简介：这份《概率论与数理统计笔记.pdf》面向高校理工经管类专业学生及考研、期末复习人群，用提纲式结构梳理课程核心概念、公式与定理，适合课堂同步整理、考前速查和知识框架复盘。压缩包仅含1个PDF文件，约432KB，轻量易存，便于在电脑、平板与手机上随时翻阅。笔记内容覆盖随机事件及其概率、随机变量及其分布、随机向量及其分布，以及数理统计中的大数定律、中心极限定理、常用统计量、点估计、区间估计、假设检验、独立性检验、方差分析和回归分析等模块，对古典概型、几何概型、分布函数、概率密度、数字特征与条件概率等易混点亦有归纳，可帮助读者快速定位公式、对照概念并建立章节脉络。目前已有5986人学习下载，适合作为课程复习与查漏补缺的辅助资料。

1. 概率论与数理统计到底在研究什么：从一次抛硬币说起

扔一枚硬币，落下来是正是反，谁也没法提前断言。可要是连着扔一万次，正面出现的比例会稳稳地贴在二分之一附近，这件事几乎所有人都有直觉。概率论与数理统计干的事，就是把这种“说不准但有规律”的直觉，变成一套能算、能证明、能拿去下判断的公式：前半段叫概率论，从已知的规则推出结果出现的可能性；后半段叫数理统计，反过来从看到的结果去猜背后那套规则。一份完整的概率论与数理统计笔记，通常就沿着这条线走：先讲随机事件和概率，再讲随机变量、随机向量，最后落到抽样、估计和检验。搞懂这条主线，比背一百条公式都管用。

2. 随机事件与概率：为什么“可能发生”也能算得清清楚楚

2.1 随机试验：先把“不确定”框进一个笼子里

概率论不处理所有的不确定，它只处理一类被称作随机试验的东西。教材里给随机试验列了四条特征：在相同条件下可以重复进行；所有可能结果事先都已知；每次试验出现且仅出现其中一种结果；试验之前无法预测到底出现哪一个。这四条其实是在说“边界清楚，落点随机”。

比如掷一颗骰子，结果必定在 1 到 6 之间，但你猜不准这一次是几；比如从一批产品里随机抽一件检验，只有合格与不合格两种结果，抽之前不知道是哪种。反过来，“明天某只股票涨多少”就不太符合——同样的条件没法重复，涨跌幅也没有一份事先列尽的清单。概率论不管这种事。

守住这四条之后，就能定义样本空间：一次随机试验所有可能结果组成的集合，通常记作 Ω，其中每个结果叫样本点。而随机事件，就是样本空间的某个子集。这个定义看着抽象，作用却很大：它把“事件”变成了“集合”，后面所有的运算都有了着落。必然事件就是 Ω 本身，不可能事件就是空集。

2.2 事件的关系和运算，其实就是集合那一套

事件之间的关系完全照搬集合关系：包含、相等、并（至少一个发生）、交（同时发生）、差（A 发生而 B 不发生）。运算律也一样，交换、结合、分配，还有对偶律——“A 和 B 至少一个发生”的否定，是“两个都不发生”。这一块几乎不用额外背，把事件当集合看就顺了。

真正需要单独记的，是几个带概率味道的概念：

最容易翻车的是互斥和独立。初学者看到两个事件“没有交集”，就以为它们互不影响，正好反了：如果两个事件互斥，而且概率都大于 0，那么知道其中一个发生，另一个就绝不可能发生，这恰恰是强影响。所以互斥的正概率事件一定不独立。

完备事件组值得多说一句。它就是把所有可能情况不重不漏地分成若干类，比如“产品来自甲厂、乙厂、丙厂”，比如“机器处于正常、轻微异常、严重异常三种状态”。这个工具本身不复杂，但后面全概率公式、贝叶斯公式都靠它撑着。

2.3 古典概型和几何概型：两种“公平”的定义方式

古典概型要求两条：样本空间是有限集合；每个基本事件发生的可能性相同。满足这两条时，概率就等于一个除法：

P(A) = A 包含的样本点数 / 样本点总数

用这个公式之前必须确认“等可能性”成立。掷一枚均匀骰子是古典概型，掷一枚灌了铅的骰子就不是——结果仍然只有六种，但可能性不同，公式直接用就错了。这是很多人做题时栽的第一个跟头。

