概率定义公式：
对于一个随机事件A，其概率P(A)定义为：
$$P(A) = \frac{n(A)}{n}$$
其中，n(A)表示事件A发生的次数，n表示总次数。
条件概率公式：
对于两个随机事件A和B，且P(B)>0，其条件概率P(A|B)定义为：
$$P(A|B) = \frac{P(A \cap B)}{P(B)}$$
其中，P(A ∩ B)表示事件A和B同时发生的概率。
全概率公式：
设B1、B2、B3、……、Bn是一个样本空间S的一个划分，A是S中的一个事件，则有：
$$P(A) = \sum_{i=1}^{n} P(A|B_i) P(B_i)$$
贝叶斯公式：
设B1、B2、B3、……、Bn是一个样本空间S的一个划分，A是S中的一个事件，且P(A)>0，则有：
$$P(B_i|A) = \frac{P(A|B_i) P(B_i)}{\sum_{j=1}^{n} P(A|B_j) P(B_j)}$$
其中，P(Bi|A)表示在事件A发生的条件下事件Bi发生的概率。
期望值公式：
对于一个离散型随机变量X，其期望值E(X)定义为：
$$E(X) = \sum_{i=1}^{n} x_i P(X=x_i)$$
对于一个连续型随机变量X，其期望值E(X)定义为：
$$E(X) = \int_{-\infty}^{+\infty} x f(x) dx$$
其中，x表示随机变量X可能取到的值，f(x)表示X的概率密度函数。
方差公式：
对于一个随机变量X，其方差Var(X)定义为：
$$Var(X) = E(X^2) - [E(X)]^2$$
其中，E(X)表示X的期望值。
协方差公式：
对于两个随机变量X和Y，其协方差Cov(X,Y)定义为：
$$Cov(X,Y) = E[(X-E(X))(Y-E(Y))]$$
其中，E(X)和E(Y)分别表示X和Y的期望值。
标准差公式：
对于一个随机变量X，其标准差σ(X)定义为：
$$\sigma(X) = \sqrt{Var(X)}$$
其中，Var(X)表示X的方差。