概率论与数理统计知识点总结 (2)
概率论与数理统计前三章
概率论与数理统计知识点第一章随机事件及其概率1.1 随机事件1.2 概率1.3 条件概率与全概公式1.4 事件的独立性与伯努利概型第二章随机变量及其分布2.1 随机变量与分布函数2.2 离散型随机变量及其分布2.3 连续型随机变量及其分布2.4 二维随机变量2.5 随机变量函数的分布第三章随机变量的数字特征3.1 数学期望3.2 方差3.3 几种常见分布的数学期望与方差3.4 随机变量矩、协方差与相关系数第四章大数定律与中心极限定理4.1 切比雪夫不等式4.2 大数定律4.3 中心极限定理第五章抽样分布5.1 总体与样本5.2 样本函数与样本分布函数5.3 抽样分布第六章参数估计6.1 点估计6.2 估计量的评价标准6.3 区间估计6.4 正态总体均值与方差的区间估计6.5 非正态总体参数的区间估计第七章假设检验7.1 假设检验的基本概念7.2 单个正态总体参数的假设检验7.3 两个正态总体参数的假设检验7.4非正态总体参数的假设检验7.5 总体分布的假设检验第八章方差分析8.1 问题的提出8.2 单因素试验方差分析8.3 单因素方差分析举例第九章回归分析9.1 问题的提出9.2 一元正态线性回归9.3 一元非线性回归简介9.4 多元线性回归9.5 多元回归应用举例第一章 随机事件及其概率知识要点及重要例题一、知识要点。
① 重要公式（1） A+A =Ω（2） A +B ̅̅̅̅̅̅̅̅=A ∙B ̅ A ∙B ̅̅̅̅̅̅=A +B̅ (德摩根定理) （3） P(A+B)=p(A)+P(B)-P(AB) （加法公式） （4） P(A-B)=P(A)-P(AB) （减法公式） （5） P(AB)=P(A)P(B|A)或P(AB)=P(A|B)P(B) （乘法公式） （6） P (B )=∑P (A i )P (B|A i )n i=0 (全概率公式) 由因求果（7） P(A j |B)=P(A j )P(B|A j )∑P (A i )ni=1P(B|A i )(叶贝斯公式) 由果索因② 概率定义（1） 统计定义：频率稳定在一个数附近，这个数称为事件的概率；（2） 古典定义：要求样本空间只有有限个基本事件，每个基本事件出现的可能性相等，则事件Ａ所含基本事件个数与样本空间所含基本事件个数的比称为事件的古典概率；（3） 几何概率：样本空间中的元素有无穷多个，每个元素出现的可能性相等，则可以将样本空间看成一个几何图形，事件Ａ看成这个图形的子集，它的概率通过子集图形的大小与样本空间图形的大小的比来计算；（4） 公理化定义：满足三条公理的任何从样本空间的子集集合到［０，１］的映射③ 随机事件（1） 事件的三种运算：并∪（和）、交∩（积）、差；注意差Ａ－Ｂ可以表示成Ａ与Ｂ的逆的积。
概率论与数理统计总复习知识点归纳
概率论与数理统计总复习知识点归纳1.概率论的基础概念-随机事件、样本空间和事件的关系。
-频率和概率的关系，概率的基本性质。
-古典概型和几何概型的概念。
-条件概率和乘法定理。
-全概率公式和贝叶斯公式。
-随机变量和概率分布函数的概念。
-离散型随机变量和连续型随机变量的定义、概率质量函数和概率密度函数的性质。
2.随机变量的数字特征-随机变量的数学期望、方差、标准差和切比雪夫不等式。
-协方差、相关系数和线性变换的数学期望和方差公式。
-两个随机变量的和、差、积的数学期望和方差公式。
3.大数定律和中心极限定理-大数定律的概念和三级强大数定律。
-中心极限定理的概念和中心极限定理的两种形式。
4.数理统计的基本概念和方法-总体、样本和抽样方法的概念。
-样本统计量和抽样分布的概念。
-点估计和区间估计的概念。
-假设检验的基本思想和步骤。
-正态总体的参数的假设检验和区间估计。
5.参数估计和假设检验的方法和推广-极大似然估计的原理和方法。
-矩估计的原理和方法。
-最小二乘估计的原理和方法。
-一般参数的假设检验和区间估计。
6.相关分析和回归分析-相关系数和线性相关的概念和性质。
-回归分析的一般原理。
-简单线性回归的估计和检验。
7.非参数统计方法-秩和检验和符号检验的基本思想和应用。
-秩相关系数的计算和检验。
8.分布拟合检验和贝叶斯统计-卡方拟合检验的原理和方法。
-正态总体参数的拟合优度检验。
