数学知识(一)
集合论
举例
学生上课不规矩的概率 = 0.1
P(学生上课不规矩) = 0.1
概率函数的自变数是:事件,而事件是一种集合
集合名词
- 元素
Ex: 1、2、3、4、5
- 集合
Ex:A = {1,2,3,5}
- 子集合
Ex: B = {1,2}
则B是A的子集,表示为 B⊂A
- 宇集
Ex:S = {1,2,3,4,5}
- 空集合
Ex: ∅= {}
- 交集
Ex: A⋂B= {1,2}
- 与集
A⋃B= {1,2,3,5}
- 补集
��=����
概率论
随机事件及其概率
排列组合公式 | pnm=m!(m−n)! 从m个人中挑出n个人进行排列的 可能数 Cnm=m!n!(m−n)! 从m 个人中挑出n个人进行组合的可能数 |
---|---|
加法和乘法原理 | 加法原理 :m+n 某时间有两种方法来完成,第一种方法可由m种方法完成,第二种方法可由n中方法来完成,则这件事可由m+n中方法来完成 乘法原理 :m*n 某件事有两个步骤来完成,则这件事可由m*n 中种方法来完成 |
加法公式 | P(A+B)=P(A)+P(B)−P(AB) 当 P(AB)=0 时, P(A+B)=P(A)+P(B) |
减法公式 | P(A−B)=P(A)−P(AB) 当 B⊂A 时, P(A−B)=P(A)−P(B) 当A = Ω 时, P(B)=1−P(B) |
条件概率 | 定义 设A、B是两个事件,且P(A) > 0,则称 P(AB)P(A) 为事件A发生条件下,事件B发生的条件概率,记为 P(B/A)=P(AB)P(A) 条件概率是概率的一种,所有概率的性质都适合于条件概率 例如 P(Ω/B)=1⇒P(B/A)=1−P(B/A) |
乘法公式 | 乘法公式: P(AB)=P(A)P(B/A) |
贝叶斯公式 | P(A/B)=P(B/A)P(A)P(B) |
随机变量
随机变量X定义为一个函数X:Ω,它定义了样本空间到实数的映射。
根据函数的取值类型分为离散型随机变量和连续型随机变量
a) 离散型随机变量:P(X=k):= P{X=k}
b) 连续型随机变量:P(a≤X≤b) := P{a≤X≤b}
累计分布函数
CDF:定义为一个函数 Fx:R→[0,1] ,并且 FX(x)=P(X≤x)
通过它可以计算任何事件的概率
性质:
期望
某随机变量X可以定义为pX(x)(离散型)或者fX(x)(连续型),则定义随机变量g(X)的期望为:
E[g(X)]=∑g(x)p(x) –离散型随机变量
E(g(x))=∫∞∞g(x)f(x)dx –连续型随机变量
对于事件X本身,则有g(X)=X,X的均值
性质:
- E[a]=a
- E[af(X)]=aE[f(X)]
- E(f(X)+g(X))=E[f(X)]+E[g(X)]
方差
方差定义为度量随机变量X在其均值的偏差程度,方差越小其偏离度越小,其形式定义为: Var(X)=E[(X−E[X])2]=E[X2]−E[X]2 .
性质:
- Var[a]=0
- Var[af(x)]=a2Var[f(x)]
常见随机变量分布
条件分布
条件分布是指在知道事件X=x的情况下,事件Y的分布情况。
对于离散型随机变量有(条件概率质量函数):
PXY(y|x)=PXY(x,y)PX(x)
对于连续型随机变量有(条件概率密度函数):
fXY(y|x)=fXY(x,y)fX(x)
贝叶斯公式
连续型随机变量
离散型随机变量
独立
如果事件X和Y相互独立,则有 FXY(x,y)=FX(x)FY(y) 则有
连续型随机变量:
- fXY(x,y)=fX(x)fY(y)
- fXY(y|x)=fY(y)
离散型随机变量:
- pXY(x,y)=pX(x)PY(y)
- pXY(y|x)=PY(y)
期望和协方差
给定两个随机变量X和Y,以及函数 g:R2→R ,有:,g(X,Y)的期望定义为:
X,Y的协方差定义为:
Cov(X,Y)=E[(X−E[X])(Y−E[Y])]=E[XY]−E[X]E[Y]
协方差的直观含义表示变量X和Y的相关性,如果X和Y相互独立,则有Cov[X,y]=0