况下发生的概率。
贝叶斯公式是统计学中应用最广泛的一种概率计算公式，它最早
由英国数学家贝叶斯提出，它的表达形式如下：
P（A/B）= P（B/A）×P（A）/P（B）
这表表示，A发生的概率受到B事件发生的概率影响，即A发生
的概率与B发生的概率有关。
总之，概率计算是一个复杂的过程，上面介绍的概率公式只是其
中最基本的几种，但是它们对于解决复杂问题等有着很强的能力。
由
此可见，掌握概率计算的基础理论以及应用这些公式分析问题的能力，对我们的判断和掌握现代社会的未来发展至关重要。
概率问题基本公式
概率问题基本公式
概率问题基本公式有以下几种：
1. 总体概率公式：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包含的样本点数，n(S)表示样本空间中的总样本点数。
2. 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发生的条件下事件A发生的概率，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的概率。
3. 乘法法则：P(A∩B) = P(A) * P(B|A)，其中P(A∩B)表示事件A和事件B同时发生的概率，P(A)表示事件A发生的概率，P(B|A)表示在事件A发生的条件下事件B发生的概率。
4. 加法法则：P(A∪B) = P(A) + P(B) - P(A∩B)，其中P(A∪B)表示事件A和事件B至少发生一个的概率，P(A)和P(B)分别表示事件A和事件B分别发生的概率，P(A∩B)表示事件A和事件B同时发生的概率。
5. 全概率公式：P(A) = ∑[P(A|Bi) * P(Bi)]，其中P(A)表示事件A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(Bi)表示事件Bi发生的概率，∑表示对所有可能的Bi进行求和。
这些公式是概率论中的基本公式，常用于求解概率问题。
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)。
概率公式大全
概率公式大全概率公式大全（上篇）概率公式在概率论中起着非常重要的作用，它们用于描述随机事件的发生概率以及事件之间的关系。
本文将介绍一些常见的概率公式，帮助读者更好地理解和应用概率论。
1. 基本概率公式1) 事件的概率公式：在概率论中，事件的概率通常用P(A)表示，其中A表示一个事件。
事件A的概率可以用下述公式计算：P(A) = N(A) / N(S)其中，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) 样本空间的概率公式：当样本空间S的每个样本点发生的概率相同且为1/N(S)时，我们可以使用下述公式计算事件A的概率：P(A) = N(A) / N(S)这个公式在实际问题中应用广泛，是基本的概率公式之一。
2. 条件概率公式1) 条件概率的定义：在事件B发生的条件下，事件A发生的概率称为A在B 条件下的条件概率，用P(A|B)表示。
条件概率的计算公式如下：P(A|B) = P(A ∩ B) / P(B)其中，P(A ∩ B)表示事件A与事件B同时发生的概率。
2) 乘法公式：乘法公式是条件概率的推广形式，用于计算两个事件同时发生的概率。
根据乘法公式，我们可以得到：P(A ∩ B) = P(A|B) * P(B)这个公式在计算复杂事件的概率时非常有用。
3. 全概率公式全概率公式用于计算一个事件发生的总概率，它假设事件发生的样本空间可以划分为若干个互斥事件。
全概率公式如下：P(A) = Σi P(A|Bi) * P(Bi)其中，Bi表示样本空间S的一个划分，P(A|Bi)表示在Bi条件下事件A发生的概率。
这个公式可以在一些复杂问题中计算事件发生的概率，非常实用。
4. 贝叶斯公式贝叶斯公式是条件概率公式的逆运算，用于通过已知的条件概率反推出相反的条件概率。
根据贝叶斯公式，可以得到：P(A|B) = P(B|A) * P(A) / P(B)其中，P(A)和P(B)分别表示事件A和事件B的概率。
概率运算公式大全初中
概率运算公式大全初中
概率运算在初中数学中主要涉及到基本概率公式、排列组合等内容。
以下是一些初中阶段常见的概率运算公式：
1. 基本概率公式：
- 事件A发生的概率：\[ P(A) = \frac{{\text{有利结果的个数}}}{{\text{总结果的个数}}} \] - 事件A不发生的概率：\[ P(\bar{A}) = 1 - P(A) \]
2. 互斥事件：
- 两个互斥事件A、B同时发生的概率为0：\[ P(A \cap B) = 0 \]
- 两个互斥事件的和事件概率：\[ P(A \cup B) = P(A) + P(B) \]
3. 独立事件：
- 两个独立事件A、B同时发生的概率为它们各自概率的乘积：\[ P(A \cap B) = P(A) \times P(B) \]
4. 排列组合：
- 排列公式：\[ A_n^m = \frac{{n!}}{{(n - m)!}} \]
- 组合公式：\[ C_n^m = \frac{{n!}}{{m! \times (n - m)!}} \]
这些公式在解决概率问题时会有所帮助，但在具体应用时，还需要根据题目的情境灵活运用。
概率统计公式(大全)
.
