【概率论与数理统计公式总结】在学习概率论与数理统计的过程中，掌握关键的公式和概念是理解和应用这门学科的基础。以下是对概率论与数理统计中常用公式的系统总结，便于复习和查阅。
一、基本概念与公式
| 概念 | 公式 | 说明 | |||
| 随机事件 | $ A \subseteq S $ | $ S $ 是样本空间，$ A $ 是其中的一个子集 | |||
| 概率定义 | $ P(A) = \frac{\text{有利结果数}}{\text{总结果数}} $ | 当所有结果等可能时适用 | |||
| 概率加法公式 | $ 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 | |||
| 条件概率 | $ P(A | B) = \frac{P(A \cap B)}{P(B)} $ | 在已知 $ B $ 发生的前提下，$ A $ 发生的概率 | ||
| 独立事件 | $ P(A \cap B) = P(A)P(B) $ | 两事件相互独立时成立 | |||
| 全概率公式 | $ P(B) = \sum_{i=1}^n P(A_i)P(B | A_i) $ | 用于多个互斥事件下的概率计算 | ||
| 贝叶斯公式 | $ P(A_i | B) = \frac{P(A_i)P(B | A_i)}{\sum_{j=1}^n P(A_j)P(B | A_j)} $ | 用于由结果反推原因的概率 |
二、随机变量及其分布
| 类型 | 分布名称 | 概率质量函数/密度函数 | 数学期望 | 方差 |
| 离散型 | 伯努利分布 | $ P(X=1) = p, P(X=0) = 1-p $ | $ p $ | $ p(1-p) $ |
| 离散型 | 二项分布 | $ P(X=k) = C_n^k p^k (1-p)^{n-k} $ | $ np $ | $ np(1-p) $ |
| 离散型 | 泊松分布 | $ P(X=k) = \frac{\lambda^k e^{-\lambda}}{k!} $ | $ \lambda $ | $ \lambda $ |
| 连续型 | 均匀分布 | $ f(x) = \frac{1}{b-a}, a \leq x \leq b $ | $ \frac{a+b}{2} $ | $ \frac{(b-a)^2}{12} $ |
| 连续型 | 正态分布 | $ f(x) = \frac{1}{\sqrt{2\pi}\sigma} e^{-\frac{(x-\mu)^2}{2\sigma^2}} $ | $ \mu $ | $ \sigma^2 $ |
| 连续型 | 指数分布 | $ f(x) = \lambda e^{-\lambda x}, x \geq 0 $ | $ \frac{1}{\lambda} $ | $ \frac{1}{\lambda^2} $ |
三、随机变量的数字特征
| 概念 | 公式 | 说明 |
| 数学期望（均值） | $ E(X) = \sum x_i P(X=x_i) $ 或 $ \int x f(x) dx $ | 表示随机变量的平均值 |
| 方差 | $ Var(X) = E[(X - E(X))^2] $ | 表示随机变量与其均值的偏离程度 |
| 协方差 | $ Cov(X,Y) = E[XY] - E[X]E[Y] $ | 衡量两个变量之间的线性相关性 |
| 相关系数 | $ \rho_{XY} = \frac{Cov(X,Y)}{\sqrt{Var(X)Var(Y)}} $ | 取值范围在 [-1, 1] 之间 |
四、大数定律与中心极限定理
| 定理 | 内容 |
| 大数定律 | 当试验次数趋于无穷时，样本均值趋近于总体均值 |
| 中心极限定理 | 对于独立同分布的随机变量，其样本均值的分布近似服从正态分布，无论原分布如何 |
五、参数估计与假设检验
| 类型 | 名称 | 公式或方法 |
| 点估计 | 矩估计法 | 用样本矩估计总体矩 |
| 点估计 | 最大似然估计 | 构造似然函数并求极值 |
| 区间估计 | 置信区间 | 根据抽样分布构造区间估计 |
| 假设检验 | 显著性检验 | 提出原假设与备择假设，根据统计量判断是否拒绝原假设 |
六、常见统计量及分布
| 统计量 | 分布 | 用途 |
| 样本均值 | 正态分布（若总体为正态） | 估计总体均值 |
| 样本方差 | 卡方分布 | 估计总体方差 |
| t统计量 | t分布 | 用于小样本均值检验 |
| F统计量 | F分布 | 用于方差分析和回归模型比较 |
以上内容为概率论与数理统计中的一些核心公式和概念的总结，适用于考试复习、课程学习以及实际问题的建模与分析。希望对大家的学习有所帮助。