概率知识点总结汇总(最新整理)
概率与统计知识点总结
概率与统计知识点总结一、概率的基本概念概率，简单来说，就是衡量某个事件发生可能性大小的一个数值。
比如抛硬币，正面朝上的概率是 05，意思是在大量重复抛硬币的实验中，正面朝上的次数大约占总次数的一半。
随机事件，就是在一定条件下，可能出现也可能不出现，而在大量重复试验中具有某种规律性的事件。
比如掷骰子得到的点数就是随机事件。
必然事件，就是在一定条件下必然会发生的事件。
比如太阳从东方升起，这就是必然事件。
不可能事件，就是在一定条件下不可能发生的事件。
比如在地球上，水往高处流就是不可能事件。
概率的取值范围在 0 到 1 之间。
0 表示事件不可能发生，1 表示事件必然发生。
二、古典概型古典概型是一种最简单、最基本的概率模型。
它具有两个特点：试验中所有可能出现的基本事件只有有限个；每个基本事件出现的可能性相等。
计算古典概型中事件 A 的概率公式为：P(A) ＝ A 包含的基本事件个数／基本事件的总数。
例如，一个袋子里有 5 个红球和 3 个白球，从中随机摸出一个球是红球的概率，基本事件总数是 8（5 个红球＋ 3 个白球），红球的个数是 5，所以摸到红球的概率就是 5/8。
三、几何概型与古典概型不同，几何概型中的基本事件个数是无限的。
比如在一个时间段内等可能地到达某一地点，或者在一个区域内等可能地取点。
几何概型的概率计算公式是：P(A) ＝构成事件 A 的区域长度（面积或体积）／试验的全部结果所构成的区域长度（面积或体积）。
举个例子，在区间0, 10中随机取一个数，这个数小于 5 的概率就是 5/10 ＝ 05。
四、条件概率条件概率是在已知某个事件发生的条件下，另一个事件发生的概率。
记事件 A 在事件 B 发生的条件下发生的概率为 P(A|B)。
计算公式为：P(A|B) ＝ P(AB) ／ P(B) ，其中 P(AB) 表示事件 A 和事件 B 同时发生的概率。
比如说，已知今天下雨，明天也下雨的概率就是一个条件概率。
(完整版)(最全)高中数学概率统计知识点总结
(完整版)(最全)高中数学概率统计知识点总结-CAL-FENGHAI.-(YICAI)-Company One1概率与统计一、普通的众数、平均数、中位数及方差1、 众数：一组数据中，出现次数最多的数。
2、平均数：①、常规平均数：12nx x x x n++⋅⋅⋅+=②、加权平均数：112212n n n x x x x ωωωωωω++⋅⋅⋅+=++⋅⋅⋅+3、中位数：从大到小或者从小到大排列，最中间或最中间两个数的平均数。
4、方差：2222121[()()()]n s x x x x x x n=-+-+⋅⋅⋅+-二、频率直方分布图下的频率1、频率 =小长方形面积：f S y d ==⨯距；频率=频数/总数2、频率之和：121n f f f ++⋅⋅⋅+=；同时 121n S S S ++⋅⋅⋅+=； 三、频率直方分布图下的众数、平均数、中位数及方差 1、众数：最高小矩形底边的中点。
2、平均数： 112233n nx x f x f x f x f =+++⋅⋅⋅+ 112233n n x x S x S x S x S =+++⋅⋅⋅+3、中位数：从左到右或者从右到左累加，面积等于0.5时x 的值。
4、方差：22221122()()()n n s x x f x x f x x f =-+-+⋅⋅⋅+-四、线性回归直线方程：ˆˆˆybx a =+ 其中：1122211()()ˆ()nni i i i i i nni i i i x x y y x y nxybx x x nx ====---∑∑==--∑∑ , ˆˆay bx =- 1、线性回归直线方程必过样本中心(,)x y ；2、ˆ0:b>正相关；ˆ0:b <负相关。
3、线性回归直线方程：ˆˆˆy bx a =+的斜率ˆb 中，两个公式中分子、分母对应也相等；中间可以推导得到。
五、回归分析1、残差：ˆˆi i i ey y =-（残差=真实值—预报值）。
概率知识点总结及归纳
概率知识点总结及归纳一、概率基础知识1. 随机试验与样本空间随机试验是指在相同条件下，重复进行实验，结果不确定的现象，如掷硬币、抛骰子等。
每次实验的所有可能结果组成的集合称为样本空间，通常用Ω表示。
样本空间的元素称为样本点，通常用ωi表示。
2. 事件与事件的概率事件是样本空间的子集，即样本空间中的一些样本点组成的集合。
事件的概率是指该事件发生的可能性大小，通常用P(A)表示，其中A表示事件。
3. 概率的性质（1）非负性：对任意事件A，有0≤P(A)≤1。
（2）规范性：必然事件的概率为1，不可能事件的概率为0。
（3）可加性：若事件A与事件B互斥（即A与B无公共样本点），则P(A∪B) = P(A) + P(B)；若事件A与事件B不互斥，则P(A∪B) = P(A) + P(B) - P(A∩B)。
4. 等可能概型当所有样本点发生的可能性相等时，称为等可能概型。
