概率论知识点总结
概率论知识点
第一章 随机事件及其概率§1.1 随机事件及其运算随机现象：概率论的基本概念之一。
是人们通常说的偶然现象。
其特点是,在相同的条件下重复观察时,可能出现这样的结果,也可能出现那样的结果,预先不能断言将出现哪种结果.例如,投掷一枚五分硬币,可能“国徽”向上,也可能“伍分”向上;从含有5件次品的一批产品中任意取出3件,取到次品的件数可能是0,1,2或3.随机试验：概率论的基本概念之一.指在科学研究或工程技术中,对随机现象在相同条件下的观察。
对随机现象的一次观察(包括试验、实验、测量和观测等),事先不能精确地断定其结果,而且在相同条件下可以重复进行,这种试验就称为随机试验。
样本空间: 概率论术语。
我们将随机试验E 的一切可能结果组成的集合称为E 的样本空间,记为Ω。
样本空间的元素,即E 的每一个结果,称为样本点。
随机事件：实际中,在进行随机试验时,人们常常关心满足某种条件的那些样本点所组成的集合.称试验E 的样本空间Ω的子集为E 的随机事件,简称事件.在每次试验中,当且仅当这一子集中的一个样本点出现时,称这一事件发生.特别,由一个样本点组成的单点集,称为基本事件.样本空间Ω包含所有的样本点,它是Ω自身的子集,在每次试验中它总是发生的,称为必然事件.空集Ø不包含任何样本点,它也作为样本空间的子集,它在每次试验中都不发生,称为不可能事件.互斥事件（互不相容事件）: 若事件A 与事件B 不可能同时发生，亦即ΦB A = ，则称事件A 与事件B 是互斥(或互不相容)事件。
互逆事件: 事件A 与事件B 满足条件ΦB A = ，Ω=B A ,则称A 与B 是互逆事件，也称A 与B 是对立事件,记作A B =（或B A =）。
互不相容完备事件组：若事件组n A A A ,,21满足条件ΦA A j i = ，（n 1,2j i, =），Ω== n 1i i A,则称事件组n A A A ,,21为互不相容完备事件组(或称n A A A ,,21为样本空间Ω的一个划分)。
概率论的知识点总结
概率论的知识点总结1.概率的基本概念概率是描述随机事件发生可能性的数学工具，其基本概念包括样本空间、事件和概率空间。
样本空间是随机试验的所有可能结果的集合，事件是样本空间的子集，概率空间包括样本空间和定义在样本空间上的概率测度。
2.概率分布概率分布描述了随机变量可能取值的概率情况。
概率分布分为离散分布和连续分布两种。
常见的离散分布包括伯努利分布、二项分布、泊松分布等；常见的连续分布包括均匀分布、正态分布、指数分布等。
概率密度函数和累积分布函数是描述连续分布的重要工具。
3.随机变量随机变量是一种具有随机性的变量，它可以取样本空间中的某些值。
随机变量分为离散随机变量和连续随机变量。
离散随机变量的概率分布由概率质量函数描述，连续随机变量的概率分布由概率密度函数描述。
4.数学期望和方差数学期望是随机变量的平均值，描述了随机变量的位置参数；方差是随机变量与其数学期望之间的离散程度，描述了随机变量的分散程度。
数学期望和方差是描述随机变量性质的重要指标，它们具有许多重要的性质，如线性性质、切比雪夫不等式等。
5.大数定律大数定律是描述随机变量序列平均值的收敛性质的定理。
大数定律包括弱大数定律和强大数定律两种。
弱大数定律描述了随机变量序列平均值收敛于数学期望的概率性质，强大数定律描述了随机变量序列平均值几乎必然收敛于数学期望的性质。
6.中心极限定理中心极限定理是概率论中一个重要的定理，描述了大量独立随机变量的和呈现出正态分布的性质。
中心极限定理包括林德伯格-莱维中心极限定理、李亥莱中心极限定理等。
中心极限定理在统计学和金融学中具有重要的应用价值，它解释了正态分布在自然界和人类活动中的普遍性。
以上是概率论的一些重要知识点，概率论作为一门基础数学学科，不仅具有重要的理论意义，而且在实际应用中有着广泛的应用价值。
随着数据科学和人工智能的快速发展，概率论的应用前景将更加广阔。
概率初步的知识点总结