资料
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
ba
f
(
x)
b
1
a
,
0,
a≤x≤b 其他，
均匀分布
则称随机变量 X 在[a，b]上服从均匀分布，记为 X~U(a，b)。
分布函数为
x
F (x) f (x)dx
。
（2） 连续型随 机变量的 分布密度
设 F(x) 是随机变量 X 的分布函数，若存在非负函数 f (x) ，对任意实数 x ，有
x
F (x) f (x)dx
，
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° f (x) 0 ,
的次数是随机变量，设为 X ，则 X 可能取值为 0,1,2,, n 。
（5） 八大分布
二项分布 即 B(n,p)
P( X
k)
Pn(k )
C
k n
p k q nk
，
q 1 p,0 p 1, k 0,1,2,, n ，
其中
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) 。
n 种方法来完成，则这件事可由 m×n 种方法来完成。
（3） 重复排列和非重复排列（有序）
一 些 常 见 对立事件（至少有一个）
排列
顺序问题
（4） 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，
随 机 试 验 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
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。
- 随机变量的概率密度函数（连续型随机变量）：f(x)是非负函数，且对于任意实数区间[a, b]，有P(a≤X≤b) = ∫[a, b]f(x)dx。
概率公式大全
A A A吸收律：A A AA (AB) A A (A B)A B AB A (AB)反演律：A B AB AB A Bn n n n A概率公式整理1.随机事件及其概率A i 1Ai 1Ai 1Ai 12•概率的定义及其计算P(a X b) P(XF(b)5.离散型随机变量(1) 0 -1分布k 1p (1 p)P(X k)(2)二项分布B(n, p) P(X k) C：p k(1* Possion 定理lim np nnP(A) 1 P(A)P(B A) P(B) P(A)有Hm Cn p k(1 对任意两个事件A, B,有P(B A) P(B) P(AB)加法公式：对任意两个事件A, B,有P(A B) P(A) P(B) P(AB)P(A B) P(A) P(B)b) P(X a)F(a)k, kn kp)P n)0,10,1, , nk!0,1,2,⑶ Poisson分布P(kP(X k) e订，k6.连续型随机变量0,1,2 ,nP(i 1A)3.条件概率乘法公式P(A) 1P(AB) P(A) P B A P(AA2 A n)全概率公式P(A)i 1Bayes公式P(B k A)P(A i A j)nP(AB)丽(P(A) 0)nP(AAjA)j k n(1)(均匀分布(AA2(明)1b af(x)0,0,其他P(AJPA2 A(P(AA2P(AB i)P(AB k)P(A)4.随机变量及其分布分布函数计算A n | A1 A A n1) 0)P(B i) P(A B i) 1P(BQP(ABQ nP(B i)P(AB i) i 1F(x)A n 1(2)指数分布f (x)F(x)E(0, 其他0,1 e(3)正态分布1f(x)石(xX彳 (t 厂F(x) 一 X e 亍* N (0,1)— 标准正态分布x 2 Tdt fYx(yx )f (x,y) f x (X )f x|Y (x y) f Y (y)f x (X )(x)2 e10.随机变量的数字特征数学期望E(X)t 2乏dt X k P k 1(x)...一 V2 7•多维随机变量及其分布 二维随机变量(X ,Y )的分布函数 x y f (u, v)dvdu E(X)xf (x)dx随机变量函数的数学期望阶原点矩E(X k ) F(x, y) 边缘分布函数与边缘密度函数 阶绝对原点矩E(|X|k )F x (x) f (u,v )dvduk阶中心矩E((X E(X))) f x (X )f (x, v)dv 方差 E((X E(X))2) D(X)F y (y)f (u,v)dudv X ，丫的k + l 阶混合原点矩E(X k Y l) f y (y) f(u,y)du X ,Y 的 k + l 阶混合中心矩8.