在等可能概型中，事件A的概率公式为P(A) = n(A)/n(Ω)，其中n(A)表示事件A中样本点的个数，n(Ω)表示样本空间中样本点的个数。
二、概率的计算方法1. 古典概率法古典概率法适用于等可能概型，即所有样本点发生的可能性相等的情况。
在此情况下，事件A的概率公式为P(A) = n(A)/n(Ω)，其中n(A)表示事件A中样本点的个数，n(Ω)表示样本空间中样本点的个数。
2. 几何概型法几何概型法适用于计算几何概型中的事件概率。
对于几何概型中一个区域的面积为S，事件A发生的区域面积为S(A)，则事件A的概率为P(A) = S(A)/S。
3. 频率统计法频率统计法适用于大量试验中，用实验结果的频率估计事件的概率。
当试验次数增大时，事件A发生的频率逼近于事件A的概率。
频率统计法是概率理论与统计学的基础，也是实际应用中常用的方法。
4. 概率的性质及计算（1）互补事件的概率：对于事件A，其互补事件为A的对立事件，即事件A不发生的概率为1减去事件A发生的概率，即P(Ac) = 1 - P(A)。
概率相关知识点总结
概率相关知识点总结一、概率的基本概念1.1 随机事件在概率论中，随机事件是指在一定条件下，将出现的结果是不确定的事情。
例如掷骰子、抛硬币等都属于随机事件。
1.2 样本空间样本空间是指所有可能结果的集合，通常用S表示。
对于掷骰子来说，样本空间为S={1,2,3,4,5,6}。
1.3 事件的概率事件的概率是指事件发生的可能性大小，通常用P(A)表示。
对于事件A，其概率P(A)满足0≤P(A)≤1。
1.4 事件的互斥与独立事件A和事件B是互斥的，是指事件A发生时事件B不可能发生，即P(A∩B)=0；事件A 和事件B是独立的，是指事件A发生时事件B发生的概率与事件A不发生时事件B发生的概率相等，即P(A∩B)=P(A)P(B)。
1.5 概率的加法规则对于两个事件A和B，它们的并事件的概率满足P(A∪B)=P(A)+P(B)-P(A∩B)。
特别地，如果A和B是互斥事件，则P(A∩B)=0，此时有P(A∪B)=P(A)+P(B)。
1.6 频率与概率频率是指在一次试验中事件发生的次数与试验的总次数的比值。
当试验次数趋于无穷大时，频率趋于概率。
二、概率的性质2.1 非负性对于任意事件A，有P(A)≥0。
2.2 规范性对于样本空间S，有P(S)=1。
2.3 互斥事件概率的加法性质对于互斥事件A和B，有P(A∪B)=P(A)+P(B)。
2.4 对立事件概率的互补性对于事件A的对立事件A'，有P(A')+P(A)=1。
2.5 事件的独立性对于事件A和事件B，如果P(A∩B)=P(A)P(B)，则称事件A和事件B是独立的。
2.6 独立事件的加法性质对于独立事件A和B，有P(A∪B)=P(A)+P(B)-P(A)P(B)。
三、常见概率分布3.1 二项分布二项分布是最为常见的概率分布之一，用来描述在n次独立重复试验中成功次数的分布。
设每次试验成功的概率为p，失败的概率为1-p，则n次试验中成功次数X服从二项分布B(n,p)。
(完整版)概率论知识点总结
概率论知识点总结第一章 随机事件及其概率第一节 基本概念随机实验：将一切具有下面三个特点：（1）可重复性（2）多结果性（3）不确定性的试验或观察称为随机试验，简称为试验，常用 E 表示。
随机事件：在一次试验中，可能出现也可能不出现的事情（结果）称为随机事件，简称为事件。
不可能事件：在试验中不可能出现的事情，记为Ф。
必然事件：在试验中必然出现的事情，记为Ω。
样本点：随机试验的每个基本结果称为样本点，记作ω.样本空间：所有样本点组成的集合称为样本空间. 样本空间用Ω表示.一个随机事件就是样本空间的一个子集。
基本事件—单点集，复合事件—多点集一个随机事件发生，当且仅当该事件所包含的一个样本点出现。
事件的关系与运算（就是集合的关系和运算）包含关系：若事件 A 发生必然导致事件B 发生，则称B 包含A ，记为或。
A B ⊇B A ⊆相等关系：若且，则称事件A 与事件B 相等，记为A ＝B 。
A B ⊇B A ⊆事件的和：“事件A 与事件B 至少有一个发生”是一事件，称此事件为事件A 与事件B 的和事件。
记为 A ∪B 。
事件的积：称事件“事件A 与事件B 都发生”为A 与B 的积事件，记为A∩ B 或AB 。
事件的差：称事件“事件A 发生而事件B 不发生”为事件A 与事件B 的差事件,记为 A －B 。
用交并补可以表示为。
B A B A =-互斥事件：如果A ，B 两事件不能同时发生，即AB ＝Φ，则称事件A 与事件B 是互不相容事件或互斥事件。
互斥时可记为A ＋B 。
B A ⋃对立事件：称事件“A 不发生”为事件A 的对立事件（逆事件），记为。
对立事件的性质：A 。
