【概率论与数理统计公式】在概率论与数理统计的学习过程中，掌握基本的公式和概念是理解相关理论的关键。以下是对概率论与数理统计中常用公式的总结，便于学习者快速查阅和记忆。
一、概率论基本公式
| 公式名称 | 公式表达 | 说明 | |||
| 概率定义 | $ P(A) = \frac{n(A)}{n(S)} $ | A 是事件，S 是样本空间，n(A) 表示 A 发生的次数，n(S) 是总试验次数 | |||
| 加法公式 | $ P(A \cup B) = P(A) + P(B) - P(A \cap B) $ | 用于计算两个事件至少一个发生的概率 | |||
| 乘法公式 | $ P(A \cap B) = P(A) \cdot P(B | A) $ | 用于计算两个事件同时发生的概率 | ||
| 条件概率 | $ P(B | A) = \frac{P(A \cap B)}{P(A)} $ | 在 A 发生的前提下，B 发生的概率 | ||
| 全概率公式 | $ P(B) = \sum_{i=1}^{n} P(A_i) \cdot P(B | A_i) $ | 当事件 B 可以由多个互斥事件 A_i 引起时 | ||
| 贝叶斯公式 | $ P(A_i | B) = \frac{P(A_i) \cdot P(B | A_i)}{\sum_{j=1}^{n} P(A_j) \cdot P(B | A_j)} $ | 用于根据结果反推原因的概率 |
二、随机变量与分布
| 类型 | 名称 | 公式 | 说明 |
| 离散型随机变量 | 伯努利分布 | $ P(X = k) = p^k (1-p)^{1-k},\ k=0,1 $ | 描述一次试验成功或失败的情况 |
| 离散型随机变量 | 二项分布 | $ P(X = k) = C_n^k p^k (1-p)^{n-k} $ | n 次独立重复试验中成功 k 次的概率 |
| 离散型随机变量 | 泊松分布 | $ P(X = k) = \frac{\lambda^k e^{-\lambda}}{k!} $ | 描述单位时间内事件发生次数的分布 |
| 连续型随机变量 | 正态分布 | $ f(x) = \frac{1}{\sqrt{2\pi}\sigma} e^{-\frac{(x-\mu)^2}{2\sigma^2}} $ | 常见的对称分布，描述大量随机现象 |
| 连续型随机变量 | 均匀分布 | $ f(x) = \frac{1}{b-a},\ a \le x \le b $ | 在区间 [a, b] 上等概率分布 |
| 连续型随机变量 | 指数分布 | $ f(x) = \lambda e^{-\lambda x},\ x \ge 0 $ | 描述事件发生时间间隔的分布 |
三、期望与方差
| 概念 | 公式 | 说明 |
| 期望（数学期望） | $ E(X) = \sum_{i=1}^{n} x_i P(X = x_i) $ 或 $ \int_{-\infty}^{\infty} x f(x) dx $ | 随机变量的平均值 |
| 方差 | $ Var(X) = E[(X - E(X))^2] $ | 衡量随机变量与其均值的偏离程度 |
| 标准差 | $ \sigma = \sqrt{Var(X)} $ | 方差的平方根，单位与原变量一致 |
| 协方差 | $ Cov(X,Y) = E[(X - E(X))(Y - E(Y))] $ | 衡量两个随机变量之间的线性关系 |
| 相关系数 | $ \rho_{XY} = \frac{Cov(X,Y)}{\sigma_X \sigma_Y} $ | 衡量两个变量之间的相关性强弱，取值在 [-1, 1] 之间 |
四、统计推断基础
| 概念 | 公式 | 说明 |
| 样本均值 | $ \bar{x} = \frac{1}{n} \sum_{i=1}^{n} x_i $ | 用于估计总体均值 |
| 样本方差 | $ s^2 = \frac{1}{n-1} \sum_{i=1}^{n} (x_i - \bar{x})^2 $ | 用于估计总体方差 |
| t 分布 | $ t = \frac{\bar{x} - \mu}{s/\sqrt{n}} $ | 用于小样本情况下总体均值的假设检验 |
| z 分布 | $ z = \frac{\bar{x} - \mu}{\sigma/\sqrt{n}} $ | 用于大样本或已知总体标准差时的假设检验 |
| 卡方分布 | $ \chi^2 = \sum_{i=1}^{n} \frac{(O_i - E_i)^2}{E_i} $ | 用于检验观测值与理论值的差异是否显著 |
五、总结
概率论与数理统计是研究随机现象及其规律的数学分支，广泛应用于科学、工程、经济等领域。掌握其核心公式有助于理解和分析实际问题中的不确定性。本文通过表格形式整理了概率论与数理统计中的重要公式，方便读者进行复习和应用。希望这些内容能为你的学习提供帮助。