概率论与数理统计公式整理(超全版)
概率论与数理统计公式整理(完整精华版)
j 1
此公式即为贝叶斯公式。
P(Bi ) ，〔 i 1 ，2 ，…，n 〕，通常叫先验概率。P(Bi / A) ，〔 i 1 ，2 ，…， n 〕，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
〔17〕伯努 利概型
“由果朔因〞的推断。
我们作了 n 次试验，且满足
每次试验只有两种可能结果， A 发生或 A 不发生；
x nex dx n!
0
x 0,
x<0。
设随机变量 X 的密度函数为
f (x)
1
( x )2
e 2 2 ，
x ，
2 其中 、 0 为常数，则称随机变量 X 服从参数为 、
的正态分布或高斯〔Gauss〕分布，记为 X ~ N(, 2) 。
f (x) 具有如下性质：
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 不可能同时发生，
称事件 A 与事件 B 互不相容或者互斥。根本领件是互不相容的。
.
精品文档
-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
假设事件 A 、B 相互独立，则可得到 A 与 B 、 A 与 B 、 A 与 B 也都相互
独立。
必定事件 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)
如果事件 A 的组成局部也是事件 B 的组成局部，〔A 发生必有事件 B 发生〕：
考研高数重点概率论数理统计公式整理(超全)
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)
∞
∞
∩ Ai = ∪ Ai
德摩根率： i=1
i=1
A∪B = A∩B， A∩B = A∪ B
（7）概率 的公理化 定义
设 Ω 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
这样一组事件中的每一个事件称为基本事件，用ω 来表示。
基本事件的全体，称为试验的样本空间，用 Ω 表示。
一个事件就是由 Ω 中的部分点（基本事件ω ）组成的集合。通常用大写字母
A，B，C，…表示事件，它们是 Ω 的子集。 Ω 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：
（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，
P( A) = L( A) 。其中 L 为几何度量（长度、面积、体积）。 L(Ω)
（10）加法 公式
（11）减法 公式
P(A+B)=P(A)+P(B)-P(AB) 当 P(AB)＝0 时，P(A+B)=P(A)+P(B) P(A-B)=P(A)-P(AB)
j =1
此公式即为贝叶斯公式。
P(Bi ) ，（ i = 1 ， 2 ，…， n ），通常叫先验概率。 P(Bi / A) ，（ i = 1， 2 ，…， n ），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
概率论与数理统计公式大全【最全最强复习材料】
第1章随机事件及其概率
大学教育概率论与数据统计复习材料之公式
祝您考试顺利！
1第 3 页共27 页
第二章随机变量及其分布
大学教育概率论与数据统计复习材料之公式
祝您考试顺利！
1第 5 页共27 页
大学教育概率论与数据统计复习材料之公式
祝您考试顺利！
1第7 页共27 页
第三章二维随机变量及其分布
大学教育概率论与数据统计复习材料之公式
祝您考试顺利！
1第9 页共27 页
大学教育概率论与数据统计复习材料之公式
祝您考试顺利！
1第11 页共27 页
大学教育概率论与数据统计复习材料之公式
祝您考试顺利！
1第13 页共27 页
第四章随机变量的数字特征
大学教育概率论与数据统计复习材料之公式
祝您考试顺利！
1第15 页共27 页
大学教育概率论与数据统计复习材料之公式
祝您考试顺利！
1第17 页共27 页
第五章大数定律和中心极限定理
大学教育概率论与数据统计复习材料之公式
祝您考试顺利！
第六章样本及抽样分布
1第19 页共27 页
大学教育概率论与数据统计复习材料之公式
祝您考试顺利！
第七章参数估计
1第21 页共27 页
大学教育概率论与数据统计复习材料之公式
祝您考试顺利！
1第23 页共27 页
大学教育概率论与数据统计复习材料之公式
祝您考试顺利！
第八章假设检验
1第25 页共27 页
单正态总体均值和方差的假设检验
大学教育概率论与数据统计复习材料之公式
祝您考试顺利！
1第27 页共27 页。
概率论与数理统计超全公式总结
E (X )=∑∑x i p i jijxxn+∞ n n−λλkP (X = k ) = e ， (k = 0,1,...)k !(a ≤ x ≤ b )1b − af (x ) =概率论与数理统计公式总结F (x ) = P (X ≤ x ) = ∑P (X = k )k ≤x分布函数 对离散型随机变量F ' (x ) = f (x )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)对连续型随机变量F (x ) = P (X ≤ x ) =∫−∞f (t )dt条件概率公式分布函数与密度函数的重要关系：P (A | B ) =P (AB )P (B )F (x ) = P (X ≤ x ) =∫−∞f (t )dt概率的乘法公式P (AB ) = P (B )P (A | B )= P (A )P (B | A )二元随机变量及其边缘分布分布规律的描述方法全概率公式：从原因计算结果P (A ) = ∑ P (B k )P (A | B k )k =1联合密度函数联合分布函数f (x , y ) ≥ 0f (x , y ) F (x , y )+∞ +∞Bayes 公式：从结果找原因∫−∞ ∫−∞f (x , y )dx dy = 1 0 ≤ F (x , y ) ≤ 1P (B k| A ) = P (B i )P (A | B i ) ∑P (B )P (A | B )F (x , y ) = P {X ≤ x ,Y ≤ y }f (x ) = ∫ f (x , y )d y 联合密度与边缘密度第二章kkk =1Xf Y (y ) = −∞+∞−∞f (x , y )dx二项分布（Bernoulli 分布）——X~B(n,p)P (X =k )=C k p k (1−p)n −k，(k =0,1,...n , ) 泊松分布——X~P(λ)概率密度函数离散型随机变量的独立性P {X = i ,Y = j } = P {X = i }P {Y = j }连续型随机变量的独立性f (x , y ) = f X (x ) f Y (y ) 第三章数学期望离散型随机变量，数学期望定义怎样计算概率P (a ≤ X ≤ b )b连续型随机变量，数学期望定义� E(a)=a ，其中 a 为常数P (a ≤ X ≤ b ) = ∫af (x )d x均匀分布 X~U(a,b)指数分布 X~Exp (θ)• 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+∞∫−∞ f (x )dx = 1+∞E (X ) = ∑x k ⋅P kk =−∞+∞E (X ) = ∫−∞x ⋅ f (x )dxE (g (X )) = ∑ g (x k ) p kk∫Y / nD (X +Y ) = D (X ) + D (Y ) + 2E {(X − E (X ))(Y − E (Y ))} X ~ N (µ,σ2 )i σ 12 σ E (X Y ) = ∑∑x i y j p i jij2σ22−(x −µ) e 12πσf (x ) =不相关不一定独立第四章 正态分布E (X ) = µ,D (X ) = σ2方 差 定义式常用计算式常用公式当 X 、Y 相互独立时：标准正态分布的概率计算 标准正态分布的概率计算公式P (Z ≤ a ) = P (Z < a ) = Φ(a )P (Z ≥ a ) = P (Z > a ) = 1− Φ(a )P (a ≤ Z ≤ b ) = Φ(b ) − Φ(a )P (−a ≤ Z ≤ a ) = Φ(a ) − Φ(−a ) = 2Φ(a ) −1一般正态分布的概率计算一般正态分布的概率计算公式 P (X ≤ a ) = P (X < a ) = Φ(a − µσ ) a − µ方差的性质P (X ≥ a ) = P (X > a ) = 1− Φ( σ)D(a)=0，其中 a 为常数P (a ≤ X ≤ b ) = Φ(b − µ− Φ(a − µD(a+bX)=b2D(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E {[X − E (X )][Y − E (Y )]}= E (XY ) − E (X )E (Y )第 五 章卡方分布σ ) σ)n若X ~ N (0,1)，则∑ X 2 ~ χ2(n )i =121n2 2协方差的性质若Y ~ N (µ,σ ),t 分布则 2 ∑(Y i− µ) i =1 ~ χ (n )若X ~ N (0,1), Y ~ χ2(n ),则X ~ t (n )独立与相关独立必定不相关 Cov (aX ,bY ) = abCov (X ,Y )若U ~ χ2 (n ), F 分布正态总体条件下 样本均值的分布：V ~ χ2(n ),则U / n 1 V / n 2~ F (n 1,n 2 )相关必定不独立2X ~ N (µ,)nX − µ~ N (0,1)σ/ n 2− E (X )) ⋅ f (x )dx x +∞−∞∫ D (X ) =( E (XY ) = ∫ ∫ xyf (x , y )dxdy σX ~ N (µ,σ2 ) ⇔ Z = X − µ~ N (0,1)D (X )D (Y )XY ρ =C ov (X ,Y )Cov (X +Y , Z ) = Cov (X , Z ) + Cov (Y , Z )C ov (X , X ) = E (X 2 ) − (E (X ))2 =D (X )Cov (X ,Y ) = E (XY ) − E (X )E (Y )D (X +Y ) = D (X ) + D (Y )D (X ) =E (X 2 ) − [E (X )]2当X 与Y 独立时,E (XY ) = E (X )E (Y )Φ(a ) = 1− Φ(−a ) E (X +Y ) = E (X ) + E (Y )E (X ) = ∫ ∫ xf (x , y )dxdyn ⎠ n ⎠ n ⎠σ2 1 + 2 n 1 n 2 σ2 σ / n(x 1 − x 2 )± z α/ 2 2 2 ⎜ χ χ ⎛ ⎜ ⎟12x ± z样本方差的分布：正态总体方差的区间估计 两个正态总体均值差的置信区间(n −1)S 2 ~ χ2 (n −1) X − µ~ t (n −1) 大样本或正态小样本且方差已知σ2两个正态总体的方差之比⎛⎜ ⎜ ⎝S 2 / S 2两个正态总体方差比的置信区间1 2~ F (n 1 −1,σ2 /σ2n 2 −1)2 / S 2 , 2 / S 2⎞ ⎝ F α/ 2 (n 1 −1,n 2 −1) F α/ 2 (n 1 −1,n 2 −1) ⎠第六章点估计：参数的估计值为一个常数矩估计 最大似然估计n似然函数第七章假设检验的步骤1 根据具体问题提出原假设 H0 和备择假设 H12 根据假设选择检验统计量，并计算检验统计值3 看检验统计值是否落在拒绝域，若落在拒绝域则L = Π i =1f (x i ;θ)L = Π i =1p (x i ;θ)拒绝原假设，否则就不拒绝原假设。
概率论与数理统计公式整理(完整精华版)
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的作用相类似。
（4）分布函数
设 为随机变量， 是任意实数，则函数
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。
，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)。
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。
例如：若X与Y独立，则：3X+1和5Y-2独立。
（8）二维均匀分布
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：
Y
X
y1
y2
…
yj
…
x1
p11
p12
…
p1j
…
x2
p21
概率论与数理统计公式整理(超全免费版)PDF
P(X=1)=p, P(X=0)=q
在 n 重贝努里试验中，设事件 A 发生的概率为 p 。事件 A 发生
的次数是随机变量，设为 X ，则 X 可能取值为 0,1,2,, n 。
P( X
=
k)
=
Pn(k
)
=
C
k n
p k q n−k
，
q = 1 − p,0 < p < 1, k = 0,1,2,, n ，
