問概率論與數理統計公式

【概率論與數理統計公式】在概率論與數理統計的學習過程中，掌握關鍵的公式是理解和應用相關知識的基礎。以下是對概率論與數理統計中常用公式的總結，結合文字說明和表格形式進行整理，便于查閱和記憶。

一、基本概念與公式

1. 概率的基本性質

- 非負性：對任意事件 $ A $，有 $ P(A) \geq 0 $

- 規范性：$ 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 $ A $ 和 $ B $ 是兩個事件，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 $ 構成一個完備事件組（即互斥且并集為全集），則對于任意事件 $ 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、隨機變量及其分布

1. 離散型隨機變量

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

- 方差：$ Var(X) = E(X^2) - [E(X)]^2 $

2. 連續型隨機變量

- 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、統計推斷基礎公式

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. 假設檢驗

- Z 檢驗統計量（大樣本）：

$$

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

$$

- t 檢驗統計量（小樣本）：

$$

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

$$

3. 置信區間

- 總體均值的置信區間（正態或大樣本）：

$$

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

$$

五、總結

概率論與數理統計是研究隨機現象的數學工具，其核心在于理解概率模型、隨機變量的分布特性以及如何從數據中推斷總體特征。通過掌握上述公式，可以更高效地分析實際問題，并為后續學習統計推斷、回歸分析等提供堅實基礎。

如需進一步了解某個公式的具體應用場景或推導過程，可繼續深入探討。