Ω=⋃Φ=⋂B A B A ,事件运算律：设A ，B ，C 为事件，则有（1）交换律：A ∪B=B ∪A ，AB=BA（2）结合律：A ∪(B ∪C)=(A ∪B)∪C=A ∪B ∪C A(BC)=(AB)C=ABC（3）分配律：A ∪(B∩C)＝(A ∪B)∩(A ∪C) A(B ∪C)＝(A∩B)∪(A∩C)= AB ∪AC （4）对偶律（摩根律）： B A B A ⋂=⋃BA B A ⋃=⋂第二节 事件的概率概率的公理化体系：（1）非负性：P(A)≥0；（2）规范性：P(Ω)＝1（3）可数可加性：两两不相容时⋃⋃⋃⋃n A A A 21++++=⋃⋃⋃⋃)()()()(2121n n A P A P A P A A A P 概率的性质：（1）P(Φ)＝0（2）有限可加性：两两不相容时n A A A ⋃⋃⋃ 21)()()()(2121n n A P A P A P A A A P +++=⋃⋃⋃ 当AB=Φ时P(A∪B)＝P(A)＋P(B)（3）)(1)(A P A P -=（4）P(A －B)＝P(A)－P(AB)（5）P （A ∪B ）＝P(A)＋P(B)－P(AB)第三节 古典概率模型1、设试验E 是古典概型,其样本空间Ω由n 个样本点组成,事件A 由k 个样本点组成.则定义事件A 的概率为nk A P =)(2、几何概率：设事件A 是Ω的某个区域，它的面积为 μ(A)，则向区域Ω上随机投掷一点，该点落在区域 A 的概率为)()()(Ω=μμA A P 假如样本空间Ω可用一线段，或空间中某个区域表示，则事件A 的概率仍可用上式确定，只不过把μ理解为长度或体积即可.第四节 条件概率条件概率：在事件B 发生的条件下，事件A 发生的概率称为条件概率，记作 P(A|B).)()()|(B P AB P B A P =乘法公式：P(AB)=P(B)P(A|B)＝P(A)P(B|A)全概率公式：设是一个完备事件组，则P(B)=∑P()P(B|)n A A A ,,,21 i A i A 贝叶斯公式：设是一个完备事件组,则n A A A ,,,21 ∑==)|()()|()()()()|(j j i i i i A B P A P A B P A P B P B A P B A P 第五节 事件的独立性两个事件的相互独立：若两事件A 、B 满足P(AB)= P(A) P(B)，则称A 、B 独立，或称A 、B 相互独立.三个事件的相互独立：对于三个事件A 、B 、C ，若P(AB)= P(A) P(B)，P(AC)= P(A)P(C)，P(BC)= P(B) P(C)，P(ABC)= P(A) P(B)P(C)，则称A 、B 、C 相互独立三个事件的两两独立：对于三个事件A 、B 、C ，若P(AB)= P(A) P(B)，P(AC)= P(A)P(C)，P(BC)= P(B) P(C)，则称A 、B 、C 两两独立独立的性质：若A 与B 相互独立，则与B ，A 与，与均相互独立A B A B 总结：1.条件概率是概率论中的重要概念，其与独立性有密切的关系，在不具有独立性的场合，它将扮演主要的角色。
概率知识点归纳整理总结
概率知识点归纳整理总结概率基础知识1. 样本空间和事件概率论的基本概念是样本空间和事件。
样本空间是一个随机试验所有可能结果的集合，通常用Ω表示。
事件是样本空间的一个子集，表示随机试验的一些结果。
事件的概率描述了该事件发生的可能性有多大。
2. 概率的定义在样本空间Ω中，事件A包含n(A)个基本事件，概率P(A)定义为P(A)=n(A)/n(Ω)，即事件A的发生可能性是A包含的基本事件数目与样本空间的基本事件数目之比。
3. 概率的性质概率具有以下几个性质：（1）非负性：对于任意事件A，有0≤P(A)≤1；（2）规范性：样本空间的概率为1，即P(Ω)=1；（3）可列可加性：若事件A1，A2，A3，...两两互斥，则P(A1∪A2∪A3∪...)=P(A1)+P(A2)+P(A3)+...。
4. 条件概率条件概率是指在事件B已经发生的条件下，事件A发生的概率，表示为P(A|B)，其定义为P(A|B)=P(A∩B)/P(B)。
5. 独立事件两个事件A和B称为独立事件，当且仅当P(A∩B)=P(A)P(B)。
6. 贝叶斯定理贝叶斯定理是用来计算逆概率的定理，它表示为P(A|B)=P(B|A)P(A)/P(B)。
概率的应用1. 排列与组合排列和组合是概率论的一个重要应用。
排列是指从n个不同元素中取出m个元素进行排列的种数，用P(n,m)表示，其公式为P(n,m)=n!/(n-m)!。
组合是指从n个不同元素中取出m个元素进行组合的种数，用C(n,m)表示，其公式为C(n,m)=n!/(m!(n-m)!）。
2. 事件的独立性在概率论中，独立性是一个重要的概念。
事件A和事件B称为独立事件，如果P(A∩B)=P(A)P(B)，即事件A的发生与事件B的发生互不影响。
在实际应用中，很多情况下要求两个事件的独立性，以便于计算事情发生的可能性。
3. 随机变量随机变量是概率论中的一个重要概念，它是一个从样本空间到实数的映射。
随机变量可分为离散型和连续型两种。
高二数学概率知识点总结
高二数学概率知识点总结
