常用概率和统计符号

一、基本符号与概念

1. Ω (大写的希腊字母Omega)：表示样本空间，即所有可能事件（结果）的集合。
2. A, B, C, ...：表示事件。
3. A ∪ B：表示事件A与B的并集，即A发生或B发生。
4. A ∩ B：表示事件A与B的交集，即A和B同时发生。
5. A' 或 Ā：表示事件A的补集，即A不发生。
6. P(A)：表示事件A发生的概率。
7. P(A | B)：表示在事件B发生的条件下，事件A发生的条件概率。
8. P(A, B)：有时用于表示A和B的联合概率，即P(A ∩ B)。

二、随机变量与分布

1. X, Y, Z, ...：表示随机变量。
2. f(x)：表示随机变量X的概率密度函数（PDF，对连续型随机变量）。
3. F(x)：表示随机变量X的累积分布函数（CDF）。
4. P(X = x)：表示随机变量X取值为x的概率（对离散型随机变量）。
5. μ (Mu) 或 E[X]：表示随机变量X的期望（均值）。
6. σ² (Sigma squared)：表示随机变量X的方差。
7. σ (Sigma)：表示随机变量X的标准差。
8. ρ(X, Y)：表示随机变量X和Y的相关系数。
9. Cov(X, Y)：表示随机变量X和Y的协方差。

三、统计量与检验

1. x̄ (x bar)：表示样本均值。
2. s²：表示样本方差。
3. s：表示样本标准差。
4. n：表示样本大小。
5. t：表示t统计量，用于t检验。
6. Z：表示Z统计量，用于Z检验或正态分布的标准化。
7. χ² (Chi-squared)：表示卡方统计量，用于卡方检验。
8. F：表示F统计量，用于F检验（比如ANOVA）。
9. r：表示皮尔逊相关系数，衡量两个变量之间的线性关系。
10. R²：表示决定系数，衡量模型解释变异的程度。
11. α (Alpha)：表示显著性水平，用于假设检验。
12. β (Beta)：表示第二类错误的概率。
13. 1 - β 或 Power：表示检验的功效（1减去第二类错误的概率）。

四、特殊分布与函数

1. Φ(x)：表示标准正态分布的累积分布函数。
2. φ(x)：表示标准正态分布的概率密度函数。
3. Γ(x)：表示伽玛函数。
4. f(x; λ)：表示参数为λ的泊松分布的概率密度函数。
5. f(x; μ, σ²)：表示均值为μ、方差为σ²的正态分布的概率密度函数。
6. B(n, p)：表示二项分布，参数为n次试验和成功概率p。
7. F(m, n)：表示自由度为m和n的F分布。
8. T(ν)：表示自由度为ν的学生t分布。
9. χ²(ν)：表示自由度为ν的卡方分布。

五、其他常用符号

1. ∑ (Sigma)：求和符号。
2. ∏ (Pi)：求积符号。
3. !：阶乘符号，如n! = n × (n - 1) × ... × 2 × 1。
4. √：平方根符号，也用于表示其他次方根。
5. log 或 ln：对数函数，底数可以是任何正数（如log₁₀x）或自然对数底e（如lnx）。
6. exp：指数函数，如exp(x) = e^x。
7. Δ (Delta)：表示差值或变化量。
8. ⇒ 或 ⟹：表示逻辑推理中的“因此”或“导致”。
9. ≈：约等于符号，用于表示近似值。
10. ∝：正比于符号，用于表示两个量之间的正比关系。
11. ∞：无穷大符号，表示某个量无限制地增大。
12. ≪ 和 ≫：远远小于和远远大于符号。