学习概率论需要用到以下高数知识或公式：

微积分

极限：用于定义和计算概率密度函数、分布函数等。

导数：用于计算概率密度函数的导数，从而得到随机变量的分布。

积分：用于计算概率、期望值、方差等。

线性代数

矩阵运算：用于分析多维分布，尤其是多维高斯分布。

特征值与特征向量：用于分析随机变量的性质。

实变函数

测度论：虽然不总是必需，但有助于深入理解概率的公理化定义和测度理论。

极限定理

大数定律：描述当试验次数趋于无穷时，随机事件的频率趋于其概率。

中心极限定理：描述当独立随机变量的数量趋于无穷时，它们的和的分布趋于正态分布。

概率论基础公式

概率基础公式：P（A） = 事件A发生的概率。

期望值公式：E（X） = ∑[x*P（X=x）]，用于描述随机变量的平均值。

方差公式：Var（X） = E[（X-E（X））^2]，表示随机变量与其均值之间差异的平方的期望值。

协方差公式：Cov（X,Y） = E[（X-E（X））（Y-E（Y））]，描述两个随机变量之间的关联性。

贝叶斯公式：P（B|A） = [P（A|B）P（B）] / P（A），用于更新事件B在事件A发生后的概率。

分布函数

定义及性质：用于描述随机变量取值范围的函数，给出了随机变量取某个值的概率。

常见的离散型和连续性随机变量的概率分布或概率密度，如二项分布、泊松分布、均匀分布、指数分布、正态分布等。

特征函数

定义及性质：用于描述随机变量的特征，常用于分析随机变量的性质和分布。

掌握这些高数知识和公式对于理解和应用概率论至关重要，它们不仅有助于解决概率论中的基本问题，还能广泛应用于统计、金融等领域。