概率论与数理统计公式拓展资料在进修概率论与数理统计的经过中，掌握关键的公式和概念是领会这门学科的基础。下面内容是对概率论与数理统计中常用公式的体系划重点，以文字说明加表格的形式呈现，便于查阅和复习。
一、基本概念与公式
1. 概率的基本性质
– 非负性：对任意事件 $ A $，有 $ P(A) \geq 0 $
– 规范性：$ P(S) = 1 $，其中 $ S $ 是样本空间
– 可列可加性：若 $ A_1, A_2, \ldots $ 为互斥事件，则
$$
P\left(\bigcup_i=1}^\infty} A_i\right) = \sum_i=1}^\infty} P(A_i)
$$
2. 条件概率
设 $ P(B) > 0 $，则事件 $ A $ 在事件 $ B $ 发生条件下的概率为：
$$
P(A
$$
3. 全概率公式
若事件 $ B_1, B_2, \ldots, B_n $ 构成一个完备事件组（即两两互斥且并集为全集），则对任意事件 $ A $ 有：
$$
P(A) = \sum_i=1}^n} P(B_i)P(A
$$
4. 贝叶斯公式
在全概率公式的基础上，贝叶斯公式用于计算逆向概率：
$$
P(B_i
$$
二、随机变量及其分布
1. 离散型随机变量
– 概率质量函数（PMF）：$ P(X = x_i) = p_i $
– 期望：$ E(X) = \sum_i} x_i p_i $
– 方差：$ Var(X) = E(X^2) – [E(X)]^2 $
2. 连续型随机变量
– 概率密度函数（PDF）：$ f(x) $，满足 $ \int_-\infty}^\infty} f(x) dx = 1 $
– 期望：$ E(X) = \int_-\infty}^\infty} x f(x) dx $
– 方差：$ Var(X) = E(X^2) – [E(X)]^2 $
三、常见分布
| 分布名称 | 概率函数或密度函数 | 期望 $ E(X) $ | 方差 $ Var(X) $ |
| 二项分布 $ B(n, p) $ | $ P(X=k) = C_n^k p^k (1-p)^n-k} $ | $ np $ | $ np(1-p) $ |
| 泊松分布 $ Poisson(\lambda) $ | $ P(X=k) = \frace^-\lambda} \lambda^k}k!} $ | $ \lambda $ | $ \lambda $ |
| 正态分布 $ N(\mu, \sigma^2) $ | $ f(x) = \frac1}\sqrt2\pi}\sigma} e^-\frac(x-\mu)^2}2\sigma^2}} $ | $ \mu $ | $ \sigma^2 $ |
| 均匀分布 $ U(a, b) $ | $ f(x) = \frac1}b-a} $，$ a \leq x \leq b $ | $ \fraca+b}2} $ | $ \frac(b-a)^2}12} $ |
| 指数分布 $ Exp(\lambda) $ | $ f(x) = \lambda e^-\lambda x} $，$ x \geq 0 $ | $ \frac1}\lambda} $ | $ \frac1}\lambda^2} $ |
四、统计推断相关公式
1. 样本均值与方差
– 样本均值：$ \barx} = \frac1}n} \sum_i=1}^n} x_i $
– 样本方差：$ s^2 = \frac1}n-1} \sum_i=1}^n} (x_i – \barx})^2 $
2. 置信区间
– 正态总体均值的置信区间（已知方差）：
$$
\barx} \pm z_\alpha/2} \cdot \frac\sigma}\sqrtn}}
$$
– 正态总体均值的置信区间（未知方差）：
$$
\barx} \pm t_\alpha/2}(n-1) \cdot \fracs}\sqrtn}}
$$
3. 假设检验
– Z检验（正态总体，已知方差）：
$$
Z = \frac\barx} – \mu_0}\sigma / \sqrtn}} \sim N(0,1)
$$
– t检验（正态总体，未知方差）：
$$
T = \frac\barx} – \mu_0}s / \sqrtn}} \sim t(n-1)
$$
五、其他重要公式
| 公式名称 | 公式表达 |
| 协方差 | $ Cov(X,Y) = E[(X – E[X])(Y – E[Y])] $ |
| 相关系数 | $ \rho_XY} = \fracCov(X,Y)}\sqrtVar(X) Var(Y)}} $ |
| 大数定律 | 当 $ n \to \infty $ 时，$ \frac1}n} \sum_i=1}^n} X_i \to E(X) $ |
$$
\frac\sum_i=1}^n} X_i – n\mu}\sigma \sqrtn}} \to N(0,1)
$$
以上内容为《概率论与数理统计’里面主要公式的划重点，涵盖了概率基础、随机变量、常见分布、统计推断等核心部分，适用于考试复习、课程笔记整理及实际应用参考。