几何概型换了个场景：样本空间对应一个可以度量的几何区域，基本事件和区域里的点一一对应（无限个），并且事件发生的概率只和子区域的度量成正比，与位置、形状无关。公式变成两个度量的比值：

P(A) = 子区域 D 的度量 / 区域 S 的度量

举个常见的例子。两个人约在某个小时内见面，先到的等 20 分钟，等不到就走。把两人到达时刻分别记作 x、y，样本空间是边长 60 的正方形，面积 3600。能见面的条件是 |x−y|≤20，在正方形里挖出两条直角三角形，总面积 1600，剩下的 2000 就是“能见面”的区域。所求概率是 2000/3600，约等于 0.556。整个过程没有一次“数样本点”，全是面积在说话。

这两种概型的区别，本质上是“数个数”和“量长度”。一个离散一个连续，但背后的思路一致：把“公平”翻译成可计算的度量。

2.4 加法、乘法、全概率与贝叶斯

概率的公理化定义只有三条：非负性、规范性（必然事件概率为 1）、可列可加性（两两互斥的事件列，并的概率等于概率之和）。别小看这三条，后面所有性质都能从它们推出来：不可能事件概率为 0，P(A−B)=P(A)−P(AB)，对立事件概率相加为 1，以及最常用的加法公式

P(A∪B) = P(A) + P(B) − P(AB)

三个以上事件就用容斥原理展开，一加一减交替往下走。

条件概率是另一个转折点。在 B 已经发生的条件下 A 发生的概率，定义为 P(A|B)=P(AB)/P(B)，要求 P(B)>0。它本身也满足那三条公理，所以“条件概率也是概率”，性质照搬。由它变形得到乘法公式 P(AB)=P(A)P(B|A)，多个事件连乘就一路乘下去。

接下来是最有实用价值的两条。全概率公式负责“由因推果”：把复杂事件按完备事件组拆开，各路分别算再相加，P(B)=ΣP(Aᵢ)P(B|Aᵢ)。贝叶斯公式负责“由果推因”：看到了结果 B，反推它来自哪个原因，P(Aₖ|B)=P(Aₖ)P(B|Aₖ) / ΣP(Aᵢ)P(B|Aᵢ)。

抽签问题就是全概率公式最漂亮的用法。十个人依次抽一张中奖签，第一个人的中奖概率是 1/10。第二个人呢？分两种情况：第一个人抽中（概率 1/10），他中奖概率为 0；第一个人没抽中（概率 9/10），剩下九张里有一张中奖签，中奖概率 1/9。两路一加，(1/10)×0+(9/10)×(1/9)=1/10。一路推下去，每个人都是 1/10。所以先抽后抽一样公平，这个结论用全概率公式推出来最干净。

贝叶斯公式最反直觉的应用是筛查。某地区某种疾病的患病率是 1%，检测方法对患者查出阳性的概率是 99%，对健康人查出阴性的概率也是 99%。一个人查出阳性，他真正患病的概率是多少？算一下：真患者且阳性 0.01×0.99=0.0099；健康人且被误判阳性 0.99×0.01=0.0099。两者一比，正好对半。也就是说，检测阳性之后，真正患病的概率只有 50%。

这个结果之所以让人不舒服，是因为分母里健康人的基数太大了，1% 的误判率乘上 99% 的人群，绝对数量就和真患者持平。贝叶斯公式的意义就在于逼着你把“基数”算进去，而不是只盯着那个 99% 的准确率。

3. 随机变量及其分布：把不确定的结果翻译成数字

3.1 分布函数：一个 F(x) 把整张概率表压平

随机变量的定义很直白：如果对随机试验的每个结果 e，都有一个单值实函数 X=X(e) 与之对应，X 就叫随机变量。通俗地说，给每个可能结果贴一个数字标签：掷骰子贴 1 到 6，抽检产品贴 0 和 1，测身高贴一个实数。贴完标签，“事件”就变成了“X 落在某个范围里”，概率就能用函数来描述了。

分布函数是所有随机变量通用的描述工具：

F(x) = P(X ≤ x)，x 取任意实数

它把离散型和连续型统一在同一个框架下。只要知道 F，任何区间概率都能算：P(a<X≤b)=F(b)−F(a)。这就是为什么教材先讲分布函数，再分头讲离散和连续——它是那个共同的地基。