概率初步的知识点总结一、基本概念1. 随机试验和样本空间随机试验是指在一定条件下，试验的结果是随机的，无法预测的现象。
样本空间是指随机试验的所有可能结果的集合。
2. 事件事件是样本空间的一个子集，表示一种可能发生的结果。
事件的概率表示该事件发生的可能性大小。
3. 概率的定义概率是事件发生的可能性大小的度量，通常用P(A)来表示事件A发生的概率。
概率的取值范围是0到1，即0≤P(A)≤1。
4. 频率与概率频率是指事件发生的次数与总次数的比值，当试验次数足够大时，频率趋近于概率。
二、基本概率1. 古典概率古典概率是指在有限个等可能结果的随机试验中，事件发生的概率等于事件的发生方式数与总的可能方式数的比值。
2. 几何概率几何概率是指在连续型随机试验中，利用几何形状和相似性来求事件的概率。
3. 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。
其计算公式为P(A|B)=P(AB)/P(B)。
4. 乘法公式乘法公式是指用条件概率来计算复合事件的概率，其计算公式为P(AB)=P(A)P(B|A)=P(B)P(A|B)。
5. 全概率公式和贝叶斯定理全概率公式用于求解复杂事件的概率，贝叶斯定理则是在已知条件概率的情况下，用来求解逆向概率问题。
三、随机变量与概率分布1. 随机变量随机变量是指取值不确定，但在一定范围内有规律可循的变量。
随机变量可以是离散型的，也可以是连续型的。
2. 离散型随机变量离散型随机变量的取值是可数的，通常用概率分布列来表示其各个取值对应的概率。
3. 连续型随机变量连续型随机变量的取值是连续的，通常用概率密度函数来表示其取值的概率分布情况。
4. 期望和方差期望是随机变量的平均值，方差是随机变量取值偏离期望的平均程度。
四、常见概率分布1. 二项分布二项分布是指在n次独立试验中，事件发生的次数符合二项分布的概率分布。
2. 泊松分布泊松分布是指在单位时间或单位空间内，发生次数符合泊松分布的概率分布。
概率论知识点总结归纳
概率论知识点总结归纳概率论是数学中的一个分支，研究随机现象发生的规律性及其数学模型。
概率论广泛应用于统计学、金融、生物学等领域。
本文将对概率论的基本概念、概率计算方法、常见概率分布以及概率论在实际问题中的应用进行总结归纳。
一、基本概念1. 随机试验：在相同的条件下可以重复进行的实验，结果不确定。
2. 样本空间：随机试验所有可能结果的集合，用S表示。
3. 事件：由样本空间S的一个或多个元素构成的子集，表示试验结果的一个集合。
4. 概率：事件发生的可能性大小的度量，用P(A)表示。
二、概率计算方法1. 古典概型：指随机试验中每个基本事件发生的概率相等的情况。
计算概率时可以根据样本空间和事件个数进行计算。
2. 频率派概率：根据大量实验的频率来计算概率，概率等于事件发生的次数与试验次数之比的极限。
3. 主观概率：根据个人主观判断来计算概率，没有明确的计算方法。
三、常见概率分布1. 离散概率分布：表示随机变量在有限取值集合上的概率分布。
a. 伯努利分布：只有两个可能取值的离散概率分布。
b. 二项分布：多次伯努利试验的结果相加，每次试验相互独立。
c. 泊松分布：表示单位时间或空间内随机事件发生的次数的概率分布。
2. 连续概率分布：表示随机变量在一个区间上的概率分布。
a. 均匀分布：随机变量在一段区间上取值的概率相等。
b. 正态分布：最常见的连续概率分布，具有钟形曲线的特点。
四、概率论的应用1. 统计学：概率论是统计学的基础，通过概率论可以推导出统计学各种假设检验和置信区间的计算方法。
2. 金融学：概率论在金融学中被广泛应用，例如在风险管理、期权定价、投资组合构建等方面。
3. 生物学：概率论能够帮助解释生物学中的随机现象，如遗传、进化等过程中的概率计算。
4. 工程学：概率论可以用于工程问题的风险评估和可靠性分析，如工程结构的寿命预测等。
总结：概率论是研究随机现象的规律性及其数学模型的学科，它包括了基本概念、概率计算方法、常见概率分布以及在各个领域的应用。
