概率论与数理统计是数学的重要分支，广泛应用于自然科学和社会科学的各个领域。为了更好地理解和运用这一学科，掌握相关的公式至关重要。

首先，我们来看一下概率的基本公式。概率是一个介于0和1之间的数值，用来表示事件发生的可能性。对于一个随机试验的所有可能结果组成的样本空间S，任何事件A的概率都可以表示为P(A) = |A| / |S|，其中|A|表示事件A中基本事件的数量，|S|表示样本空间中基本事件的总数。

在概率计算中，加法法则和乘法法则是最基本的规则。如果两个事件A和B互斥（即它们不能同时发生），那么它们的联合概率可以简单地通过将各自的概率相加得到，即P(A∪B) = P(A) + P(B)。而当事件A和B相互独立时，它们同时发生的概率等于各自概率的乘积，即P(A∩B) = P(A) P(B)。

接着，我们讨论条件概率的概念。条件概率是指在已知某个事件B已经发生的条件下，另一个事件A发生的概率。其表达式为P(A|B) = P(A∩B) / P(B)，前提是P(B) > 0。

在数理统计部分，参数估计是非常重要的内容。点估计的方法包括矩估计法和极大似然估计法。矩估计法基于样本矩来估计总体参数；而极大似然估计法则寻找使观测数据出现概率最大的参数值作为估计值。

此外，假设检验也是数理统计中的核心概念之一。它主要用于判断某一假设是否成立。在进行假设检验时，通常需要设定原假设H₀和备择假设H₁，并根据样本信息决定是否拒绝原假设。

最后，回归分析作为数理统计的一个重要应用方向，用于研究变量之间是否存在关系以及这种关系的具体形式是什么样的。线性回归模型是最常见的一种形式，它假定因变量Y与自变量X之间存在线性关系。

以上就是关于《概率论与数理统计公式》的一些基础介绍。这些公式不仅构成了理论框架的基础，而且在实际问题解决过程中也发挥着不可替代的作用。希望读者朋友们能够深入学习并灵活运用这些知识，在未来的学习或工作中取得更好的成绩！