①两个事件的独立性
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。
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)
（14）独立 性
若事件 A 、 B 相互独立，则可得到 A 与 B 、 A 与 B 、 A 与 B 也都相互独
+∞
∫ f (x)dx = 1
2° −∞
。
（3）离散 P( X = x) ≈ P(x < X ≤ x + dx) ≈ f (x)dx
与连续型
随机变量 的关系
ห้องสมุดไป่ตู้
积分元 f (x)dx 在连续型随机变量理论中所起的作用与 P( X = xk) = pk 在离
散型随机变量理论中所起的作用相类似。
4
概率论与数理统计 公式（全）-大蚂蚱网
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。
1
概率论与数理统计 公式（全）-大蚂蚱网
最新概率论与数理统计公式总结【已整理-可直接打印】
精品文档精品文档 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)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 (θ)分布函数对离散型随机变量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)()()|(B P AB P B A P =)|()()(B A P B P AB P =)|()(A B P A P =∑==nk 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，λλ1)(=⎰+∞∞-dx x f )(b X a P ≤≤⎰=≤≤badxx f b X a P )()()0(1)(/≥=-x e x f x θθ∑≤==≤=xk k X P x X P x F )()()(⎰∞-=≤=xdtt f x X P x F )()()(⎰∞-=≤=xdtt f x X P x F )()()(),(y x f ),(y x F 0),(≥y x f 1),(=⎰⎰+∞∞-+∞∞-dxdy y x f 1),(0≤≤y x F },{),(y Y x X P y x F ≤≤=⎰+∞∞-=dyy x f x f X ),()(⎰+∞∞-=dxy 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 kkP xX E )(⎰+∞∞-⋅=dxx f x X E )()(∑=kkk p x g X g E )())(()(1)(b x a ab x f ≤≤-=)()('x f x F =精品文档随机变量g(X)的数学期望常用公式方差 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)=b2D(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第五章 卡方分布∑∑=ijiji p x X E )(dxdyy x xf X E ⎰⎰=),()()()()(Y E X E Y X E +=+∑∑=ijijj i p y x XY E )(dxdyy 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 E X E XY E Y X Cov -=)()(),(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 =),(),(),(Z Y Cov Z X Cov Z Y X Cov +=+),(~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 )(~)1,0(~212n X N X ni i χ∑=，则若精品文档t 分布F 分布正态总体条件下 样本均值的分布：样本方差的分布：两个正态总体的方差之比第六章点估计：参数的估计值为一个常数 矩估计最大似然估计 似然函数均值的区间估计——大样本结果正态总体方差的区间估计两个正态总体均值差的置信区间 大样本或正态小样本且方差已知两个正态总体方差比的置信区间第七章假设检验的步骤① 根据具体问题提出原假设H0和备择假设H1 ② 根据假设选择检验统计量，并计算检验统计值 ③ 看检验统计值是否落在拒绝域，若落在拒绝域则拒绝原假设，否则就不拒绝原假设。
概率论与数理统计公式整理(完整精华版)
第1章随机事件及其概率
我们作了n 次试验，且满足
每次试验只有两种可能结果，A 发生或A 不发生； n 次试验是重复进行的，即A 发生的概率每次均一样；
每次试验是独立的，即每次试验A 发生与否与其他次试验A 发生与
否是互不影响的。
这种试验称为伯努利概型，或称为n
重伯努利试验。
用p 表示每次试验A 发生的概率，则A 发生的概率为q p =-1，用)(k P n 表示n 重伯努利试验中A 出现)0(n k k ≤≤次的概率，
k
n k k
n n q p k P C -=)(，n k ,,2,1,0 =。
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
第七章参数估计
第八章假设检验
单正态总体均值和方差的假设检验。
概率论与数理统计公式超全版
P(X=xk)=pk，k=1,2,…，
则称上式为离散型随机变量 X 的概率分布或分布律。有时也用分布列的形式给出：
X P(X
xk )
|
x1, x2,, xk, p1, p2,, pk, 。
显然分布律应满足下列条件：
pk 1
（1） pk 0 ， k 1,2,， （2） k 1
。
1
（2）连续型 随机变量的 分布密度
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 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)
用 p 表示每次试验 A 发生的概率，则 A 发生的概率为1 p q ，用 Pn(k ) 表示 n 重伯努利试验中 A
出现 k(0 k n) 次的概率，
（1）离散型 随机变量的 分布律
C Pn(k)
k n
pk
q nk
，k
0,1,2,, n
。
第二章 随机变量及其分布
设离散型随机变量 X 的可能取值为 Xk(k=1,2,…)且取各个值的概率，即事件(X=Xk)的概率为
P(B / A) P( AB) 。