F 有四条性质：单调不减；右连续；x 趋于负无穷时 F 趋于 0；x 趋于正无穷时 F 趋于 1。为什么是右连续而不是左连续？因为定义里用的是 X≤x，等号在右边，函数值由右侧决定。这一点考试爱考，实际用起来也常被忽略。

3.2 离散型看分布律，连续型看密度

离散型随机变量的取值可以一个一个列出来，描述它的是分布律：pᵢ=P(X=xᵢ)，每个 pᵢ 非负，全部加起来等于 1。这张表就是它的全部信息。

连续型随机变量取值不可数，描述它的是一个非负可积函数 f(x)，叫概率密度，满足

F(x) = ∫(−∞ 到 x) f(t)dt， P(a<X≤b) = ∫(a 到 b) f(x)dx

密度有两条最反直觉的地方。第一，连续型随机变量在任何一个点上的概率都是 0，P(X=x)=0，因为一个点没有长度，积分为零。所以 P(a<X<b) 和 P(a≤X≤b) 是一样的，开闭区间无所谓，这跟离散型完全不同。

第二，f(x) 的取值不是概率，它可以大于 1。比如在 [0, 0.5] 上取均匀分布，密度恒等于 2，比 1 大得多，但它在任何区间上的积分都不超过 1。密度更像物理里的线密度：某一点密度值大，不代表那一点有多少质量，得看一段上的积分。理解了这一层，就不会再把 f(0.3)=2 当成“概率是 2”这种错误。

3.3 期望和方差：一个说重心，一个说胖瘦

期望是随机变量的加权平均，物理意义是重心。离散型用求和，连续型用积分：

E(X) = Σ xᵢpᵢ E(X) = ∫ x·f(x)dx

这两个式子都要求绝对收敛，否则就说期望不存在——极端值太肥的分布会出现这种情况。

期望的常用性质：常数的期望是它自己；线性性 E(aX+bY)=aE(X)+bE(Y)，注意这条不要求独立；非负随机变量的期望非负；两个变量独立时才有 E(XY)=E(X)E(Y)。

方差衡量的是分散程度，通俗说就是“离重心有多远”：

D(X) = E(X−EX)² = E(X²) − (EX)²

后面那个展开式更好算，考试和实际计算都用它。方差的性质：常数的方差是 0；D(aX+b)=a²D(X)，平移不改变分散程度，缩放要平方；两个变量独立时 D(X+Y)=D(X)+D(Y)，不独立时后面还要加一项协方差——这就是为什么第 4 章还得回头讲协方差。

还有一个绕不开的工具：切比雪夫不等式。

P(|X−EX| ≥ ε) ≤ D(X)/ε²

它不要求知道分布长什么样，只用期望和方差就能给一个界。代价是这个界很松，属于保底估计。它的价值不在算题，而在证明：大数定律的证明要靠它来顶着。

此外还有几个描述工具：中位数把概率劈成两半；k 阶原点矩是 E(Xᵏ)，期望就是一阶矩；k 阶中心矩是 E(X−EX)ᵏ，方差是二阶中心矩，三阶中心矩看分布有没有偏，四阶中心矩看分布陡不陡。

3.4 几个必须记住名字的分布

这些分布之所以值得记，不是因为名字好听，而是因为它们各自对应一类反复出现的随机机制。

几个关键的性质值得单独拎出来。二项分布在 n 很大、p 很小时，可以用泊松分布近似，参数取 λ=np，这就是泊松定理；它的实际意义是“大量试验中的稀有事件计数”。指数分布和几何分布都有无记忆性：已经等了多久，不影响还要再等多久的分布，通俗讲就是“不记得自己等过”。

正态分布最需要说清楚。它的密度是一条钟形曲线，μ 决定中心在哪，σ 决定胖瘦，σ 越小曲线越陡、峰值越高。任意正态变量标准化之后都变成标准正态：

Z = (X − μ) / σ ~ N(0, 1)

