首页 >> 日常问答 >

概率公式大全

2026-04-19 14:27:39

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 $ 的概率为:

$$

P(A) = \frac{n(A)}{n(S)}

$$

其中,$ n(A) $ 表示事件 $ A $ 中包含的基本事件数,$ n(S) $ 表示样本空间中的总基本事件数。

2. 概率的性质

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

- $ P(S) = 1 $

- 若 $ A $ 与 $ B $ 互斥,则 $ P(A \cup B) = P(A) + P(B) $

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

$$

4. 乘法公式

$$

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

$$

5. 全概率公式

若事件 $ B_1, B_2, ..., B_n $ 是样本空间的一个划分(即互斥且并集为 $ S $),则对于任意事件 $ A $,有:

$$

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

$$

6. 贝叶斯公式

在已知事件 $ A $ 发生的情况下,求事件 $ B_i $ 发生的概率:

$$

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

$$

二、常见分布的概率公式

以下是一些常见的离散型和连续型概率分布的公式:

离散型分布

分布名称 概率质量函数(PMF) 数学期望 方差
伯努利分布 $ P(X = x) = p^x(1-p)^{1-x},\ x=0,1 $ $ p $ $ p(1-p) $
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 $
几何分布 $ P(X = k) = (1-p)^{k-1}p $ $ \frac{1}{p} $ $ \frac{1-p}{p^2} $

连续型分布

分布名称 概率密度函数(PDF) 数学期望 方差
均匀分布 $ f(x) = \frac{1}{b-a},\ a \leq x \leq b $ $ \frac{a+b}{2} $ $ \frac{(b-a)^2}{12} $
正态分布 $ f(x) = \frac{1}{\sqrt{2\pi\sigma^2}} e^{-\frac{(x-\mu)^2}{2\sigma^2}} $ $ \mu $ $ \sigma^2 $
指数分布 $ f(x) = \lambda e^{-\lambda x},\ x \geq 0 $ $ \frac{1}{\lambda} $ $ \frac{1}{\lambda^2} $

三、其他重要公式

1. 独立事件的概率

若事件 $ A $ 与 $ B $ 相互独立,则:

$$

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

$$

2. 期望值公式

对于随机变量 $ X $,其期望为:

$$

E(X) = \sum_{x} x \cdot P(X = x) \quad (\text{离散})

$$

$$

E(X) = \int_{-\infty}^{+\infty} x f(x) dx \quad (\text{连续})

$$

3. 方差公式

$$

Var(X) = E(X^2) - [E(X)]^2

$$

4. 协方差与相关系数

- 协方差:$ Cov(X,Y) = E[(X - E(X))(Y - E(Y))] $

- 相关系数:$ \rho_{XY} = \frac{Cov(X,Y)}{\sqrt{Var(X) Var(Y)}} $

四、总结表

类别 公式 说明
概率定义 $ P(A) = \frac{n(A)}{n(S)} $ 事件发生的可能性
条件概率 $ P(AB) = \frac{P(A \cap B)}{P(B)} $ 已知某事件发生时另一事件的概率
乘法公式 $ P(A \cap B) = P(AB) \cdot P(B) $ 两事件同时发生的概率
全概率公式 $ P(A) = \sum_{i=1}^n P(AB_i) \cdot P(B_i) $ 多种情况下的总概率
贝叶斯公式 $ P(B_iA) = \frac{P(AB_i) \cdot P(B_i)}{\sum_{j=1}^n P(AB_j) \cdot P(B_j)} $ 根据结果反推原因的概率
期望 $ E(X) $ 随机变量的平均值
方差 $ Var(X) = E(X^2) - [E(X)]^2 $ 随机变量偏离均值的程度
协方差 $ Cov(X,Y) = E[(X - E(X))(Y - E(Y))] $ 两个变量之间的线性关系

通过以上总结,我们可以更清晰地理解概率的基本原理和常用公式。在实际应用中,合理选择合适的概率模型和公式,能够有效提高分析和决策的准确性。

  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。

 
分享:
最新文章
Baidu
map