概念
1.条件概率
P ( A ∣ B ) = P ( A B ) P ( B ) P(A|B)=\frac{P(AB)}{P(B)} P(A∣B)=P(B)P(AB),B是条件
由于B先于A发生,因此B发生条件下,A发生的概率易知。
经常通过以下转换:
P ( A B ) = P ( A ∣ B ) P ( B ) = P ( B ∣ A ) P ( A ) P(AB)=P(A|B)P(B)=P(B|A)P(A) P(AB)=P(A∣B)P(B)=P(B∣A)P(A)
条件概率公式转变为:
P ( A ∣ B ) = P ( B ∣ A ) P ( A ) P ( B ) P(A|B)=\frac{P(B|A)P(A)}{P(B)} P(A∣B)=P(B)P(B∣A)P(A)
注意区分 P ( A B ) P(AB) P(AB)和 P ( A ∣ B ) P(A|B) P(A∣B),第一个是AB同时发生的概率,第二个虽然也可以看作是AB同时发生的概率,但是B的发生是确定的概率为1。
2.全概率
P ( B ) = ∑ 1 ≤ k ≤ n P ( B ∣ A k ) P ( A k ) P(B)=\sum\limits_{1\le k\le n}P(B|A_k)P(A_k) P(B)=1≤k≤n∑P(B∣Ak)P(Ak)
其中 ∑ 1 ≤ k ≤ n P ( A k ) = 1 \sum\limits_{1\le k\le n}P(A_k)=1 1≤k≤n∑P(Ak)=1
任意B事件的概率,是对A事件分类讨论下B发生的概率求和。
3.贝叶斯公式
就是条件概率和全概率套在一起。
题目
1.古典概型
这类题目比较注重取的过程,所以要小心不遗漏也不重复。
比如鞋子:先取出成双的,然后在剩下的双鞋子中,先确定哪些双,再算这些双中是左还是右
2.事件
AB中至少发生一个: A ∪ B A\cup B A∪B
AB中全部发生: A ∩ B A\cap B A∩B
B不发生: B ˉ \bar{B} Bˉ
恰好发生几个:列出所有可能,加起来
至多,至少发生几个:看一下正面方便还是反面方便,然后列出所有可能。
比如至少发生1个,那就是不可能发生了0个,就是 A ˉ B ˉ C ˉ D ˉ ‾ \overline{\bar{A}\bar{B}\bar{C}\bar{D}} AˉBˉCˉDˉ
事件的加法: A ∪ B = A + B − A ∩ B A\cup B=A+B-A\cap B A∪B=A+B−A∩B
注意乘和交等价,但是加和并不等价。所以德摩根律中乘,交变为并,而非加。
3.条件概率
设出事件,列出公式,代入计算。有时候如果发现某个概率和其他事件有关,则需要全概率公式一起带入。
B发生的概率会随A是否发生而变化。
已知B发生了,求A发生的概率。已知A发生了,求B发生的概率(这个好算。)两者用条件概率公式相互转换。
P ( A B ) P(AB) P(AB)和 P ( A ∣ B ) P(A|B) P(A∣B)一定要注意区分。尤其是注意题目的描述。一般来说,不会直接给P(AB),给的是P(A|B)
例题:有一种生物,产生的后代数𝜉如从如下分布:𝑃(𝜉 = 0) = 𝑃(𝜉 = 2) = 14 , 𝑃(𝜉 = 1) = 12,每个个体产生后代独立。用𝑍𝑖表示第𝑖代个体的数量,其中𝑍0 = 1; (1)求𝑃(𝑍2 = 0);(2)求𝑃(𝑍2 = 4)。
感谢@三工景页供题
由于第二代的个数受第一代影响,所以这题是条件概率。不同孩子生孩子个数可以当作伯努利分布。用 P ( Z 2 = 0 ∣ Z 1 = 0 ) + P ( Z 2 = 0 ∣ Z 1 = 1 ) + P ( Z 2 = 0 ∣ Z 1 = 2 ) = 0 + 1 / 4 ⋅ 1 / 4 ⋅ 1 / 4 + 1 / 2 ⋅ 1 / 4 P(Z_2=0|Z_1=0)+P(Z_2=0|Z_1=1)+P(Z_2=0|Z_1=2)=0+1/4\cdot 1/4\cdot 1/4+1/2\cdot 1/4 P(Z2=0∣Z1=0)+P(Z2=0∣Z1=1)+P(Z2=0∣Z1=2)=0+1/4⋅1/4⋅1/4+1/2⋅1/4
4.事件独立性
A,B中至少发生一个: P ( A ∪ B ) = P ( A ) + P ( B ) − P ( A B ) P(A\cup B)=P(A)+P(B)-P(AB) P(A∪B)=P(A)+P(B)−P(AB),
若AB不相容,即AB不会同时发生,则P(AB)=0,P(A-B)=1
A发生而B不发生: P ( A \ B ) = P ( A ) − P ( A B ) P(A \verb|\| B)=P(A)-P(AB) P(A\B)=P(A)−P(AB),因为 A \ B = A ( Ω − B ) = A − A B A \verb|\|B=A(\Omega-B)=A-AB A\B=A(Ω−B)=A−AB