-贝叶斯估计的基本思想和方法。
9.时间序列分析和质量控制-时间序列的基本性质和分析方法。
-时间序列预测的方法和模型。
-质量控制的基本概念和控制图的应用。
以上是概率论与数理统计总复习知识点的归纳，希望对你的复习有所帮助。
(完整版)(浙大第四版)概率论与数理统计知识点总结,推荐文档
P(A)= (1 ) (2 ) (m ) = P(1 ) P(2 ) P(m )
m n
A所包含的基本事件数 基本事件总数
（9）几何 概型
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。对任一事件 A，
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)
（7）概率 的公理化 定义
Ai Ai
德摩根率： i1
i1
AB A B，A B AB
设 为样本空间， A 为事件，对每一个事件 A 都有一个实数 P(A)，若满足下列三个条件：
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）： A B
如果同时有 A B ， B A ，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
这样一组事件中的每一个事件称为基本事件，用 来表示。
基本事件的全体，称为试验的样本空间，用 表示。
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，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。 ①关系：
必然事件 和不可能事件 Ø 与任何事件都相互独立。 Ø 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 个的独立性
概率论与数理统计知识点总结(免费超详细版)
《概率论与数理统计》第一章概率论的基本概念§2．样本空间、随机事件1．事件间的关系 A B 则称事件 B 包含事件 A ，指事件 A 发生必然导致事件 B 发生A B {x x A或x B} 称为事件 A 与事件 B 的和事件，指当且仅当 A ，B 中至少有一个发生时，事件 A B 发生A B {x x A且x B} 称为事件 A 与事件 B 的积事件，指当A，B 同时发生时，事件A B 发生A—B {x x A且x B} 称为事件A 与事件 B 的差事件，指当且仅当 A 发生、B 不发生时，事件 A — B 发生A B ，则称事件 A 与B 是互不相容的，或互斥的，指事件 A 与事件 B 不能同时发生，基本事件是两两互不相容的A B S A B ，则称事件 A 与事件 B 互为逆事件，又称事件 A 与事件 B 互为且对立事件2．运算规则交换律 A B B A A B B A结合律(A B) C A (B C) ( A B)C A(B C)分配律 A （B C）(A B) ( A C)A (B C)(A B)( A C)—徳摩根律 A B A B A B A B§3．频率与概率定义在相同的条件下，进行了n 次试验，在这n 次试验中，事件 A 发生的次数n称为事件AA 发生的频数，比值n nA 称为事件 A 发生的频率概率：设E是随机试验，S 是它的样本空间，对于E 的每一事件A赋予一个实数，记为P（A），称为事件的概率1．概率P( A)满足下列条件：（1）非负性：对于每一个事件 A 0 P( A) 1（2）规范性：对于必然事件S P (S) 11（3）可列可加性：设A1, A2 , ,A是两两互不相容的事件，有nn nP A k ) P( A) ( （n可kk 1 k 1以取）2．概率的一些重要性质：（i ）P( ) 0（ii ）若A1, A2 , ,A是两两互不相容的事件，则有n Pn n( （n可以取）A k ) P( A )kk 1 k 1（iii ）设A，B 是两个事件若 A B ，则P(B A) P( B) P( A) ，P( B) P(A) （iv）对于任意事件A，P(A) 1（v）P( A) 1 P(A) （逆事件的概率）（vi）对于任意事件A，B 有P(A B) P( A) P( B) P( A B)§4等可能概型（古典概型）等可能概型：试验的样本空间只包含有限个元素，试验中每个事件发生的可能性相同若事件 A 包含k 个基本事件，即{e i } {e } {e }A ，里1 i i k] 2，k是，中某个不同的数，则有i1 i 2, ，i k 1,2 nP( A)j k1P { eij}knA包含的基本事件数S中基本事件的总数§5．条件概率（1）定义：设A,B 是两个事件，且P( A) 0 ，称P( A B)P(B | A) 为事件 A 发生的条P(A)件下事件 B 发生的条件概率（2）条件概率符合概率定义中的三个条件。