连续型二维随机变量 (1)区域G 上的均匀分布, E(X k lE(X)) (Y E(Y))X ,Y 的 二阶混合原点矩E(XY) 1f (X, y) A , 0, (x, y) G 其他 X ,Y 的二阶混合中心矩X ,Y 的协方差(2)二维正态分布 f (x,y ) 21 2(12)E (X E(X))(YE(Y))X ，丫的相关系数(x 1)2 2 (x 1)(y 2) 21(y 2)222E (X E(X))(YE(Y))vD(Xh D(Y)X 的方差D (X ) =E ((X - E(X))2)2 2D(X) E(X ) E (X)XYf(x, y)f x (x)f Yx (yx) f x (x) 0 f Y (y)f x|Y (x y) f Y (y) o f x (x) f (x, y)dy f xY (xy) f Y (y)dy f Y (y)f(x,y)dx f Yx (yx) f x (x)dxf xY (xy) f(x,y) f Y (y)f Y|x (yx) f x (x) f Y (y)9.二维随机变量的条件分布 协方差cov(X,Y) 相关系数XYE (X E(X))(Y E(Y))E(XY) E(X)E(Y)-D(X Y) D(X) D(Y)2cov(X,Y) D(X)、D(Y)。
《概率论公式大全》Word文档
概率论公式1．随机事件及其概率吸收律：AAB A A A A =⋃=∅⋃Ω=Ω⋃)( AB A A A A A =⋃⋂∅=∅⋂=Ω⋂)( )(AB A B A B A -==-反演律：B A B A =⋃ B A AB ⋃=n i i n i i A A 11=== ni in i i A A 11===2．概率的定义及其计算)(1)(A P A P -=若B A ⊂ )()()(A P B P A B P -=-⇒对任意两个事件A , B , 有 )()()(AB P B P A B P -=-加法公式：对任意两个事件A , B , 有)()()()(AB P B P A P B A P -+=⋃)()()(B P A P B A P +≤⋃)()1()()()()(2111111n n n n k j i k j i n j i j i n i i n i i A A A P A A A P A A P A P A P -≤<<≤≤<≤==-+++-=∑∑∑3．条件概率()=A B P)()(A P AB P乘法公式 ())0)(()()(>=A P A B P A P AB P()())0)(()()(12112112121>=--n n n n A A A P A A A A P A A P A P A A A P全概率公式 ∑==n i i AB P A P 1)()( )()(1i ni i B A P B P ⋅=∑=Bayes 公式)(A B P k )()(A P AB P k = ∑==n i i i k k B A P B P B A P B P 1)()()()(4．随机变量及其分布分布函数计算)()()()()(a F b F a X P b X P b X a P -=≤-≤=≤<5．离散型随机变量(1) 0 – 1 分布1,0,)1()(1=-==-k p p k X P k k(2) 二项分布 ),(p n B若P ( A ) = pn k p p C k X P k n k k n ,,1,0,)1()( =-==-*Possion 定理0lim >=∞→λn n np 有 ,2,1,0!)1(lim ==---∞→k k e p p C kk n n k n kn n λλ(3) Poisson 分布 )(λP,2,1,0,!)(===-k k e k X P kλλ6．连续型随机变量(1) 均匀分布 ),(b a U⎪⎩⎪⎨⎧<<-=其他,0,1)(b x a ab x f ⎪⎪⎩⎪⎪⎨⎧--=1,,0)(a b a x x F(2) 指数分布 )(λE⎪⎩⎪⎨⎧>=-其他,00,)(x e x f x λλ ⎩⎨⎧≥-<=-0,10,0)(x e x x F x λ(3) 正态分布 N (m , s 2 )+∞<<∞-=--x e x f x 222)(21)(σμσπ⎰∞---=x t t e x F d 21)(222)(σμσπ*N (0,1) — 标准正态分布 +∞<<∞-=-x e x x 2221)(πϕ +∞<<∞-=Φ⎰∞--x t e x xt d 21)(22π7.