【概率论与数理统计公式】在学习和应用概率论与数理统计的过程中，掌握关键的公式是理解和解决问题的基础。本文将对概率论与数理统计中的主要公式进行系统总结，并以表格形式呈现，便于查阅和记忆。
一、概率论基本公式
概率论是研究随机现象及其规律性的数学分支。以下是一些常用的概率论基本公式：
| 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 表示出现次数或元素个数 | |||
| 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 | |||
| 条件概率 | $ P(A | B) = \frac{P(A \cap B)}{P(B)} $ | 在 B 发生的前提下 A 发生的概率 | ||
| 乘法公式 | $ P(A \cap B) = P(A) \cdot P(B | A) $ | 计算两个事件同时发生的概率 | ||
| 全概率公式 | $ P(A) = \sum_{i=1}^{n} P(B_i) \cdot P(A | B_i) $ | 用于多个互斥事件导致 A 的情况 | ||
| 贝叶斯公式 | $ P(B_i | A) = \frac{P(B_i) \cdot P(A | B_i)}{\sum_{j=1}^{n} P(B_j) \cdot P(A | B_j)} $ | 用于已知结果求原因的概率 |
二、随机变量及其分布
随机变量是概率论中重要的概念，分为离散型和连续型两种。以下是常见的分布及其相关公式：
| 分布类型 | 概率质量函数（PMF）或概率密度函数（PDF） | 数学期望 | 方差 |
| 二项分布 | $ P(X=k) = C_n^k p^k (1-p)^{n-k} $ | $ np $ | $ np(1-p) $ |
| 泊松分布 | $ P(X=k) = \frac{\lambda^k e^{-\lambda}}{k!} $ | $ \lambda $ | $ \lambda $ |
| 正态分布 | $ f(x) = \frac{1}{\sqrt{2\pi}\sigma} e^{-\frac{(x-\mu)^2}{2\sigma^2}} $ | $ \mu $ | $ \sigma^2 $ |
| 均匀分布 | $ f(x) = \frac{1}{b-a}, a \leq x \leq b $ | $ \frac{a+b}{2} $ | $ \frac{(b-a)^2}{12} $ |
| 指数分布 | $ f(x) = \lambda e^{-\lambda x}, x \geq 0 $ | $ \frac{1}{\lambda} $ | $ \frac{1}{\lambda^2} $ |
三、数理统计常用公式
数理统计主要涉及从样本数据中推断总体特征。以下是一些常用的统计量和公式：
| 统计量 | 公式表达 | 说明 |
| 样本均值 | $ \bar{x} = \frac{1}{n} \sum_{i=1}^{n} x_i $ | 描述样本集中趋势的指标 |
| 样本方差 | $ s^2 = \frac{1}{n-1} \sum_{i=1}^{n} (x_i - \bar{x})^2 $ | 描述样本离散程度的指标 |
| 标准差 | $ s = \sqrt{s^2} $ | 方差的平方根 |
| 样本协方差 | $ s_{xy} = \frac{1}{n-1} \sum_{i=1}^{n} (x_i - \bar{x})(y_i - \bar{y}) $ | 衡量两变量间线性关系 |
| 相关系数 | $ r = \frac{s_{xy}}{s_x s_y} $ | 取值范围在 [-1, 1]，表示线性相关程度 |
四、假设检验与置信区间
在数理统计中，假设检验和置信区间是进行统计推断的重要工具。
| 内容 | 公式或方法 | 说明 |
| Z 检验 | $ Z = \frac{\bar{x} - \mu_0}{\sigma / \sqrt{n}} $ | 用于大样本下均值的检验 |
| t 检验 | $ t = \frac{\bar{x} - \mu_0}{s / \sqrt{n}} $ | 用于小样本下均值的检验 |
| 置信区间（均值） | $ \bar{x} \pm z_{\alpha/2} \cdot \frac{\sigma}{\sqrt{n}} $ | 当 σ 已知时使用 |
| 置信区间（比例） | $ \hat{p} \pm z_{\alpha/2} \cdot \sqrt{\frac{\hat{p}(1-\hat{p})}{n}} $ | 用于总体比例的估计 |
总结
概率论与数理统计是现代科学和工程中不可或缺的工具，掌握其核心公式有助于更好地理解随机现象和数据分析过程。本文通过文字与表格相结合的方式，对各类公式进行了系统归纳，便于读者快速查阅和应用。希望这份总结能够帮助你在学习或工作中更高效地运用这些知识。