02197-概率论与数理统计二-考前重点
02197.概率论与数理统计（二）-考前重点《概率论与数理统计（二）〉〉考试重点说明：我们将知识点按考查几率及重要性分为三个等级，即一级重点、二级重点、三级重点，其中，一级重点为必考点，本次考试考查频率高；二级重点为次重点，考查频率较高；三级重点为预测考点，考查频率一般，但有可能考查的知识第一章随机事件与概率1.事件的包含与相等、和事件的定义P3（二级重点）（单选、填空）2.积事件、差事件、互不相容事件、对立事件的定义P4-5（一级重点）（单选、填空）尤其是互不相容事件与对立事件的理解，务必记住。
3.古典概型的概率计算P9（一级重点）（填空）等可能概型中事件概率的计算：设在古典概型中，试验E共有n个基本事件，事件A包含了m个基本事件，则事件A的概率为P（A）mn4,概率的加法公式与减法公式(性质2与性质3)P11-12(二级重点)(单选、填空)力口法公式：P(AB)P(A)P(B)P(AB)减法公式：P(BA)P(B)P(AB)5.条件概率的定义及用法P14(二级重点)(单选、填空、计算)条件概率的公式：P(B|A)=P(AB)/P(A)或者P(A|B)P(AB),P(B)6,全概率公式的定义及用法(注意其需要满足的两个条件)P16(二级重点)(填空、计算)用全概率定理来解题的思路，从试验的角度考虑问题，一定是将试验分为两步做，将第一步试验的各个结果分为一些完备事件组A,A,…，A,然后在这每一事件下计算或给出某个事件B发生的条件概率，最后用全概率公式综合计算。
7.两个事件与三个事件独立性的定义及应用P19-21(一级重点)(单选、填空、计算)三个事件独立可以推出两两独立，但反之不然。
8.n重贝努利试验的描述及其概率求法P22（一级重点）（单选、填空、综合）在n重贝努利试验中，设每次试验中事件A的概率为p（0<p<1）,则事件A恰好发生k次的概率为：P（k）C：p k（1-P）nk,k=0,1,2Ln第二章随机变量及其概率分布9.离散分布律的两个性质（非负性，归一性）及其应用P30（一级重点）（单选、填空）P k0,（k1,2.......）（非负性）；p k1（归一k性）10.0-1分布、二项分布、泊松分布P32-34（二级重点）（单选、填空）牢记这三个常用离散分布的定义形式11.分布函数的定义及其性质P36-38（三级重点）（单选、填空）知道分布函数的含义是概率在一个区间得到累积形式，对它的性质要了解。
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概率论与数理统计是数学的一个重要分支，主要研究各种随机现象的规律性及其数值描述。
下面将对概率论与数理统计的一些重要知识点进行总结。
一、概率论知识点总结1. 随机事件与概率- 随机事件：指在一定条件下具有不确定性的事件。
- 概率：用来描述随机事件发生的可能性大小的数值。
2. 古典概型与几何概型- 古典概型：指随机试验中，所有基本事件的可能性相等的情况。
- 几何概型：指随机试验中，基本事件的可能性不完全相等，与图形的属性有关的情况。
3. 随机变量与概率分布- 随机变量：定义在样本空间上的函数，用来描述试验结果与数值之间的对应关系。
- 离散随机变量：取有限个或可列个数值的随机变量。
- 连续随机变量：取无限个数值的随机变量。
4. 期望与方差- 期望：反映随机变量平均取值的数值。
- 方差：反映随机变量取值偏离期望值的程度。
5. 大数定律与中心极限定理- 大数定律：指在独立重复试验中，随着试验次数增加，事件发生的频率趋近于其概率。
- 中心极限定理：指在独立随机变量之和的情况下，当随机变量数目趋于无穷时，这些随机变量之和的分布趋近于正态分布。
