概率的所有公式-概率公式大全

本文将系统梳理概率论中的核心公式，涵盖单事件、多事件、独立事件及连续型随机变量的概率计算与分布理论，并通过真实案例阐述其应用价值。

例如，掷一枚公平硬币，样本空间{正面，反面}包含 2 个等可能结果，因此掷出正面的概率为 1/2。在复利计算中，单期利率即为单事件概率的体现，若不考虑复利效应，则单期投资回报的概率分布即为单纯的均匀分布。

例如，抛掷一枚硬币有两种可能结果，样本空间为{正面，反面}，共 2 个元素。而事件“正面朝上”则是从样本空间中抽取的子集{正面}，其概率即为该子集元素个数除以样本空间元素个数，即 1/2。

例如，购买彩票中奖，虽然理论上所有号码组合概率均等，但在实际抽样过程中，若抽样过程存在偏差，则不同号码组合出现的概率可能并不相等。
因此，在复杂场景中，必须引入更复杂的概率模型。

例如，掷两枚硬币，第一枚掷出正面的概率为 1/2，第二枚独立地掷出正面的概率也为 1/2。则两枚硬币同时为正面的联合概率为 1/2 × 1/2 = 1/4。

例如，掷一枚骰子，事件 A 为出现点数小于 4（即 1,2,3），事件 B 为出现点数大于 3（即 4,5,6）。由于点数 4 和 5 只属于事件 B，而点数 1,2,3 只属于事件 A，两者互斥。
因此，点数小于 4 或大于 3 的概率为 P(A) + P(B) = 3/6 + 3/6 = 1。

例如，在一次考试中有两道选择题，每道题有 4 个选项。假设每题答对的概率均为 1/4，则两道题都答对的概率为 1/4 × 1/4 = 1/16。但题目问的是至少答对一题的概率，这就需要应用容斥原理进行计算。

正态分布是连续型随机变量中最常见的分布之一，其概率密度函数表达式为 f(x) = (1/√(2πσ²)) e^(-(x-μ)²/(2σ²))。其中 μ 为均值，σ² 为方差。利用该函数，我们可以计算任意区间内的概率值。

例如，抛掷硬币直到出现正面为止，若前 n 次均未出现正面，则第 n+1 次出现正面的概率为 (1/2)^(n+1)。这体现了几何分布的特性，它描述了等待一个成功事件所需的平均次数。

例如，医生诊断疾病。若某人患有某种罕见病的概率极低，但某项体检的阳性结果出现概率较高，则根据贝叶斯定理，该人在体检阳性后实际患病的概率可能会显著上升。

例如，在生物实验中，我们观测到某种基因突变样本的序列长度，通过最大化该样本序列出现数据的似然函数，可以推断出该基因突变的平均长度，从而指导后续实验设计。

例如，在金融风险评估中，为了估算复杂衍生产品未来的价值变化，金融工程师常利用蒙特卡洛方法生成大量随机价格路径，通过统计其分布特征来给出风险概率的估计值。