多维随机变量及其分布二维随机变量( X ,Y )的分布函数⎰⎰∞-∞-=xy dvdu v u f y x F ),(),(边缘分布函数与边缘密度函数⎰⎰∞-+∞∞-=xX dvdu v u f x F ),()( ⎰+∞∞-=dv v x f x f X ),()( ⎰⎰∞-+∞∞-=y Y dudv v u f y F ),()(⎰+∞∞-=du y u f y f Y ),()(8.连续型二维随机变量(1) 区域G 上的均匀分布，U ( G ) ⎪⎩⎪⎨⎧∈=其他,0),(,1),(G y x A y x f(2)二维正态分布+∞<<-∞+∞<<∞-⨯-=⎥⎥⎦⎤⎢⎢⎣⎡-+------y x e y x f y y x x ,121),(2222212121212)())((2)()1(21221σμσσμμρσμρρσπσ9.二维随机变量的 条件分布 0)()()(),(>=x f x y f x f y x f X X Y X 0)()()(>=y f y x f y f Y Y X Y ⎰⎰+∞∞-+∞∞-==dy y f y x f dy y x f x f Y Y X X )()(),()( ⎰⎰+∞∞-+∞∞-==dx x f x y f dx y x f y f X X Y Y )()(),()( )(y x f Y X )(),(y f y x f Y = )()()(y f x f x y f Y X X Y =)(x y f X Y )(),(x f y x f X = )()()(x f y f y x f X Y Y X =10.随机变量的数字特征数学期望 ∑+∞==1)(k k k p x X E⎰+∞∞-=dx x xf X E )()(随机变量函数的数学期望X 的 k 阶原点矩)(k X EX 的 k 阶绝对原点矩)|(|k X EX 的 k 阶中心矩)))(((k X E X E -X 的 方差)()))(((2X D X E X E =-X ,Y 的 k + l 阶混合原点矩)(l k Y X EX ,Y 的 k + l 阶混合中心矩()l k Y E Y X E X E ))(())((--X ,Y 的 二阶混合原点矩)(XY EX ,Y 的二阶混合中心矩 X ,Y 的协方差()))())(((Y E Y X E X E --X ,Y 的相关系数XY Y D X D Y E Y X E X E ρ=⎪⎪⎭⎫ ⎝⎛--)()())())(((X 的方差D (X ) =E ((X - E (X ))2))()()(22X E X E X D -=协方差()))())(((),cov(Y E Y X E X E Y X --=)()()(Y E X E XY E -= ())()()(21Y D X D Y X D --±±= 相关系数)()(),cov(Y D X D Y X XY =ρ（注：素材和资料部分来自网络，供参考。
(完整版)概率论公式总结
第一章P(A+B)=P(A)+P(B)- P(AB)特别地，当A 、B 互斥时， P(A+B)=P(A)+P(B) 条件概率公式概率的乘法公式全概率公式：从原因计算结果Bayes 公式：从结果找原因第二章 二项分布（Bernoulli 分布）——X~B(n,p)泊松分布——X~P(λ))()()|(B P AB P B A P =)|()()(B A P B P AB P =)|()(A B P A P =∑==n k k k B A P B P A P 1)|()()(∑==nk k k i i k B A P B P B A P B P A B P 1)|()()|()()|(),...,1,0()1()(n k p p C k X P k n k k n =-==-，,...)1,0(!)