【概率論與數(shù)理統(tǒng)計(jì)公式】在概率論與數(shù)理統(tǒng)計(jì)的學(xué)習(xí)過程中，掌握關(guān)鍵的公式是理解和應(yīng)用相關(guān)知識(shí)的基礎(chǔ)。以下是對(duì)概率論與數(shù)理統(tǒng)計(jì)中常用公式的總結(jié)，結(jié)合文字說明和表格形式進(jìn)行整理，便于查閱和記憶。

一、基本概念與公式

1. 概率的基本性質(zhì)

- 非負(fù)性：對(duì)任意事件 $ A $，有 $ P(A) \geq 0 $

- 規(guī)范性：$ P(S) = 1 $，其中 $ S $ 是樣本空間

- 可加性：若 $ A_1, A_2, \dots, A_n $ 互斥，則

$$

P\left( \bigcup_{i=1}^n A_i \right) = \sum_{i=1}^n P(A_i)

$$

2. 條件概率

設(shè) $ A $ 和 $ B $ 是兩個(gè)事件，且 $ P(B) > 0 $，則條件概率為：

$$

P(AB) = \frac{P(A \cap B)}{P(B)}

$$

3. 全概率公式

若事件 $ B_1, B_2, \dots, B_n $ 構(gòu)成一個(gè)完備事件組（即互斥且并集為全集），則對(duì)于任意事件 $ A $，有：

$$

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

$$

4. 貝葉斯公式

在已知 $ P(B_i) $ 和 $ P(AB_i) $ 的情況下，求 $ P(B_iA) $：

$$

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

$$

二、隨機(jī)變量及其分布

1. 離散型隨機(jī)變量

- 期望：$ E(X) = \sum_{x} x \cdot P(X=x) $

- 方差：$ Var(X) = E(X^2) - [E(X)]^2 $

2. 連續(xù)型隨機(jī)變量

- 期望：$ E(X) = \int_{-\infty}^{+\infty} x f(x) dx $

- 方差：$ Var(X) = \int_{-\infty}^{+\infty} (x - E(X))^2 f(x) dx $

三、常見分布及其公式

四、統(tǒng)計(jì)推斷基礎(chǔ)公式

1. 樣本均值與方差

- 樣本均值：$ \bar{x} = \frac{1}{n} \sum_{i=1}^n x_i $

- 樣本方差：$ s^2 = \frac{1}{n-1} \sum_{i=1}^n (x_i - \bar{x})^2 $

2. 假設(shè)檢驗(yàn)

- Z 檢驗(yàn)統(tǒng)計(jì)量（大樣本）：

$$

Z = \frac{\bar{x} - \mu_0}{\sigma/\sqrt{n}}

$$

- t 檢驗(yàn)統(tǒng)計(jì)量（小樣本）：

$$

t = \frac{\bar{x} - \mu_0}{s/\sqrt{n}}

$$

3. 置信區(qū)間

- 總體均值的置信區(qū)間（正態(tài)或大樣本）：

$$

\bar{x} \pm z_{\alpha/2} \cdot \frac{\sigma}{\sqrt{n}}

$$

五、總結(jié)

概率論與數(shù)理統(tǒng)計(jì)是研究隨機(jī)現(xiàn)象的數(shù)學(xué)工具，其核心在于理解概率模型、隨機(jī)變量的分布特性以及如何從數(shù)據(jù)中推斷總體特征。通過掌握上述公式，可以更高效地分析實(shí)際問題，并為后續(xù)學(xué)習(xí)統(tǒng)計(jì)推斷、回歸分析等提供堅(jiān)實(shí)基礎(chǔ)。

如需進(jìn)一步了解某個(gè)公式的具體應(yīng)用場(chǎng)景或推導(dǎo)過程，可繼續(xù)深入探討。