(完整版)概率论公式总结.docVIP

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 P( A | B)  P( AB) P( B)  F ( x) P( X x) P( X k) k x 概率的乘法公式 P( AB) P( B) P(A | B) P( A) P(B | A) 全概率公式：从原因计算结果 n P( A) P(Bk )P( A | Bk ) k 1 Bayes 公式：从结果找原因 P(Bi )P( A | Bi ) P (Bk | A) n P( Bk )P( A | Bk ) k 1 第二章 二项分布（ Bernoulli 分布） —— X~B(n,p) P(X k) Cnk pk(1 p)n k，(k 0,1,...n,) 泊松分布 —— X~P( λ) k P( X k) e ， ( k 0,1,...) k! 概率密度函数 f (x)dx 1 怎样计算概 P(a X b) 率 P (a X b) b f (x) dx a 均匀分布 X~U(a,b) 1 f ( x) ( a x b) b a 指数分布 X~Exp () 对连续型随机F ( x) P( X x) x f (t )dt 变量 分布函数与密度函数的重要关系： F ( x) P( X x) x f (t )dt 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 联合分布  (x, y) F ( x, y)  函数 函数 f ( x, y) 0 f ( x, y)dxdy 1 联合密度与边缘密度 f X (x) f (x, y)dy fY (y) f (x, y)dx 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) fY ( y) 第三章 数学期望 离散型随机变量，数学期望定义 E( X) xk Pk k 连续型随机变量，数学期望定义 E( X )x f ( x)dx 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 随机变量 g(X) 的数学期望 E(g (X ))g ( xk ) pk k 常用公式 E(X) E(XY) xi yj pij xi pij ij i j E( X ) xf ( x, y)dxdy E( X Y) E( X ) E(Y ) E( XY) xyf ( x, y)dxdy 当 X与 Y独立时 , E( XY ) E( X ) E(Y ) 方差 定义式 D ( X )x E( X ) 2 f ( x) dx 常用计算式 D (X ) E( X 2 ) E( X ) 2 常用公式 D ( X Y ) D ( X ) D (Y) 2E{( X E( X ))( Y E(Y ))} 当 X、Y 相互独立时： D ( X Y ) D ( X ) D (Y ) 方差的性质 D(a)=0，其中 a 为常数 D(a+bX)= abD(X) ，其中 a、b 为常数 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) Cov( X,Y) XY 协方差的性质 D(X)D(Y) Cov( X , X ) E( X 2 ) E( X ) 2 D ( X ) Cov(aX ,bY) abCov(X ,Y) 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 1 ( x ) 2 e 2 2 E( X ), D ( X ) 2 (a) 1( a) f ( x) X ~ N ( , 2 ) 2 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) (a) P(Z a) P( Z a) 1 (a) P(a Z b) (b) (a) P( a Z a) (a) ( a) 2 (a) 1 一般正态分布的概率计算 X ~ N ( , 2 ) Z X ~ N (0,1) 一般正态分布的概率计算公式 P( X a) P( X a) ( a ) P( X a) P( X a) 1 a ) ( P(a X b) ( b ) ( a )