概率公式大全
更新日期:2026-11-12 18:19:06
| 标题 | 概率公式大全 | |||||||||||||||||||||||||||||||||||||||||||||||||||||
| 内容 | 在概率论中,掌握基本的公式是理解和应用概率理论的关键。无论是基础的概率计算,还是更复杂的统计推断,都需要对各种概率公式的含义和使用方法有清晰的认识。以下是对常见概率公式的总结,结合文字说明与表格形式进行整理,便于查阅和学习。 一、基本概念与公式 1. 概率的基本定义 概率是用来衡量一个事件发生的可能性大小的数值,取值范围为 [0, 1]。其中 0 表示事件不可能发生,1 表示事件必然发生。 2. 古典概型 在等可能结果的样本空间中,事件 A 的概率为: $$ P(A) = \frac{\text{事件A包含的基本事件数}}{\text{样本空间中的基本事件总数}} $$ 3. 互斥事件 若两个事件 A 和 B 不可能同时发生,则称它们为互斥事件,满足: $$ P(A \cup B) = P(A) + P(B) $$ 4. 对立事件 若事件 A 与事件 B 互为对立事件(即 A 发生则 B 不发生,反之亦然),则: $$ P(A) + P(B) = 1 $$ 5. 独立事件 若事件 A 和 B 相互独立,则: $$ P(A \cap B) = P(A) \cdot P(B) $$ 6. 条件概率 在已知事件 B 发生的前提下,事件 A 发生的概率为: $$ P(A | B) = \frac{P(A \cap B)}{P(B)}, \quad (P(B) > 0) | B_i) | A) = \frac{P(B) \cdot P(A | B)}{P(A)} |
| 分布类型 | 公式 | 说明 |
| 二项分布 | $ P(X = k) = C_n^k p^k (1-p)^{n-k} $ | 重复 n 次独立试验中成功 k 次的概率 |
| 泊松分布 | $ P(X = k) = \frac{\lambda^k e^{-\lambda}}{k!} $ | 描述单位时间内事件发生的次数 |
| 正态分布 | $ f(x) = \frac{1}{\sqrt{2\pi\sigma^2}} e^{-\frac{(x-\mu)^2}{2\sigma^2}} $ | 连续型分布,广泛用于自然现象建模 |
| 均匀分布 | $ f(x) = \frac{1}{b-a}, a \le x \le b $ | 在区间 [a, b] 上均匀分布的概率密度函数 |
| 指数分布 | $ f(x) = \lambda e^{-\lambda x}, x \ge 0 $ | 描述事件发生的时间间隔 |
三、期望与方差公式
| 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 $ | 随机变量 X 的平均值 |
| 方差 | $ Var(X) = E[(X - E(X))^2] = E(X^2) - [E(X)]^2 $ | 度量随机变量与其均值的偏离程度 |
| 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)}{\sqrt{Var(X) Var(Y)}} $ | 衡量两个变量之间的相关程度,取值在 [-1, 1] |
四、其他常用公式
| 公式名称 | 公式 | 说明 | |
| 加法原理 | $ P(A \cup B) = P(A) + P(B) - P(A \cap B) $ | 用于非互斥事件的概率计算 | |
| 乘法原理 | $ 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 |
| 期望的线性性 | $ E(aX + bY) = aE(X) + bE(Y) $ | 线性组合的期望等于各部分期望的线性组合 | |
| 方差的线性性 | $ Var(aX + b) = a^2 Var(X) $ | 常数加减不影响方差,系数平方影响方差 |
总结
概率公式是概率论的核心工具,贯穿于概率计算、统计推断、机器学习等多个领域。掌握这些公式不仅有助于解决实际问题,还能提升逻辑思维能力和数据分析能力。通过本文的总结与表格展示,希望读者能够更加系统地理解和运用概率知识。