一、随机事件的概率
1. 随机事件：在一定条件下可能发生也可能不发生的事件。
2. 必然事件：在一定条件下必然发生的事件。
3. 不可能事件：在一定条件下不可能发生的事件。
4. 概率的定义：对于一个随机事件A，它发生的概率P(A)满足0 ≤ P(A) ≤ 1。
如果P(A)=1，则事件A 为必然事件；如果P(A)=0，则事件A 为不可能事件。
二、古典概型
1. 古典概型的特征：
-试验中所有可能出现的基本事件只有有限个。
-每个基本事件出现的可能性相等。
2. 古典概型的概率计算公式：P(A)=事件A 包含的基本事件数÷总的基本事件数。
三、几何概型
1. 几何概型的特征：
-试验中所有可能出现的结果（基本事件）有无限多个。
-每个基本事件出现的可能性相等。
2. 几何概型的概率计算公式：P(A)=构成事件A 的区域长度（面积或体积）
÷试验的全部结果所构成的区域长度（面积或体积）。
四、互斥事件和对立事件
1. 互斥事件：如果事件A 和事件B 不能同时发生，那么称事件A 和事件B 为互斥事件。
-互斥事件的概率加法公式：P(A∪B)=P(A)+P(B)（A、B 互斥）。
2. 对立事件：如果事件A 和事件B 必有一个发生，且仅有一个发生，那么称事件A 和事件 B 为对立事件。
-对立事件的概率计算公式：P(A)=1 - P(A 的对立事件)。
概率问题知识点总结
概率问题知识点总结1. 概率的基本概念概率是描述随机现象发生可能性大小的量。
在概率论中，事件A的概率一般用P(A)表示。
概率的基本性质包括：（1）非负性：对于任意事件A，有P(A)≥0；（2）规范性：必然事件的概率为1，即P(S)=1；（3）可列可加性：对于两个不相容事件A和B，有P(A∪B)=P(A)+P(B)。
2. 条件概率条件概率是指在给定另一事件发生的条件下，某一事件发生的概率。
条件概率常用P(A|B)表示，表示在事件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)3. 独立事件如果事件A和事件B相互独立，那么P(A|B)=P(A)，P(B|A)=P(B)。
也就是说，事件A的发生并不影响事件B的发生，反之亦然。
两个事件相互独立的充分必要条件是P(A∩B)=P(A)P(B)。
4. 随机变量与概率分布随机变量是指对随机现象结果进行量化的变量。
随机变量可以分为离散型随机变量和连续型随机变量。
离散型随机变量的取值有限或者可数，而连续型随机变量的取值是连续的。
随机变量的概率分布是指它取各个可能值的概率。
5. 期望与方差随机变量的期望是对其取值进行加权平均的结果，反映了其平均水平。
期望用E(X)或μ表示。
随机变量的方差是对其取值与期望的偏离程度进行加权平均的结果，反映了其分散程度。
方差用Var(X)或σ²表示。
6. 参数估计参数估计是指在已知数据的情况下，对总体的某种特征（参数）进行估计的过程。
参数估计的方法包括点估计和区间估计。
点估计的目标是寻找一个能够最好地估计总体参数的数值，而区间估计给出的是总体参数的估计范围。
7. 假设检验假设检验是指根据样本信息对总体分布或参数提出的假设进行检验的过程。
在假设检验中，我们首先提出原假设和备择假设，然后计算一个检验统计量，最后根据检验统计量的大小来判断是否拒绝原假设。
8. 贝叶斯定理贝叶斯定理是概率论中的一个重要定理，它描述了在已知事件B发生的条件下，事件A发生的概率。
- 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)。
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)
P(A-B)=P(A)-P(AB) （11）减法公
当 B A 时，P(A-B)=P(A)-P(B) 式
当 A=Ω 时，P( )=1- P(B)
,
x<0。
记住积分公式：
正态分布
设随机变量 的密度函数为 ，， 其中 、 为常数，则称随机变量 服从参数为 、 的正态分布或高斯 （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
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 布
P(X=1)=p, P(X=0)=q
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。
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 B 发生
的条件概率，记为 。 （12）条件概
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)
乘法公式：
（13）乘法公
式
更一般地，对事件 A1，A2，…An，若 P(A1A2…An-1)>0，则有
