概率公式大全

2026-01-23 20:02:58

夏天小玥霖2

问答领域知识达人

2026-01-23 20:02:58

【概率公式大全】概率是研究随机现象中事件发生的可能性大小的数学分支，广泛应用于统计学、金融、工程、计算机科学等多个领域。为了便于理解和应用，本文对常见的概率公式进行了系统总结，结合文字说明与表格形式，帮助读者快速掌握关键内容。

一、基本概念与公式

1. 概率的基本定义

设样本空间为 $ S $，事件 $ A \subseteq S $，则事件 $ A $ 发生的概率为：

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}}

2. 概率的性质

- $ 0 \leq P(A) \leq 1 $

- $ P(S) = 1 $

- 若 $ A \cap B = \emptyset $，则 $ P(A \cup B) = P(A) + P(B) $

3. 互补事件

对任意事件 $ A $，其补集 $ A^c $ 的概率为：

P(A^c) = 1 - P(A)

4. 条件概率

在事件 $ B $ 已发生的条件下，事件 $ A $ 发生的概率为：

P(AB) = \frac{P(A \cap B)}{P(B)}, \quad (P(B) > 0)

5. 乘法公式

P(A \cap B) = P(A) \cdot P(BA) = P(B) \cdot P(AB)

6. 全概率公式

若事件 $ B_1, B_2, ..., B_n $ 是样本空间的一个划分，则对于任意事件 $ A $，有：

P(A) = \sum_{i=1}^{n} P(B_i) \cdot P(AB_i)

7. 贝叶斯公式

用于在已知结果的前提下，求某个原因发生的概率：

P(B_iA) = \frac{P(B_i) \cdot P(AB_i)}{\sum_{j=1}^{n} P(B_j) \cdot P(AB_j)}

8. 独立事件

若 $ P(A \cap B) = P(A) \cdot P(B) $，则称事件 $ A $ 和 $ B $ 相互独立。

二、常见分布及其概率公式

分布名称	概率质量函数 / 密度函数	参数	公式示例
伯努利分布	$ P(X = x) = p^x(1-p)^{1-x} $	$ p \in [0,1] $	$ x = 0, 1 $
二项分布	$ P(X = k) = C_n^k p^k(1-p)^{n-k} $	$ n, p $	$ k = 0, 1, ..., n $
泊松分布	$ P(X = k) = \frac{\lambda^k e^{-\lambda}}{k!} $	$ \lambda > 0 $	$ k = 0, 1, 2, ... $
正态分布	$ f(x) = \frac{1}{\sqrt{2\pi\sigma^2}} e^{-\frac{(x-\mu)^2}{2\sigma^2}} $	$ \mu, \sigma $	连续型变量
均匀分布	$ f(x) = \frac{1}{b-a} $	$ a < b $	$ x \in [a, b] $
指数分布	$ f(x) = \lambda e^{-\lambda x} $	$ \lambda > 0 $	$ x \geq 0 $

三、期望与方差公式

量	公式	备注
数学期望	$ E(X) = \sum x_i P(X=x_i) $	离散型随机变量
	$ E(X) = \int x f(x) dx $	连续型随机变量
方差	$ Var(X) = E[(X - E(X))^2] $	衡量数据波动程度
	$ Var(X) = E(X^2) - [E(X)]^2 $	更常用计算方式
协方差	$ Cov(X,Y) = E[(X - E(X))(Y - E(Y))] $	度量两变量相关性
相关系数	$ \rho_{XY} = \frac{Cov(X,Y)}{\sqrt{Var(X)Var(Y)}} $	范围在 [-1, 1]

四、常用公式汇总表

五、结语

概率公式是理解随机现象的基础工具，掌握这些公式有助于我们在实际问题中进行合理的预测、分析和决策。本文通过文字说明与表格形式，系统地整理了概率学中的核心公式，希望对学习者和实践者提供参考价值。

标签：概率公式大全

　　免责声明：本答案或内容为用户上传，不代表本网观点。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，请读者仅作参考，并请自行核实相关内容。如遇侵权请及时联系本站删除。

问概率公式大全