二、数理统计知识点总结1. 抽样与抽样分布- 抽样：指对总体进行有规则地选择一部分样本进行观察和研究的过程。
- 抽样分布：指用统计量对不同样本进行计算所得到的分布。
2. 参数估计与置信区间- 参数估计：根据样本推断总体的未知参数。
- 置信区间：对于总体参数估计的一个区间估计，用来表示这个参数的可能取值范围。
3. 假设检验与统计显著性- 假设检验：用来判断统计推断是否与已知事实相符。
- 统计显著性：基于样本数据，对总体或总体参数进行判断的一种方法。
4. 方差分析与回归分析- 方差分析：用来研究因素对于某一变量均值的影响程度。
- 回归分析：通过观察变量之间的关系，建立数学模型来描述两个或多个变量间的依赖关系。
5. 交叉表与卡方检验- 交叉表：将两个或多个变量的数据按照某种方式交叉排列而形成的表格。
概率论与数理统计总结
概率论与数理统计总结3、分布函数与概率的关系 ∞<<∞-≤=x x X P x F ),()()()()()()(a F b F a X P b X P b X a P -=≤-≤=≤<4、离散型随机变量的分布函数 (1) 0 – 1 分布 1,0,)1()(1=-==-k p p k X P kk(2) 二项分布 ),(p n B nk p p C k X P k n k k n,,1,0,)1()( =-==- 泊松定理 0lim >=∞→λnn np有,2,1,0!)1(lim ==---∞→k k ep p Ckkn n knk nn λλ(3) 泊松分布 )(λP =,2,1,0,!)(===-k k ek X P kλλ（5）几何分布 p q k p q k X P k -====-1,2,1}{1dt t f x F x ⎰∞-=)()(则称X 为连续型随机变量，其中函数f(x)称为随机变量X 的概率密度函数， 2、分布函数的性质：（1）连续型随机变量的分布函数F(x )是连续函数。
（2）对于连续型随机变量X 来说，它取任一指定实数a 的概率均为零，即P{X=a }=0。
3、常见随机变量的分布函数 (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 ex x F xλ (3) 正态分布 N (μ , σ 2 )+∞<<∞-=--x ex f x 222)(21)(σμσπ⎰∞---=xt tex F d 21)(222)(σμσπN (0,1) — 标准正态分布+∞<<∞-=-x ex x 2221)(πϕ+∞<<∞-=Φ⎰∞--x t e x xt d 21)(22π2、连续型随机变量函数的分布： （1）分布函数法；(){}⎰⎰<==∈=yx g X l X yYdxx f dx x f l X P y F y)()()(（2）设随机变量X 具有概率密度f X (x )，又设函数g(x )处处可导且恒有g '(x )>0 (或恒有g '(x )<0) ，则Y=g(X )的概率密度为()()[]()⎩⎨⎧<<'=其他βαy y h y h f y f XY 其中x =h(y )为y =g(x )的反函数，()()()()()()∞+∞-=∞+∞-=g g g g ,m ax ,,m in βα 3、 二维连续型随机变量（1）联合分布函数为dudvv u f y x F y x ⎰⎰∞-∞-=),(),(函数f (x ,y )称为二维向量(X ,Y )的(联合)概率密度.其中： 0),(≥y x f ，⎰⎰∞∞-∞∞-=1),(dxdy y x f（2）基本二维连续型随机向量分布均匀分布：⎪⎩⎪⎨⎧∈=其他),(1),(G y x Ay x f二维正态分布：+∞<<-∞+∞<<∞--=-+------y x ey x f y y x x ,121),(])())((2)([)1(212212222212121212σμσσμμρσμρρσπσ3、离散型边缘分布律：4、 连续型边缘概率密度 ,),()(dy y x f x f X⎰∞+∞-= dx y x f y f Y⎰∞+∞-=),()(F (x ，y )=F x (x )F Y (y ) 则称随机变量X 和Y 是相互独立的3、连续型随机变量独立的等价条件 设(X ，Y )是连续型随机变量，f (x ，y )，f x (x )，f Y (y )分别为(X ，Y )的概率密度和边缘概率密度，则X 和Y 相互独立的充要条件是等式 f (x ，y ) = f x (x )f Y (y ) 对f (x ，y )，f x (x )，f Y (y )的所有连续点成立. 