实际算概率时，就是先标准化再查表。这条路之所以走得通，第 4 章的中心极限定理会给出解释。

最后是随机变量的函数。已知 X 的分布，求 Y=g(X) 的分布。离散型好办：把函数值相同的那些 x 的概率加在一起就行。连续型要用分布函数法，先写 F_Y(y)=P(g(X)≤y)，把事件翻译成 X 落在哪个区域，积分算出结果，再对 y 求导得到密度。如果 g 是单调的，也可以直接用密度变换公式，把反函数的导数绝对值乘上去。

4. 随机向量与数理统计：从联合分布一路走到假设检验

4.1 联合、边缘、条件：三个分布之间的关系

现实里一个指标往往不够用。描述一个人不能只看身高，还要看体重；描述一道工序不能只看第一道误差，还要看第二道。这时候就需要随机向量，把几个随机变量放在一起研究。它们必须定义在同一个样本空间上，否则没法谈联合行为。

联合分布函数是二维版本的地基：F(x,y)=P(X≤x, Y≤y)。离散型用联合分布律 pᵢⱼ=P(X=xᵢ, Y=yⱼ)，排成一张列联表；连续型用联合密度 f(x,y)，概率等于在区域上的二重积分。

边缘分布是从联合里“抠”出一个变量的分布。离散型把一行的概率加起来，或者把一列加起来；连续型对另一个变量积分：

pᵢ· = Σⱼ pᵢⱼ f_X(x) = ∫ f(x,y)dy

“边缘”这个词很形象，它就写在列联表的边上，行和、列和。这里有个容易忽略的事实：联合分布能推出边缘分布，边缘分布推不出联合分布。两个人的身高分布各自都知道，不代表知道他们一起出现的规律。

条件分布描述的是“知道一个变量取值之后，另一个变量怎么分布”：

P(Y=yⱼ | X=xᵢ) = pᵢⱼ / pᵢ· f_{Y|X}(y) = f(x,y) / f_X(x)

这一步是后面回归分析的起点——条件期望就是“给定 X 之后 Y 的平均走向”。

独立性在随机向量里的写法是 F(x,y)=F_X(x)F_Y(y)，离散型等价于 pᵢⱼ=pᵢ·p·ⱼ，连续型等价于 f(x,y)=f_X(x)f_Y(y)。直观理解：知道 X 的取值，完全不会改变 Y 的分布。

二维的常见分布里，多项分布是二项分布推广到多种结果，平面均匀分布是数轴均匀分布的推广，二元正态是正态分布的推广。二元正态有个特殊性质值得记一笔：它的相关系数为 0 时，两个分量不仅不相关，而且独立。这个结论在一般分布里不成立，是正态分布独有的“特权”，也是后面误区章要重点说的点。

4.2 大数定律和中心极限定理：一切统计方法的底气

这两个定理是概率论通向数理统计的两座桥。

大数定律讲的是“平均下来会稳定”。三个常见版本：一列两两不相关、方差有上界的随机变量，其样本均值依概率收敛到期望；一列独立同分布的随机变量，样本均值依概率收敛到总体均值；n 重伯努利试验中事件发生的频率，依概率收敛到该事件的概率。第三个版本最直观——扔一万次硬币，正面频率会贴着 0.5，这就是“用频率估计概率”的理论依据。

注意“依概率收敛”的含义：它不保证每一次都靠近，只保证偏离较远的可能性趋于 0。这和数学分析里的收敛不是一回事，别混。

中心极限定理讲的是“标准化之后长什么样”。一列独立同分布、方差有限的随机变量，其标准化后的和（或样本均值）的分布函数，随着 n 增大逐点趋于标准正态分布。二项分布在 n 大时的正态近似，是它的一个特例。

为什么这两条这么重要？因为整个数理统计的推断都建立在它们之上。大数定律保证了“用样本估计总体”这件事在大样本下靠谱；中心极限定理保证了不管总体原来是什么形状，样本均值的分布在大样本下都近似正态，所以才能用正态的临界值去构造区间、去定拒绝域。

用一段模拟代码可以直观看到这件事：

import numpy as np rng = np.random.default_rng(20240501) # 固定随机种子，保证结果可复现 n = 2000 # 每组样本的容量 rounds = 5000 # 重复抽样的次数 # 故意选一个明显偏态的分布：指数分布，期望 1、方差 1 samples = rng.exponential(scale=1.0, size=(rounds, n)) means = samples.mean(axis=1) # 每组算一个样本均值 print("样本均值的平均:", means.mean()) # 应接近 1，体现无偏 print("样本均值的波动:", means.std()) # 应接近 1/sqrt(2000) ≈ 0.022