(===-k e k k X P k，λλ∑≤==≤=xk k X P x X P x F )()()(概率密度函数怎样计算概率均匀分布X~U(a,b)指数分布X~Exp ()对连续型随机变量分布函数与密度函数的重要关系：二元随机变量及其边缘分布分布规律的描述方法联合密度函数联合分布函数1)(=⎰+∞∞-dx x f )(b X a P ≤≤⎰=≤≤b adx x f b X a P )()(⎰∞-=≤=xdtt f x X P x F )()()(⎰∞-=≤=xdt t f x X P x F )()()(),(y x f ),(y x F 0),(≥y x f 1),(=⎰⎰+∞∞-+∞∞-dxdy y x f )(1)(b x a a b x f ≤≤-=联合密度与边缘密度离散型随机变量的独立性连续型随机变量的独立性第三章数学期望离散型随机变量，数学期望定义连续型随机变量，数学期望定义● E(a)=a ，其中a 为常数● E(a+bX)=a+bE(X)，其中a 、b 为常数● E(X+Y)=E(X)+E(Y)，X 、Y 为任意随机变量随机变量g(X)的数学期望常用公式⎰+∞∞-=dyy x f x f X ),()(⎰+∞∞-=dx y x f y f Y ),()(}{}{},{j Y P i X P j Y i X P =====)()(),(y f x f y x f Y X =∑+∞-∞=⋅=k k k P x X E )(⎰+∞∞-⋅=dx x f x X E )()(∑=kk k p x g X g E )())((方差定义式 常用计算式常用公式 当X 、Y 相互独立时： 方差的性质D(a)=0，其中a 为常数D(a+bX)= abD(X)，其中a 、b 为常数当X 、Y 相互独立时，D(X+Y)=D(X)+D(Y)协方差与相关系数协方差的性质∑∑=i j iji p x X E )(dxdy y x xf X E ⎰⎰=),()()()()(Y E X E Y X E +=+∑∑=i j ij j i p y x XY E )(dxdy y x xyf XY E ⎰⎰=),()()()()(,Y E X E XY E Y X =独立时与当()⎰+∞∞-⋅-=dx x f X E x X D )()()(2[]22)()()(X E X E X D -=))}())(({(2)()()(Y E Y X E X E Y D X D Y X D --++=+)()()(Y D X D Y X D +=+)()(),(Y D X D Y X Cov XY =ρ[][]{})()()()()(Y E X E XY E Y E Y X E X E -=--())()()(),(22X D X E X E X X Cov =-=),(),(Y X abCov bY aX Cov =独立与相关独立必定不相关、相关必定不独立、不相关不一定独立第四章正态分布标准正态分布的概率计算标准正态分布的概率计算公式)()()(a a Z P a Z P Φ=<=≤)(1)()(a a Z P a Z P Φ-=>=≥)()()(a b b Z a P Φ-Φ=≤≤1)(2)()()(-Φ=-Φ-Φ=≤≤-a a a a Z a P一般正态分布的概率计算一般正态分布的概率计算公式),(~2σμN X 222)(21)(σμσπ--=x e x f 2)(,)(σμ==X D X E )(1)(a a -Φ-=Φ)1,0(~),(~2N X Z N X σμσμ-=⇔()()(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。
- 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)。
第一章随机事件和概率（ 1）排列组从 m 个人中挑出 n 个人进行排列的可能数。
合公式从 m 个人中挑出 n 个人进行组合的可能数。
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（ 2）加法和方法来完成，则这件事可由m+n 种方法来完成。
乘法原理乘法原理（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。
（ 3）一些常重复排列和非重复排列（有序）对立事件（至少有一个）见排列顺序问题（ 4）随机试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，但在验和随机事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。
件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。