五、条件分布1、离散型随机变量的条件分布律： （3）条件分布函数：2、连续型随机变量的条件分布 （1）条件分布函数⎰⎰∞-∞-==x Y Y X Y x YX du y f y u f y x F y f du y u f y x F )(),()|()(),()|(||或写成，（2）条件概率密度在Y=y 条件下X 的条件概率密度)(),()|(|y f y x f y x fY Y X =同理 X=x 条件下X 的条件概率密度)(),()|(|x f y x f x y f X X Y =六、多维随机函数的分布 1、离散型随机变量函数分布：二项分布：设X 和Y 独立,分别服从二项分布b (n 1,p ), 和b (n 2,p )，则 Z=X+Y 的分布律：Z ～b (n 1+n 2,p ).泊松分布：若X 和Y 相互独立,它们分别服从参数为21,λλ的泊松分布,则Z=X+Y 服从参数为21λλ+的泊松分布。
自考04183概率论与数理统计(经管类)总结2-数理统计部分
高等教育自学考试辅导《概率论与数理统计（经管类）》第二部分数理统计部分专题一统计量及抽样的分布I.考点分析近几年试题的考点分布和分数分布II.内容总结一、总体与样本1.总体：所考察对象的全体称为总体；组成总体的每个基本元素称为个体。
2.样本：从总体中随机抽取n个个体x1,x2…,x n称为总体的一个样本，个数n称为样本容量。
3.简单随机样本如果总体X的样本x1,x2…,x n满足：（1）x1与X有相同分布，i＝1，2，…，n；（2）x1,x2…,x n相互独立，则称该样本为简单随机样本，简称样本。
得到简单随机样本的方法称为简单随机抽样方法。
4.样本的分布（1）联合分布函数：设总体X的分布函数为F（x），x1,x2…,x n为该总体的一个样本，则联合分布函数为二、统计量及其分布1.统计量、抽样分布：设x1,x2…,x n为取自某总体的样本，若样本函数T=T（x1,x2…,x n）不含任何未知参数，则称T为统计量；统计量的分布称为抽样分布。
2.样本的数字特征及其抽样分布：设x1,x2…,x n为取自某总体X的样本，（2）样本均值的性质：①若称样本的数据与样本均值的差为偏差，则样本偏差之和为零，即②偏差平方和最小，即对任意常数C，函数时取得最小值. （5）样本矩（7）正态分布的抽样分布A.应用于小样本的三种统计量的分布的为自由度为n的X2分布的α分位点.求法：反查X 2分布表.III.典型例题[答疑编号918020101]答案：D[答疑编号918020102]答案：[答疑编号918020103]答案：B[答疑编号918020104]答案：1[答疑编号918020105]答案：B[答疑编号918020106]故填20.[答疑编号918020107]解析：[答疑编号918020108]答案：解析：本题考核正态分布的叠加原理和x2－分布的概念。
根据课本P82，例题3－28的结果，若X～N（0，1），Y～N（0,1）,且X与Y相互独立，则X＋Y～N（0＋0，1＋1）＝N（0，2）。
- 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)。
Ai Ai
德摩根率： i1
i 1
AB AB，AB AB
设 为样本空间，A 为事件，对每一个事件 A 都有一个实数 P(A)，若
满足下列三个条件： （4）概
1° 0≤P(A)≤1，
率的公
2° P(Ω) =1
理化定
3° 对于两两互不相容的事件 A1， A2 ，…有
件 的 关 发生）： A B
系 与 运 如果同时有 A B， B A ，则称事件 A 与事件 B 等价，或称 A 等于
算
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 AB ，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
独立。
;..
