概率公式大全

第一章随机事件和概率第二章随机变量及其分布第三章二维随机变量及其分布第四章随机变量的数字特征第五章大数定律和中心极限定理第六章样本及抽样分布第八章假设检验单正态总体均值和方差的假设检验公式整理1．随机事件及其概率吸收律：AAB A AA A =⋃=∅⋃Ω=Ω⋃)( AB A A A AA =⋃⋂∅=∅⋂=Ω⋂)()(AB A B A B A -==-反演律：B A B A =⋃ B A AB ⋃=n i in i iA A 11=== ni in i iA 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 nnk j i kjinj i jini 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∑==ni 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 kk n ,,1,0,)1()( =-==-＊Possion 定理0lim >=∞→λn n np有,2,1,0!)1(lim ==---∞→k k ep p C kkn n k nkn n λλ(3） Poisson 分布 )(λP,2,1,0,!)(===-k k ek 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 xλ （3） 正态分布 N (μ , σ 2 ）+∞<<∞-=--x ex f x 222)(21)(σμσπ⎰∞---=xt t ex 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⎰⎰∞-∞-=xydvdu 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 ),()(⎰⎰∞-+∞∞-=yY 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),(Gy x A y x f(2)二维正态分布+∞<<-∞+∞<<∞-⨯-=⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎣⎡-+------y x ey 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 X0)()()(>=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)(kX E X 的 k 阶绝对原点矩)|(|kX E X 的 k 阶中心矩)))(((kX E X E - X 的 方差)()))(((2X D X E X E =- X ,Y 的 k + l 阶混合原点矩)(lkY X E X ，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⎰∞---=xt t ex 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⎰⎰∞-∞-=xydvdu 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 ),()(⎰⎰∞-+∞∞-=yY 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),(Gy x A y x f(2）二维正态分布+∞<<-∞+∞<<∞-⨯-=⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎣⎡-+------y x ey 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 X0)()()(>=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)))(((kX 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 E X ，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。