（ 5）基本事这样一组事件中的每一个事件称为基本事件，用来表示。
件、样本空间基本事件的全体，称为试验的样本空间，用表示。
和事件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， ? 为不可能事件。
（6）事件的关系与运算不可能事件（ ? ）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）：如果同时有，，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，它表示 A 发生而 B 不发生的事件。
A 、B 同时发生： A B ，或者 AB 。
A B=? ，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。
-A 称为事件 A 的逆事件，或称 A 的对立事件，记为。
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 A ∪ (B∪ C)=(A ∪ B) ∪ C分配率： (AB) ∪ C=(A ∪ C)∩ (B∪ C) (A ∪ B) ∩ C=(AC)∪ (BC)德摩根率：，设为样本空间，为事件，对每一个事件都有一个实数 P(A) ，若满足下列三个条（ 7）概率的件：公理化定义1° 0 ≤ P(A)，≤12° P( Ω)=13°对于两两互不相容的事件，，⋯ 有常称为可列（完全）可加性。
则称 P(A) 为事件的概率。
1°，（ 8）古典概2°。
型设任一事件，它是由组成的，则有P(A)= =若随机试验的结果为无限不可数并且每个结果出现的可能性均匀，同时样本空间中（ 9）几何概的每一个基本事件可以使用一个有界区域来描述，则称此随机试验为几何概型。
对型任一事件 A ，。
其中 L 为几何度量（长度、面积、体积）。
（10）加法公 P(A+B)=P(A)+P(B)-P(AB)式当 P(AB) ＝ 0 时， P(A+B)=P(A)+P(B)（11）减法公 P(A-B)=P(A)-P(AB)当 B A 时， P(A-B)=P(A)-P(B)式当 A=Ω时， P( )=1- P(B)定义设A、B是两个事件，且P(A)>0 ，则称为事件A发生条件下，事件（12）条件概的条件概率，记为。
率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( /A)=1 -P(B/A)B 发生乘法公式：（13）乘法公更一般地，对事件A1 ， A2 ，⋯An ，若 P(A1A2⋯An -1)>0 ，则有式⋯⋯⋯⋯。
①两个事件的独立性设事件、满足，则称事件、是相互独立的。
若事件、相互独立，且，则有若事件、相互独立，则可得到与、与、与也都相互独立。
必然事件和不可能事件? 与任何事件都相互独立。
（14）独立性 ? 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。
设事件满足（15）全概公 1°两两互不相容，，2°，式则有。
（16）贝叶斯设事件，，⋯，及满足公式 1°， ， ⋯， 两两互不相容， >0， 1， 2， ⋯ ， ，2°， ， 则， i=1 ， 2，⋯n 。
此公式即为贝叶斯公式。
，（ ， ，⋯ ， ），通常叫先验概率。
，（ ， ，⋯ ， ），通常称为后验概率。
贝叶斯公式反映了 ―因果 ‖的概率规律，并作出了 ―由果朔因 ‖的推断。
我们作了 次试验，且满足u每次试验只有两种可能结果， 发生或 不发生；u次试验是重复进行的，即发生的概率每次均一样；（17）伯努利u每次试验是独立的，即每次试验发生与否与其他次试验发生与否是互不影响的。
概型重伯努利试验。
这种试验称为伯努利概型，或称为用 表示每次试验 发生的概率，则发生的概率为，用 表示 重伯努利试验中出现 次的概率，， 。
第二章 随机变量及其分布（1）离散型 设离散型随机变量 的可能取值为Xk(k=1,2,⋯)且取各个值的概率，即事件随机变量的 (X=Xk) 的概率为 分布律P(X=xk)=pk ， k=1,2, ⋯，则称上式为离散型随机变量 的概率分布或分布律。
有时也用分布列的形式给出： 。
显然分布律应满足下列条件：（1），，（2）。
（2）连续型 设 是随机变量 的分布函数，若存在非负函数，对任意实数 ，有随机变量的 ，分布密度则称 为连续型随机变量。
