发布时间 : 星期三 文章概率论与数理统计公式更新完毕开始阅读f0398ed0551810a6f5248677
概率论与数理统计 公式（全）
第1章 随机事件及其概率
nPm?（1）排列组合公式 nCm?m! 从m个人中挑出n个人进行排列的可能数。 (m?n)!m! 从m个人中挑出n个人进行组合的可能数。 n!(m?n)!（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 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。 重复排列和非重复排列（有序） 对立事件（至少有一个） 顺序问题 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。 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： 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。 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，?为不可能事件。 不可能事件（?）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： 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）：（3）一些常见排列 （4）随机试验和随机事件 （5）基本事件、样本空间和事件 A?B （6）事件的关系与运算 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=?，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）
?-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) 德摩根率：i?1?A??Aii?1??i A?B?A?B，A?B?A?B （7）概率的公理化定义 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： 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???Ai????P(Ai)?i?1?i?1 常称为可列（完全）可加性。 则称P(A)为事件A的概率。 ?1,?2??n?， 1° ???2° P(?1)?P(?2)??P(?n)?（8）古典概型 1。 n设任一事件A，它是由?1,?2??m组成的，则有 P(A)=?(?1)?(?2)???(?m)? =P(?1)?P(?2)???P(?m) ?mA所包含的基本事件数? 基本事件总数n（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)?（10）加法公式 （11）减法公式 L(A)。其中L为几何度量（长度、面积、体积）。 L(?)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) 当B?A时，P(A-B)=P(A)-P(B) 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发生条件下，事P(A)（12）条件P(AB)概率 件B发生的条件概率，记为P(B/A)?。 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。 1
概率论与数理统计 公式（全）
（13）乘法公式 例如P(Ω/B)=1?P(B/A)=1-P(B/A) 乘法公式：P(AB)?P(A)P(B/A) 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 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也都相互独立。 必然事件?和不可能事件?与任何事件都相互独立。 ?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)， （15）全概率公式 2°则有 A??Bii?1n， P(A)?P(B1)P(A|B1)?P(B2)P(A|B2)???P(Bn)P(A|Bn)。 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， 2° 则 （16）贝叶斯公式 nA??Bii?1，P(A)?0， P(Bi/A)?P(Bi)P(A/Bi)?P(Bj?1n，i=1，2，?n。 j)P(A/Bj)此公式即为贝叶斯公式。 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； ? n次试验是重复进行的，即A发生的概率每次均一样； P(Bi)，（i?1，2，?，n），通常叫先验概率。P(Bi/A)，（i?1，2，?，1
概率论与数理统计 公式（全）
? 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， Pn(k)?Cnpkqn?kk，k?0,1,2,?,n。 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： Xx1,x2,?,xk,?|P(X?xk)p1,p2,?,pk,?。 显然分布律应满足下列条件： （1）pk?0，k?1,2,?， （2）k?1（2）连续型随机变量的分布密度 ?p?k?1。 设F(x)是随机变量X的分布函数，若存在非负函数f(x)，对任意实数x，有 F(x)??f(x)dx??x， 则称X为连续型随机变量。f(x)称为X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° f(x)?0。 2° ?????f(x)dx?1。 （3）离散与连续型随机变量的关系 P(X?x)?P(x?X?x?dx)?f(x)dx 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。 1