如果 B ⊂ A B\subset A B⊂A, P ( A − B ) = P ( A ) − P ( B ) P(A-B)=P(A)-P(B) P(A−B)=P(A)−P(B)
两个事件独立: P ( A B ) = P ( A ) P ( B ) P(AB)=P(A)P(B) P(AB)=P(A)P(B)
三个事件互相独立:
P ( A B C ) = P ( A ) P ( B ) P ( C ) P(ABC)=P(A)P(B)P(C) P(ABC)=P(A)P(B)P(C)
P ( A B ) = P ( A ) P ( B ) , P ( A C ) = P ( A ) P ( C ) , P ( B C ) = P ( B ) P ( C ) P(AB)=P(A)P(B),P(AC)=P(A)P(C),P(BC)=P(B)P(C) P(AB)=P(A)P(B),P(AC)=P(A)P(C),P(BC)=P(B)P(C)
5.容斥原理
P ( A 1 ∪ A 2 ∪ . . . . ∪ A n ) = ∑ 1 ≤ k ≤ n P ( A k ) − ∑ 1 ≤ i < j ≤ n P ( A i A j ) + . . . . + ( − 1 ) n P ( A 1 A 2 . . . A n ) P(A_1\cup A_2\cup....\cup A_n)=\sum\limits_{1\le k\le n}P(A_k)-\sum\limits_{1\le i<j\le n}P(A_iA_j)+....+(-1)^nP(A_1A_2...A_n) P(A1∪A2∪....∪An)=1≤k≤n∑P(Ak)−1≤i<j≤n∑P(AiAj)+....+(−1)nP(A1A2...An)
6.伯努利分布
所有概率相同的多次重复实验都可以看成伯努利分布。
问一个人有2个孩子,已知有一个为男,问一男一女的概率。
这道题很容易做成 1 2 \frac{1}{2} 21
A={至少一个男孩} B={一男一女}
至少一个男孩可以看成进行两次伯努利实验,其中至少一次成功。
P ( A ) = 1 − 1 2 ⋅ 1 2 = 3 4 , P ( A B ) = P ( B ) = C ( 2 , 1 ) ⋅ 1 2 ⋅ 1 2 P(A)=1-\frac{1}{2}\cdot\frac12=\frac34,P(AB)=P(B)=C(2,1)\cdot\frac{1}{2}\cdot\frac12 P(A)=1−21⋅21=43,P(AB)=P(B)=C(2,1)⋅21⋅21
P ( B ∣ A ) = P ( A B ) P ( A ) = 1 / 2 3 / 4 = 2 3 P(B|A)=\frac{P(AB)}{P(A)}=\frac{1/2}{3/4}=\frac23 P(B∣A)=P(A)P(AB)=3/41/2=32
关键点在于,已知一个是男孩等价于做两次实验,一次成功
已知孩子A是男孩,等价于做两次实验,第一次是成功的。
已知一个是男孩和已知孩子A是男孩,这两个是不等价的。
7.离散变量二元分布
感谢@三工景页供题
例题:已知𝑋𝑖服从分布如下:𝑃(𝑋𝑖 = 𝑘) = (1 − 𝑝𝑖)𝑝𝑖𝑘−1, 𝑘 = 1,2,3 … , 𝑖 = 1,2,3,求
P(𝑋1 < 𝑋2 < 𝑋3)。
服从超几何分布,意义是第一次失败的尝试发生时总次数的概率。
乍一看不好下手,离散型变量向来是X=k的形式,现在来了一个不等号,比较麻烦。
可以用硬算: P ( X 1 < X 2 < X 3 ) = ∑ i ≥ 1 ( 1 − p 1 ) p 1 i ∑ j ≥ i ( 1 − p 2 ) p 2 j ∑ k ≥ j ( 1 − p 3 ) p 3 k P(X_1<X_2<X_3)=\sum\limits_{i\ge1}(1-p_1)p_1^i\sum\limits_{j\ge i}(1-p_2)p_2^j\sum\limits_{k\ge j}(1-p_3)p_3^k P(X1<X2<X3)=i≥1∑(1−p1)p1ij≥i∑(1−p2)p2jk≥j∑(1−p3)p3k
P ( X 1 < X 2 < X 3 ) = p 1 p 2 p 3 ( 1 − p 1 ) ( 1 − p 2 ) ( 1 − p 1 p 2 ) ( 1 − p 1 p 2 p 3 ) P(X_1<X_2<X_3)=\frac{p_1p_2p_3(1-p_1)(1-p_2)}{(1-p_1p_2)(1-p_1p_2p_3)} P(X1<X2<X3)=(1−p1p2)(1−p1p2p3)p1p2p3(1−p1)(1−p2)
从里往外算,可以看出是等比数列的求和(从第1项求到无穷,第i项到正无穷,第j项到正无穷)。