概率论复习重点概率论是数学中的一个重要分支，广泛应用于统计学、金融、计算机科学、物理等多个领域。掌握概率论的基本概念和技巧，有助于领会随机现象的规律性，并为后续进修打下坚实基础。下面内容是对概率论核心聪明点的划重点，便于体系复习。
一、基本概念
| 概念 | 定义 |
| 随机试验 | 在相同条件下可重复进行，结局不确定的试验。 |
| 样本空间 | 所有可能结局的集合，记作 S。 |
| 事件 | 样本空间的一个子集，表示某些结局的组合。 |
| 概率 | 表示事件发生的可能性大致，取值范围在 [0,1] 之间。 |
二、概率公理与性质
| 内容 | 说明 |
| 非负性 | 对任意事件 A，P(A) ≥ 0 |
| 规范性 | P(S) = 1 |
| 可加性 | 若 A 和 B 互斥，则 P(A ∪ B) = P(A) + P(B) |
| 加法公式 | P(A ∪ B) = P(A) + P(B) – P(A ∩ B) |
| 互补事件 | P(A’) = 1 – P(A) |
三、条件概率与独立事件
| 概念 | 公式 | |
| 条件概率 | P(A | B) = P(A ∩ B) / P(B)，其中 P(B) > 0 |
| 乘法公式 | P(A ∩ B) = P(A) × P(B | A) |
| 独立事件 | 若 P(A ∩ B) = P(A) × P(B)，则 A 与 B 独立 |
四、离散型随机变量
| 类型 | 分布 | 概率质量函数（PMF） | 数学期望 | 方差 |
| 伯努利分布 | X ~ B(1, p) | P(X=1)=p, P(X=0)=1-p | p | p(1-p) |
| 二项分布 | X ~ B(n, p) | P(X=k) = C(n,k)p^k(1-p)^n-k} | np | np(1-p) |
| 泊松分布 | X ~ Po(λ) | P(X=k) = e^-λ}λ^k / k! | λ | λ |
五、连续型随机变量
| 类型 | 分布 | 概率密度函数（PDF） | 数学期望 | 方差 |
| 均匀分布 | X ~ U(a,b) | f(x) = 1/(b-a), a ≤ x ≤ b | (a+b)/2 | (b-a)^2/12 |
| 正态分布 | X ~ N(μ, σ2) | f(x) = 1/√(2πσ2) e^-(x-μ)^2/(2σ2)} | μ | σ2 |
| 指数分布 | X ~ Exp(λ) | f(x) = λe^-λx}, x ≥ 0 | 1/λ | 1/λ2 |
六、多维随机变量
| 概念 | 说明 |
| 联合分布 | 描述两个或多个随机变量同时取值的概率分布 |
| 边缘分布 | 从联合分布中提取单个变量的分布 |
| 条件分布 | 给定一个变量的值时，另一个变量的分布 |
| 协方差 | Cov(X,Y) = E[(X – E[X])(Y – E[Y])] |
| 相关系数 | ρ_XY} = Cov(X,Y) / (σ_X σ_Y) |
七、大数定律与中心极限定理
| 定理 | 内容 |
| 大数定律 | 当样本容量增大时，样本均值趋于总体期望 |
| 中心极限定理 | 独立同分布的随机变量之和近似服从正态分布 |
八、常用公式汇总
| 公式 | 应用场景 | |
| P(A ∪ B) = P(A) + P(B) – P(A ∩ B) | 计算两事件并的概率 | |
| P(A | B) = P(A ∩ B) / P(B) | 条件概率计算 |
| E[X] = Σx_i P(X=x_i) | 离散型随机变量期望 | |
| Var(X) = E[X2] – (E[X])2 | 方差计算 | |
| Cov(X,Y) = E[XY] – E[X]E[Y] | 协方差计算 |
怎么样？经过上面的分析内容的梳理，可以对概率论的核心聪明有一个全面而清晰的认识。建议在复习经过中结合例题练习，加深对概念的领会和应用能力。