概率论知识点总结
pij pig pgj
几 乎 处 处 相 等
f(x,y) fX(x)fY(y)
7
r.v.的函数 的分布
利用事件相等则概率相等的 用分布函数法求函数的分布
概念求函数的分布律
函数(或分布密度)
二维r.v.的函数 的分布
FZ(z)P{Zz}P{g(X,Y)z}
P{Zzk} "zk的 所 有 原 像 点 概 率 之 和 "
概念 样本点、样本空间、基本事件、随机事件、必然事件、不可能事件
1o和 : AB
2o积 : AB
随
3o差 : AB
运算
机 及 1o包 含 : AB
关系
事
2o相 等 : AB
3o互 不 相 容
件
4o对立A
运算 性质
相 应 于 集 合 运 算 性 质 均 成 立
3
1o公理化定义: 对 样 本 空 间 中 任 意 事 件 A , 定 义 数 P ( A ) 满 足 :
pij
g( xi , yjd P{g(X ,Y ) z} dz
(在 该 导 数 连 续 点 处 )
和
的
fZ(z)f(zy,y)dy
fZ(z)f(x,zx)dx
分
布
特别 :(卷积公式)
X,Y独 立
fZ(z) fX(zy)fY(y)dy
X,Y独 立
fZ(z) fX(x)fY(zx)dx
X,Y独立
极 值
Fmax(X,Y)(z)
分 布
X,Y独立
Fmin(X,Y)(z)
8
r.v.的期望
定 义
期 望
r.v.的函 数的
期望
E(X) xk pk k1
概率论必备知识点
概率论必备知识点概率论是一门研究随机现象数量规律的数学分支，它在各个领域都有着广泛的应用，从物理学、生物学、经济学到计算机科学等。
以下是一些概率论中的必备知识点。
一、随机事件与概率随机事件是指在一定条件下，可能出现也可能不出现的事件。
例如，抛一枚硬币，正面朝上就是一个随机事件。
概率则是用来衡量随机事件发生可能性大小的数值。
概率的取值范围在 0 到 1 之间，0 表示不可能发生，1 表示必然发生。
计算概率的方法有多种。
对于等可能事件，概率等于事件所包含的基本结果数除以总的基本结果数。
例如，掷一个骰子，出现点数为 3的概率就是 1/6，因为骰子共有 6 个面，每个面出现的可能性相等，而点数为 3 的只有 1 种情况。
二、古典概型古典概型是一种最简单的概率模型。
在古典概型中，试验的结果是有限的，并且每个结果出现的可能性相等。
例如，从装有 5 个红球和 3 个白球的袋子中随机取出一个球，求取出红球的概率，这就是一个古典概型问题。
计算古典概型的概率，可以使用公式：P(A) ＝ n(A) ／n(Ω)，其中P(A)表示事件 A 发生的概率，n(A)表示事件 A 包含的基本结果数，n(Ω)表示总的基本结果数。
三、几何概型几何概型是古典概型的推广，当试验的结果是无限的，且每个结果出现的可能性相等时，就可以使用几何概型来计算概率。
例如，在一个时间段内等待公交车，求等待时间不超过 5 分钟的概率。
在几何概型中，概率等于事件对应的区域长度（面积或体积）除以总的区域长度（面积或体积）。
四、条件概率条件概率是指在已知某个事件发生的条件下，另一个事件发生的概率。
例如，已知今天下雨，明天晴天的概率就是一个条件概率。
条件概率的计算公式为：P(B|A) ＝ P(AB) ／ P(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，P(AB)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。
概率论与数理统计知识点总结
概率论与数理统计知识点总结一、概率论知识点总结：1.随机事件：随机事件是指在一次试验中，可能发生也可能不发生的事件。
例如：掷硬币的结果、抽取扑克牌的花色等。
2.概率：概率是描述随机事件发生可能性大小的数值。
概率的取值范围是[0,1]，表示事件发生的可能性大小，0表示不可能发生，1表示一定会发生。
3.古典概型：古典概型是指每种可能的结果发生的概率相等的情形。
