【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、基本概念与定义
1. 样本空间（Sample Space）：所有可能结果的集合，通常用 $ S $ 表示。
2. 事件（Event）：样本空间的一个子集，表示某些特定结果的集合。
3. 概率（Probability）：事件发生的可能性大小，取值范围为 $ [0, 1] $。
4. 互斥事件（Mutually Exclusive Events）：两个事件不能同时发生。
5. 独立事件（Independent Events）：一个事件的发生不影响另一个事件的概率。
二、常用概率公式汇总
| 公式名称 | 公式表达 | 说明 | |||
| 古典概型概率 | $ P(A) = \frac{m}{n} $ | 其中 $ m $ 是事件 A 包含的基本事件数，$ n $ 是样本空间总事件数 | |||
| 加法公式 | $ P(A \cup B) = P(A) + P(B) - P(A \cap B) $ | 用于计算两个事件至少有一个发生的概率 | |||
| 互斥事件加法公式 | $ P(A \cup B) = P(A) + P(B) $ | 当 A 与 B 互斥时，不需减去交集部分 | |||
| 补集公式 | $ P(A') = 1 - P(A) $ | 事件 A 不发生的概率 | |||
| 条件概率 | $ P(A | B) = \frac{P(A \cap B)}{P(B)} $ | 在 B 发生的条件下，A 发生的概率 | ||
| 乘法公式 | $ P(A \cap B) = P(A) \cdot P(B | A) $ | 用于计算两个事件同时发生的概率 | ||
| 独立事件乘法公式 | $ P(A \cap B) = P(A) \cdot P(B) $ | 当 A 与 B 独立时，可直接相乘 | |||
| 全概率公式 | $ P(B) = \sum_{i=1}^n P(A_i) \cdot P(B | A_i) $ | 用于已知多个互斥且完备的事件，求某事件发生的概率 | ||
| 贝叶斯公式 | $ P(A_i | B) = \frac{P(A_i) \cdot P(B | A_i)}{\sum_{j=1}^n P(A_j) \cdot P(B | A_j)} $ | 用于在已知结果下，反推原因的概率 |
三、常见分布的概率公式
| 分布类型 | 概率质量函数/密度函数 | 期望 $ E(X) $ | 方差 $ Var(X) $ |
| 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 $ |
| 正态分布 | $ f(x) = \frac{1}{\sqrt{2\pi\sigma^2}} e^{-\frac{(x-\mu)^2}{2\sigma^2}} $ | $ \mu $ | $ \sigma^2 $ |
| 均匀分布 | $ f(x) = \frac{1}{b-a} $，$ a \leq x \leq b $ | $ \frac{a+b}{2} $ | $ \frac{(b-a)^2}{12} $ |
| 几何分布 | $ P(X=k) = (1-p)^{k-1} p $ | $ \frac{1}{p} $ | $ \frac{1-p}{p^2} $ |
四、总结
概率公式是处理不确定性问题的重要工具，理解并熟练运用这些公式可以提升分析和解决问题的能力。无论是基础的概率计算，还是复杂分布模型的应用，都需要扎实的公式记忆和灵活的运用技巧。通过本表的整理，希望读者能够更加清晰地掌握各类概率公式，并在实际问题中加以应用。
如需进一步学习概率论中的相关理论或具体案例分析，建议参考经典教材《概率论与数理统计》或在线课程资源。