..
必然事件 和不可能事件 Ø 与任何事件都相互独立。 Ø 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)
设事件 A 、B 满足 P(AB) P(A)P(B) ，则称事件 A 、B 是相互独立的。
（11） 独立性
若事件 A 、 B 相互独立，且 P(A) 0 ，则有
P(B | A) P( AB) P( A)P(B) P(B)
P( A)
P( A)
若事件 A 、B 相互独立，则可得到 A 与 B 、A 与 B 、A 与 B 也都相互
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）基 ②任何事件，都是由这一组中的部分事件组成的。
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 基本事件的全体，称为试验的样本空间，用 表示。
本 空 间 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
和事件
写字母 A，B，C，…表示事件，它们是 的子集。 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。
①关系：
（3）事 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
m n
A所包含的基本事件数 基本事件总数
;..
..
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，
（6）几 同时样本空间中的每一个基本事件可以使用一个有界区域来描述， 何概型 则称此随机试验为几何概型。对任一事件 A，
P(A) L(A) 。其中 L 为几何度量（长度、面积、体积）。
当 A=Ω时，P( B )=1- P(B)
定义 设 A、B 是两个事件，且 P(A)>0，则称 P(AB) 为事件 A 发生条
P( A)
（9）条 件下，事件 B 发生的条件概率，记为 P(B / A) P(AB) 。
P( A)
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)=1P( B /A)=1-P(B/A)
L()
P(A+B)=P(A)+P(B)-P(AB) （7）加
当 AB 不相容 P(AB)＝0 时，P(A+B)=P(A)+P(B) 法公式
当 AB 独立，P(AB)=P(A)P(B), P(A+B)=P(A)+P(B)-P(A)P(B)
P(A-B)=P(A)-P(AB) （8）减
当 B A 时，P(A-B)=P(A)-P(B) 法公式
那么 A、B、C 相互独立。
对于 n 个事件类似。
设事件 B1, B2,, Bn 满足
1° B1, B2,, Bn 两两互不相容， P(Bi) 0(i 1,2,, n) ，
（12） 全概公 式
n
A Bi
2° ， i1 则有 P(A) P(B1)P(A | B1) P(B2)P(A | B2) P(Bn)P(A | Bn) 。 全概率公式解决的是多个原因造成的结果问题，全概率公式的题型：
..
第 1 章 随机事件及其概率
（1）随 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
机 试 验 不止一个，但在进行一次试验之前却不能断言它出现哪个结果，则
和 随 机 称这种试验为随机试验。
事件 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：
将试验可看成分为两步做，如果要求第二步某事件的概率，就用全
概率公式；
设事件 B1， B2 ，…， Bn 及 A 满足
1° B1， B2 ，…， Bn 两两互不相容， P(Bi) >0， i 1，2，…， n ，
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 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 A∪(B∪C)=(A∪B)∪C
分配率：(AB)∪C=(A∪C)∩(B∪C) (A∪B)∩C=(AC)∪(BC)
义
P Ai P(Ai)
i1 i1
则称 P(A)为事件 A 的概率。
（5）古 典概型
1° 1,2 n ，
2°
P(1 )
P(2 )
P( n
)
1 n
。
设任一事件 A ，它是由1,2 m 组成的，则有
ቤተ መጻሕፍቲ ባይዱ
P(A)=(1) (2 ) (m ) = P(1) P(2 ) P(m )
（10） 乘法公式： P(AB) P(A)P(B / A)
乘法公 式
更一般地，对事件 A1，A2，…An，若 P(A1A2…An-1)>0，则有 P( A1A2 … An) P( A1)P( A2 | A1)P( A3 | A1A2) …… P( An | A1A2 … An 1) 。
①两个事件的独立性