例如：掷骰子的结果、抽取彩色球的颜色等。
4.随机变量：随机变量是用来描述试验结果的数值，它的取值是根据随机事件的结果确定的。
例如：掷骰子的点数、抽取扑克牌的点数等。
5.概率分布：随机变量的概率分布描述了每个取值发生的概率。
常见的概率分布有离散概率分布和连续概率分布，如二项分布、正态分布等。
6. 期望值：期望值是衡量随机变量取值的平均值。
对于离散型随机变量，期望值=E[X]=∑[xP(X=x)]；对于连续型随机变量，期望值=E[X]=∫[x f(x)dx]，其中f(x)为概率密度函数。
7. 方差：方差是衡量随机变量取值与期望值之间的偏离程度。
方差=Var(X)=E[(X-E[X])^2]。
8.独立性：两个随机事件或随机变量之间的独立性表示它们的发生与否或取值无关联。
独立性的判定通常通过联合概率、条件概率等来进行推导。
二、数理统计知识点总结：1.样本与总体：在统计学中，样本是指从总体中选取的具体观测数据。
总体是指要研究的对象的全部个体或事物的集合。
2.参数与统计量：参数是描述总体特征的数值，如总体均值、总体方差等。
统计量是根据样本计算得到的参数估计值，用来估计总体参数。
3.抽样方法：抽样方法是从总体中选取样本的方法，常见的抽样方法有简单随机抽样、系统抽样、整群抽样等。
4.统计分布：统计分布是指样本统计量的分布。
常见的统计分布有t分布、F分布、x^2分布等，其中t分布适用于小样本、F分布适用于方差比较、x^2分布适用于拟合优度检验等。
5.点估计与区间估计：点估计是以样本统计量为基础，估计总体参数的数值。
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。
- 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)。
概率论知识点总结概率论知识点总结「篇一」概率，现实生活中存在着大量的随机事件，而概率正是研究随机事件的一门学科，教学中，首先以一个学生喜闻乐见的摸球游戏为背景，通过试验与分析，使学生体验有些事件的发生是必然的、有些是不确定的、有些是不可能的，引出必然发生的事件、随机事件、不可能发生的事件，然后，通过对不同事件的分析判断，让学生进一步理解必然发生的事件、随机事件、不可能发生的事件的特点，结合具体问题情境，引领学生设计提出必然发生的事件、随机事件、不可能发生的事件，具有相当的开放度，鼓励学生的逆向思维与创新思维，在一定程度上满足了不同层次学生的学习需要。
其次，做游戏是学习数学最好的方法之一，根据课的内容的特点，教师设计了转盘游戏，力求引领学生在游戏中形成新认识，学习新概念，获得新知识，充分调动了学生学习数学的积极性，体现了学生学习的自主性，在游戏中参与数学活动，在游戏中分析、归纳、合作、思考，领悟数学道理，在快乐轻松的学习氛围中，显性目标和隐性目标自然达成,在一定程度上,开创了一个崭新的数学课堂教学模式。
再次，我们教师在上课的时候要理解频率和概率的关系，教材中概率的概念是通过频率建立的，即频率的稳定值及概率，也就是用频率值估计概率的大小。
通过实验，让学生经历“猜测结果一进行实验一分析实验结果”的过程，建立概率的含义。
要建立学生正确的概率含义，必须让他们亲自经历对随机现象的探索过程，引导他们亲自动手实验收集实验数据，分析实验结果，并将所得结果与自己的猜测进行比较，真正树立正确的概率含义。
第四，我们努力让学生在具体情景中体会概率的意义。
由于初中学生的知识水平和理解能力，初中阶段概率教学的基本原则是：从学生熟悉的生活实例出发，创设情境，贴近生活现实的问题情境，不仅易于激发学生的求知欲与探索热情，而且会促进他们面对要解决的问题大胆猜想，主动试验，收集数据，分析结果，为寻求问题解决主动与他人交流合作，在知识的主动建构过程中，促进了教学目标的有效达成，更重要的是，主动参与数学活动的经历会使他们终身受益，在具体情境中体验概率的意义。
第五，通过掷骰子，抽签等游戏，通过具体的实例掌握概率的计算，列举法和树状图是计算概率的重要方法，要和学生一起探讨，并得出结论。