这段代码干的事：从指数分布里反复抽 2000 个样本，每组算一个均值，看这些均值怎么分布。参数说明——scale=1.0是指数分布的尺度参数，等于它的期望；size=(rounds, n)一次生成 5000 行、每行 2000 个数；axis=1表示按行求均值。运行完会发现两件事：均值的平均贴着 1（大数定律在说话），均值的波动量级是 σ/√n（中心极限定理在说话）。这个 1/√n 的收敛速度很关键，它意味着样本量翻四倍，误差才减半——做实验设计时衡量成本，用的就是这条。

4.3 点估计与区间估计：给未知参数一个数，或一个范围

总体的分布类型已知、但里面的参数未知，这时候就要从样本出发去猜。猜法分两种：点估计给一个具体数值，区间估计给一个范围加一个可信度。

点估计最常用的两种方法。矩估计的思路很朴素：用样本矩代替总体矩。先写出总体一阶矩、二阶矩关于未知参数的表达式，解方程组把参数表示出来，再把样本均值、样本二阶矩代进去，就得到估计量。

极大似然估计换个思路：既然这批样本已经出现了，那就选一个参数值，使得“在这组参数下出现这批样本”的概率最大。步骤是写似然函数（样本联合密度或联合分布律）、取对数、对参数求导令其为零、解方程。对数这一步纯粹是为了把连乘变连加，好算。

评价一个估计量好不好，看三条：无偏（反复抽样取平均能回到真值，没有系统偏差）、有效（方差尽量小，波动小）、一致（样本量越大越贴近真值）。样本方差之所以除以 n−1 而不是 n，就是为了满足无偏性——除以 n 会系统性低估总体方差，这是很多人第一次见到的“反直觉设计”。

区间估计要给出的是一个范围。通用方法是枢轴变量法：找一个既包含未知参数、分布又完全已知且不依赖任何未知参数的统计量 U，然后利用 P(a<U<b)=1−α 把不等式反解成参数的区间。单正态总体下，σ 已知时用标准正态的临界值，σ 未知时用 t 分布的临界值，形式分别是

X̄ ± u(α/2) · σ/√n X̄ ± t(α/2, n−1) · S/√n

两种情况都依赖样本均值近似正态，而这正是中心极限定理给的底气。

4.4 假设检验：先假定它成立，再看数据打不打脸

假设检验的逻辑和法庭有点像：先假定被告无罪（原假设 H₀），然后看证据。如果证据在“无罪”这个前提下出现的可能性小到某个程度，就认为无罪这个假定站不住，转而接受备择假设 H₁。

标准步骤有五步：提出 H₀ 和 H₁；构造检验统计量（通常用 H₀ 下分布已知的那个量）；给定显著性水平 α，它是一个小概率，描述“H₀ 为真却被拒绝”的风险；根据 α 确定拒绝域；把样本算出来的统计量扔进拒绝域比对，落进去就拒绝 H₀，否则不拒绝。

两类错误必须说清楚：拒真错误（H₀ 为真但被拒绝，概率为 α）和取伪错误（H₀ 为假但被接受，概率为 β）。这两类错误此消彼长，唯一的办法是增加样本容量。实践中的通行做法是先控制第一类错误，再尽量压低第二类错误，因为“把真的说成假的”通常代价更高。

p 值是这一套的现代版本：在 H₀ 成立的条件下，出现当前观测结果或更极端结果的概率。p 小于 α 就拒绝。它比“拒绝域”更好沟通，但解释起来也更容易出错，后面误区章会专门讲。

除了参数检验，正文里还包含几类结构检验。拟合优度检验判断样本是否来自某个指定的分布，做法是把样本空间分成若干互不相交的区间，比较实际频数和理论频数的偏差平方和，这个统计量近似服从卡方分布。独立性检验判断两个分类变量是否独立，把数据排成 r 行 s 列的列联表，用同样的偏差平方和构造统计量，自由度是 (r−1)(s−1)。方差分析比较多个正态总体的均值是否相等，本质上是把总波动拆成组间和组内两部分再作比。回归分析则是建立变量之间的定量关系式，并用它做预测。

