【概率論知識點】概率論是研究隨機現象及其規律的數學分支，廣泛應用于統計學、金融、計算機科學、物理等多個領域。掌握概率論的基本概念和核心內容，有助于更好地理解和分析不確定性問題。以下是對概率論主要知識點的總結。
一、基本概念
| 概念 | 定義 |
| 隨機事件 | 在一定條件下可能發生也可能不發生的事件。 |
| 樣本空間 | 所有可能結果的集合，通常用 S 表示。 |
| 事件域 | 由樣本空間中某些子集組成的集合，滿足一定的代數結構。 |
| 概率 | 對事件發生的可能性大小的度量，取值范圍為 [0,1]。 |
| 隨機變量 | 將樣本空間中的每個結果映射到實數的函數。 |
二、概率公理與性質
| 內容 | 說明 |
| 公理1 | 任何事件 A 的概率 P(A) ≥ 0 |
| 公理2 | 樣本空間 S 的概率 P(S) = 1 |
| 公理3 | 若事件 A 和 B 互斥，則 P(A ∪ B) = P(A) + P(B) |
| 加法公式 | P(A ∪ B) = P(A) + P(B) - P(A ∩ B) |
| 互補事件 | P(A') = 1 - P(A) |
三、條件概率與獨立性
| 概念 | 公式 | |
| 條件概率 | P(A | B) = P(A ∩ B) / P(B)，其中 P(B) > 0 |
| 乘法法則 | P(A ∩ B) = P(A | B) P(B) |
| 獨立事件 | 若 P(A ∩ B) = P(A) P(B)，則 A 與 B 獨立 |
四、常見分布
| 分布類型 | 描述 | 概率質量函數/密度函數 |
| 伯努利分布 | 一次試驗成功或失敗 | P(X=1)=p, P(X=0)=1-p |
| 二項分布 | n 次獨立試驗中成功的次數 | P(X=k) = C(n,k)p^k(1-p)^{n-k} |
| 泊松分布 | 單位時間內事件發生的次數 | P(X=k) = e^{-λ}λ^k/k! |
| 正態分布 | 連續型分布，呈鐘形曲線 | f(x) = (1/σ√(2π))e^{-(x-μ)^2/(2σ2)} |
| 均勻分布 | 在區間內每個點的概率相同 | f(x) = 1/(b-a), a ≤ x ≤ b |
五、期望與方差
| 概念 | 公式 |
| 期望（均值） | E[X] = Σ x_i P(X=x_i) （離散） E[X] = ∫ x f(x) dx （連續） |
| 方差 | Var(X) = E[(X - E[X])2] = E[X2] - (E[X])2 |
| 標準差 | σ = √Var(X) |
六、大數定律與中心極限定理
| 定理 | 內容 |
| 大數定律 | 當樣本容量趨于無窮時，樣本均值趨于總體期望 |
| 中心極限定理 | 大樣本下，樣本均值的分布近似正態分布，無論總體分布如何 |
七、聯合分布與邊緣分布
| 概念 | 說明 |
| 聯合分布 | 兩個或多個隨機變量同時出現的概率分布 |
| 邊緣分布 | 從聯合分布中提取出單個變量的分布 |
| 條件分布 | 給定一個變量的情況下，另一個變量的分布 |
通過以上知識點的系統梳理，可以更清晰地理解概率論的核心思想與應用方法。對于進一步學習統計推斷、隨機過程等高級內容具有重要的基礎作用。