并且联系实际问题，在实践中不断地加深理解，重视概率与统计的联系。
要引导学生把概率与统汁联系起来看问题，数据的统计与处理不应只是纯数字的运算，它们与概率是密不可分的;同时，很多的概率模型是建立在大量数据统计的基础上。
因此，要使学生在随机实验中统计相关的数据，并了解这些数据的概率含义，在数据统计时了解其中所蕴涵的随机性。
在教学中，教师力求向学生提供从事数学活动的时间与空间，为学生的自主探索与同伴的合作交流提供保障，从而促进学生学习方式的转变，使之获得广泛的数学活动经验，教师在学习活动中是组织者、引导者与合作者，应注意评价学生在活动中参与程度、自信心、是否愿意交流等，给学生以适时的引导与鼓励。
相信很多教师也和我一样，全面了解学生的学习状况，因材施教，慢慢的探索教好初中新增的这个内容的好方法概率论知识点总结「篇二」一.随机事件的概率及概率的意义1、基本概念：(1)必然事件：在条件S下，一定会发生的事件，叫相对于条件S的必然事件;(2)不可能事件：在条件S下，一定不会发生的事件，叫相对于条件S的不可能事件;(3)确定事件：必然事件和不可能事件统称为相对于条件S的确定事件;(4)随机事件：在条件S下可能发生也可能不发生的事件，叫相对于条件S的随机事件;(5)频数与频率：在相同的条件S下重复n次试验，观察某一事件A是否出现，称n次试验中事件A出现的次数nA为事件A出现的频数;对于给定的随机事件A，如果随着试验次数的增加，事件A发生的频率fn(A)稳定在某个常数上，把这个常数记作P(A)，称为事件A的概率。
(6)频率与概率的区别与联系：随机事件的频率，指此事件发生的次数nA与试验总次数n的比值，它具有一定的稳定性，总在某个常数附近摆动，且随着试验次数的不断增多，这种摆动幅度越来越小。
我们把这个常数叫做随机事件的概率，概率从数量上反映了随机事件发生的可能性的大小。
频率在大量重复试验的前提下可以近似地作为这个事件的概率二.概率的基本性质1、基本概念：(1)事件的包含、并事件、交事件、相等事件(2)若A∩B为不可能事件，即A∩B=ф，那么称事件A与事件B互斥;(3)若A∩B为不可能事件，A∪B为必然事件，那么称事件A与事件B互为对立事件;(4)当事件A与B互斥时，满足加法公式：P(A∪B)=P(A)+P(B);若事件A与B为对立事件，则A∪B为必然事件，所以P(A∪B)=P(A)+P(B)=1，于是有P(A)=1—P(B)2、概率的基本性质：1)必然事件概率为1，不可能事件概率为0，因此0≤P(A)≤1;2)当事件A与B互斥时，满足加法公式：P(A∪B)=P(A)+P(B);3)若事件A与B为对立事件，则A∪B为必然事件，所以P(A∪B)=P(A)+P(B)=1，于是有P(A)=1—P(B);4)互斥事件与对立事件的区别与联系，互斥事件是指事件A与事件B在一次试验中不会同时发生，其具体包括三种不同的情形：(1)事件A发生且事件B不发生;(2)事件A不发生且事件B发生;(3)事件A与事件B同时不发生，而对立事件是指事件A与事件B有且仅有一个发生，其包括两种情形;(1)事件A发生B不发生;(2)事件B发生事件A不发生，对立事件互斥事件的特殊情形。
三.古典概型及随机数的产生(1)古典概型的使用条件：试验结果的有限性和所有结果的等可能性。
(2)古典概型的解题步骤;①求出总的基本事件数;②求出事件A所包含的基本事件数，然后利用公式P(A)=四.几何概型及均匀随机数的产生基本概念：(1)几何概率模型：如果每个事件发生的概率只与构成该事件区域的长度(面积或体积)成比例，则称这样的概率模型为几何概率模型;(2)几何概型的概率公式：P(A)=;(3)几何概型的特点：1)试验中所有可能出现的结果(基本事件)有无限多个;2)每个基本事件出现的可能性相等概率论知识点总结「篇三」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，简称为事不可能事件：在试验中不可能出现的事情，记为。
