【概率論與數理統計公式】在學習概率論與數理統計的過程中，掌握各類基本公式是理解相關理論和應用的關鍵。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、概率論基礎公式

1. 古典概型

在樣本空間有限且每個結果等可能的情況下，事件 A 的概率為：

$$

P(A) = \frac{\text{事件A包含的基本事件數}}{\text{總基本事件數}}

$$

2. 加法公式

對任意兩個事件 A 和 B，有：

$$

P(A \cup B) = P(A) + P(B) - P(A \cap B)

$$

3. 乘法公式

若 A 和 B 是兩個事件，則：

$$

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

$$

4. 全概率公式

設事件 $ B_1, B_2, \ldots, B_n $ 構成一個完備事件組，則對任意事件 A，有：

$$

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

$$

5. 貝葉斯公式

在已知事件 A 發生的條件下，求事件 $ B_i $ 發生的概率：

$$

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

$$

二、隨機變量及其分布

三、數字特征

四、數理統計基礎公式

1. 樣本均值

$$

\bar{x} = \frac{1}{n} \sum_{i=1}^{n} x_i

$$

2. 樣本方差

$$

s^2 = \frac{1}{n-1} \sum_{i=1}^{n} (x_i - \bar{x})^2

$$

3. t 分布

當總體標準差未知時，使用 t 分布進行假設檢驗，其密度函數為：

$$

f(t) = \frac{\Gamma\left(\frac{n+1}{2}\right)}{\sqrt{n\pi} \Gamma\left(\frac{n}{2}\right)} \left(1 + \frac{t^2}{n}\right)^{-\frac{n+1}{2}}

$$

4. 卡方分布

若 $ X_1, X_2, \ldots, X_n $ 獨立同服從標準正態分布，則：

$$

\chi^2 = \sum_{i=1}^{n} X_i^2 \sim \chi^2(n)

$$

5. F 分布

若 $ X \sim \chi^2(m) $，$ Y \sim \chi^2(n) $，則：

$$

F = \frac{X/m}{Y/n} \sim F(m,n)

$$

五、常見統計推斷方法

總結

概率論與數理統計是一門研究隨機現象規律性的學科，涉及大量數學公式和概念。通過系統地掌握這些公式，并結合實際案例進行練習，能夠有效提升分析和解決實際問題的能力。希望以上內容能幫助你更好地理解和應用概率論與數理統計的相關知識。