称为 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° 。
（3）离散与连续型随机 积分元 在连续型随机变量理论中所起的作用与 在离散型随机变量理论中所起变量的关系 的作用相类似。
（ 4）分布函 设 为随机变量， 是任意实数，则函数 数称为随机变量 X 的分布函数，本质上是一个累积函数。
可以得到 X 落入区间 的概率。
分布函数 表示随机变量落入区间（ 的概率。
分布函数具有如下性质： 1° ；2° 是单调不减的函数，即时，有 ；3°， ；4° ，即是右连续的；–∞， x] 内5° 。
对于离散型随机变量，；对于连续型随机变量，。
（5）八大分 0-1 分布P(X=1)=p, P(X=0)=q布二项分布在重贝努里试验中，设事件发生的概率为。
事件发生的次数是随机变量，设为，则可能取值为。
，其中，则称随机变量服从参数为，的二项分布。
记为。
当时，，，这就是（ 0-1）分布，所以（ 0-1）分布是二项分布的特例。
泊松分布设随机变量的分布律为，，，则称随机变量服从参数为的泊松分布，记为或者 P( )。
泊松分布为二项分布的极限分布（np=λ， n→∞）。
超几何分布随机变量 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，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) 。
均匀分布设随机变量的值只落在 [a，b]内，其密度函数在 [a，b]上为常数，即a≤ x≤b其他，则称随机变量在 [a， b]上服从均匀分布，记为X~U(a ， b)。
分布函数为a≤ x≤b0，x<a，1，x>b。
当 a≤x1<x2≤b时， X 落在区间（）内的概率为。
指数分布,0,,其中，则称随机变量X 服从参数为的指数分布。
X的分布函数为,x<0 。
记住积分公式：正态分布设随机变量的密度函数为，，服从参数为、的正态分布或其中、为常数，则称随机变量高斯（ Gauss）分布，记为。
具有如下性质：1°的图形是关于对称的；2°当时，为最大值；若，则的分布函数为。
参数、时的正态分布称为标准正态分布，记为，其密度函数记为，，分布函数为。
是不可求积函数，其函数值，已编制成表可供查用。
Φ(-x)＝ 1-Φ (x)且Φ (0)＝。
如果~，则~。
（6）分位数下分位表：；上分位表：。
（7）函数分离散型已知的分布列为布，的分布列（互不相等）如下：，若有某些相等，则应将对应的相加作为的概率。
连续型先利用 X 的概率密度fX(x) 写出 Y 的分布函数FY(y) ＝P(g(X) ≤y)，再利用变上下限积分的求导公式求出fY(y) 。
第三章二维随机变量及其分布（1）联合分离散型如果二维随机向量（X，Y）的所有可能取值为至多可布列个有序对（ x,y ），则称为离散型随机量。
设 =（ X ，Y ）的所有可能取值为，且事件{ = }的概率为pij,, 称为=（ X ， Y ）的分布律或称为 X 和 Y 的联合分布律。
联合分布有时也用下面的概率分布表来表示：Yy1y2⋯yj⋯Xx1p11p12⋯p1j⋯x2p21p22⋯p2j⋯xi pi1⋯⋯这里 pij 具有下面两个性质：（1） pij ≥0（i,j=1,2, ⋯）；（2）连续型对于二维随机向量，如果存在非负函数，使对任意一个其邻边分别平行于坐标轴的矩形区域 D，即D={(X,Y)|a<x<b,c<y<d} 有则称为连续型随机向量；并称f(x,y) 为 =（ X， Y）的分布密度或称为X 和 Y 的联合分布密度。
分布密度 f(x,y) 具有下面两个性质：（1）f(x,y)≥0;（2）（2）二维随机变量的本质（3）联合分设（ X， Y）为二维随机变量，对于任意实数x,y,二元函数布函数称为二维随机向量（X ，Y ）的分布函数，或称为随机变量X 和 Y 的联合分布函数。
分布函数是一个以全平面为其定义域，以事件的概率为函数值的一个实值函数。
分布函数 F(x,y) 具有以下的基本性质：（ 1）（ 2） F（ x,y ）分别对 x 和 y 是非减的，即当 x2>x1 时，有 F（ x2,y）≥F(x1,y);当 y2>y1 时，有 F(x,y2)≥F(x,y1);（3） F（ x,y ）分别对 x 和 y 是右连续的，即（4）（5）对于.（4）离散型与连续型的关系（5）边缘分离散型X 的边缘分布为布；Y的边缘分布为。