在已知 Y=y 的条件下，X 的条件分布密度为 ； 在已知 X=x 的条件下，Y 的条件分布密度为
F(X,Y)=FX(x)FY(y)
有零不独立 f(x,y)=fX(x)fY(y) 直接判断，充要条件： ①可分离变量
②正概率密度区间为矩形
二维正态分布
＝0
随机变量的函数
若 X1,X2,…Xm,Xm+1,…Xn 相互独立， h,g 为连续函数，则： h（X1，X2,…Xm）和 g（Xm+1,…Xn）相互独立。 特例：若 X 与 Y 独立，则：h（X）和 g（Y）独立。
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
则有
。
设事件 ， ，…， 及 满足
1° ， ，…， 两两互不相容， >0， 1，2，…， ，
2° ， ，
（16）贝叶斯 则
公式
，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。
常称为可列（完全）可加性。 则称 P(A)为事件 的概率。 1° ， 2° 。 （8）古典概 设任一事件 ，它是由 组成的，则有 型 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
例如：若 X 与 Y 独立，则：3X+1 和 5Y-2 独立。
（8）二维均 设随机向量（X，Y）的分布密度函数为 匀分布
其中 SD为区域 D 的面积，则称（X，Y）服从 D 上的均匀分布，记为（X，Y）～U（D）。 例如图 3.1、图 3.2 和图 3.3。 y 1Biblioteka D1O1x
图 3.1
y D2
1
1
O
（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 变量的关系 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
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)。
（4） （5）对于 . （4）离散型 与连续型的 关系 （5）边缘分 离散型 布
连续型
（6）条件分 离散型 布
连续型
（7）独立性 一般型 离散型 连续型
X 的边缘分布为 ； Y 的边缘分布为 。 X 的边缘分布密度为
Y 的边缘分布密度为
在已知 X=xi 的条件下，Y 取值的条件分布为
在已知 Y=yj 的条件下，X 取值的条件分布为
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（– ∞，x]内 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；
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 方法来完成，则这件事可由 m+n 种方法来完成。 （2）加法和 乘法原理（两个步骤分别不能完成这件事）：m×n 乘法原理 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。
，。
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） 。
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。
（6）事件的 ①关系： 关系与运算 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=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。 -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)，若满足下列三个条件： 1° 0≤P(A)≤1， 2° P(Ω) =1 （7）概率的 3° 对于两两互不相容的事件 ， ，…有 公理化定义
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；
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 （17）伯努利
响的。 概型
这种试验称为伯努利概型，或称为 重伯努利试验。
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，
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≤b
0，
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
Y
y1
y2
…
yj
…
X
x1
p11 p12 …
p1j
…
x2
p21 p22 …
p2j
…
xi
pi1
…
…
连续型
这里 pij 具有下面两个性质： （1）pij≥0（i,j=1,2,…）；
（2）