这四类方法看着花样不同，底层逻辑一致：构造一个“数据与假设的偏离程度”的统计量，看它在假设成立时有多大可能出现。

5. 常见误区与易混概念：独立与不相关、密度与概率到底差在哪

5.1 独立和不相关：一个说“分布无关”，一个说“线性无关”

易混点：很多人把这两个词当同义词用，看到相关系数为 0 就说“两个变量没关系”。

为什么混：两者都表现为“一个变量动，另一个不跟着动”，而且独立时相关系数确实为 0，方向一致，容易让人以为是等价命题。

怎么区分：独立是分布层面的强条件——联合分布等于两个边缘分布的乘积，知道 X 就完全知道 Y 的分布。不相关只是说线性相关系数为 0，即不存在线性关系，但完全可能存在很强的非线性关系。比如 X 服从标准正态，Y=X²，两者明显有依赖，但协方差为 0。唯一的例外是二元正态分布：这时候不相关和独立等价。记住这个例外，别把它推广到所有分布上。

5.2 概率密度的值和概率：密度可以大于 1

易混点：把 f(x) 的值直接当概率用，看到 f(0)=2 就以为出了错。

为什么混：离散型的分布律 pᵢ 就是概率，切换到连续型时，最自然的联想是把 f(x) 当成 pᵢ 的对应物，于是以为它也必须在 0 到 1 之间。

怎么区分：密度是“单位长度上的概率”，必须积分才有概率。判断标准只有一条：f(x) 非负，且在全实数上的积分等于 1。单个点的函数值没有任何概率含义，连续型随机变量在任意一点的概率都是 0。这和物理里的线密度完全同构，某个点密度大，不代表那个点有多少质量。

5.3 频率和概率：一个是测出来的，一个是理论值

易混点：把某次试验得到的频率当成概率，或者认为试验次数够多频率“一定等于”概率。

为什么混：大数定律说频率依概率收敛到概率，那个“收敛”听上去很像“最终相等”。

怎么区分：概率是模型里的一个固定数值，是先验给定的；频率是试验做出来的统计量，每做一轮都不一样，本身也是随机变量。大数定律保证的是：试验次数趋于无穷时，频率与概率偏差超过任意小量的可能性趋于 0。它不保证某一次具体试验的频率等于概率，也不保证偏差会单调地变小。扔十次硬币出现七次正面完全正常，这不违反任何定理。

5.4 置信区间 95%：说的是方法，不是参数

易混点：认为“参数落在当前这个区间里的概率是 95%”。

为什么混：这句话读起来太顺了，几乎没人第一遍会觉得有问题。

怎么区分：参数是一个固定的数，它要么在区间里，要么不在，谈不上概率。95% 描述的是构造区间这套方法：如果重复抽样无数次，每次都按同样公式算一个区间，其中大约 95% 的区间会盖住真值。所以正确的表述是“用这个方法构造的区间，长期看有 95% 的覆盖率”。当前这一个区间盖没盖住，谁也不知道。这个区别在考试里是概念题，在实际工作里会影响你对结论的解读尺度。

5.5 接受原假设和证明原假设：证据不足不等于成立

易混点：假设检验没有拒绝 H₀，就宣布“证明了 H₀ 是对的”。

为什么混：日常语言里“没找到反对证据”和“确认成立”经常混着用。

怎么区分：假设检验的结论只有两种——“拒绝 H₀”和“不拒绝 H₀”。不拒绝只说明在当前样本量下，数据没有提供足够强的反对证据，可能因为 H₀ 真的成立，也可能因为样本太小、检验功效不够。另外，p 值也不是“H₀ 为真的概率”，它是在 H₀ 成立的前提下出现当前数据的概率，条件的方向正好相反。把这两句话分清，看论文和报告时能少被带偏很多次。

6. 什么时候用、什么时候别用：这套笔记能帮到哪一步

这套笔记真正能派上用场的地方，是那些“结果不确定、但可以重复观察”的问题。判断一批产品的次品率、估计某个工艺参数的波动范围、比较两种方案的效果差异是不是真实存在、给测量结果配一个误差范围——这些都属于它的主场。核心场景可以归成三类：需要量化不确定性

本文还有配套的精品资源，点击获取