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：若事件发生必然导致事件B发生，则称B 包含A，记为，则称事件A与事件B 相等，记为A＝B。
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 事件的积：称事件“事件A与事件B 都发生”为A 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。
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A 。
对立事件的性质：事件运算律：设A，B，C为事件，则有：（1）交换律：AB=BA，AB=BA A(BC)=(AB)C=ABC（3）分配律：A(BC)＝(AB)(AC) ABAC（4）对偶律（摩根律）：第二节事件的概率概率的公理化体系：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 个样本点组成.则定义事件A 的概率为的某个区域，它的面积为μ(A)，则向区域上随机投掷一点，该点落在区域假如样本空间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，记作乘法公式：P(AB)=P(B)P(A|B)＝P(A)P(B|A)全概率公式：设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)= 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)= 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)= 两两独立独立的性质：若A 均相互独立总结：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。
2.乘法公式、全概公式、贝叶斯公式在概率论的计算中经常使用，应牢固掌握。
3.独立性是概率论中的最重要概念之一，应正确理解并应用于概率的计算。
第二章一维随机变量及其分布第二节分布函数分布函数：设X 是一个随机变量，x 为一个任意实数，称函数内的概率分布函数的性质：（1）单调不减；（2）右连续；（3）第三节离散型随机变量离散型随机变量的分布律：设 (k=1,2,)是离散型随机变量为离散型随机变量X的分布律，也称概率分布. 当离散性随机变量取值有限且概率的规律不明显时，常用表格形式表示分布律。
分布律的性质：（1）离散型随机变量的概率计算：（1）已知随机变量X 的分布律，求X 的分布函数；（2）已知随机变量X的分布律, 求任意随机事件的概率；（3）已知随机变量X 的分布函数，求X 的分布律三种常用离散型随机变量的分布：1.（0－1）分布：参数为p 的分布律为2.二项分布：参数为n，p的分布律为重独立重复实验中，事件A发生的概率为p，记X 次实验中事件A发生的次数。
3.泊松分布：参数为λ的分布率为第四节连续型随机变量连续型随机变量概率密度f(x)的性质连续型随机变量的概率计算：（1）已知随机变量X 的密度函数，求X 的分布函数；（2）已知随机变量X的分布函数，求X 的密度函数；（3）已知随机变量X的密度函数, 求随机事件的概率；（4）已知随机变量X的分布函数，求随机事件的概率；三种重要的连续型分布：1．均匀分布：密度函数 N（0，1）称为标准正态分布.标准正态分布的重要性在于，任何一个一般的正态分布都可以通过线性变换转化为标准正态分布，然后再计算概率. 第五节随机变量函数的分布离散型：在分布律的表格中直接求出；连续型：寻找分布函数间的关系，再求导得到密度函数间的关系；注意分段函数情况可能需要讨论，得到的结果也可能是分段函数。
第三章多维随机变量及其分布第一节二维随机变量的联合分布函数联合分布函数，表示随机点落在以（x，y）为顶点的左下无穷矩形区域内的概率。