P( A) 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( B /A)=1-P(B/A)
乘法公式： P( AB) P(A)P(B / A)
(完整版),概率论与数理统计(完整公式,知识点梳理),推荐文档
设离散型随机变量 X 的可能取值为 Xk(k=1,2,…)且取各个值的概率，即
事件(X=Xk)的概率为
P(X=xk)=pk，k=1,2,…，
则称上式为离散型随机变量 X 的概率分布或分布律。有时也用分布列的
形式给出：
X
| x1, x2,, xk,
P( X xk) p1, p2,, pk, 。
显然分布律应满足下列条件：
满足下列三个条件：
1° 0≤P(A)≤1，
2° P(Ω) =1
3° 对于两两互不相容的事件 A1 ， A2 ，…有
P
i 1
Ai
i 1
P( Ai)
常称为可列（完全）可加性。
则称 P(A)为事件 A 的概率。
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
An 1) 。
①两个事件的独立性
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。
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
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)
- 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)。
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的作用相类似。
（4）分布函数
设 为随机变量， 是任意实数，则函数
称为随机变量X的分布函数，本质上是一个累积函数。
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。
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））
对立事件（至少有一个）
顺序问题
（4）随机试验和随机事件
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。
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)
第1章 随机事件及其概率
（1）排列组合公式
从m个人中挑出n个人进行排列的可能数。
从m个人中挑出n个人进行组合的可能数。
（2）加法和乘法原理
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。
乘法原理（两个步骤分别不能完成这件事）：m×n
1° 0≤P(A)≤1，
2° P(Ω) =1
3° 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。
（8）古典概型
1° ，
2° 。
设任一事件 ，它是由 组成的，则有
P(A)= =
（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，
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。
（15）全概公式
设事件 满足
1° 两两互不相容， ，
2° ，
则有
。
（16）贝叶斯公式
设事件 ， ，…， 及 满足
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。
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。
（6）事件的关系与运算
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）：
-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： ，
（7）概率的公理化定义
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：
。其中L为几何度量（长度、面积、体积）。
（10）加法公式
P(A+B)=P(A)+P(B)-P(AB)
当P(AB)＝0时，P(A+B)=P(A)+P(B)
（11）减法公式
P(A-B)=P(A)-P(AB)
当B A时，P(A-B)=P(A)-P(B)
当A=Ω时，P( )=1- P(B)
（12）条件概率
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 。
试验的可能结果称为随机事件。
（5）基本事件、样本空间和事件
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。
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。
，（ ， ，…， ），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。
（17）伯努利概型
我们作了 次试验，且满足
每次试验只有两种可能结果， 发生或 不发生；
次试验是重复进行的，即 发生的概率每次均一样；
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。
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)
（13）乘法公式
乘法公式：
更一般地，对事件A1，A2，…An，若P(A1A2…An-1)>0，则有
… …… … 。
（14）独立性
①两个事件的独立性
设事件 、 满足 ，则称事件 、 是相互独立的。
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，
， 。
第二章 随机变量及其分布
（1）离散型随机变量的分布律
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(X=Xk)的概率为
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）连续型随机变量的分布密度
设 是随机变量 的分布函数，若存在非负函数 ，对任意实数 ，有
，
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：