1 随机事件
随机试验三要素:
- 可在同等条件下重复;
- 结果是可被事先预测的多种可能;
- 试验前结果不确定.
2 样本空间
样本空间 (Sample Space) : 随机试验 E E E 的所有可能结果的集合, 记作 Ω = { ω } \Omega = \{ \omega \} Ω={ω}.
样本点 (Sample Point) : 一个样本空间众多的每个元素.
- 样本空间中样本点的个数为有限个或可列个的情况为离散样本空间 (Discrete Sample Space) ;
- 样本空间中样本点的个数为不可列无限个的情况为连续样本空间 (Continuous Sample Space) ;
3 事件运算
事件 (Event) : 某些基本事件构成的集合. 为样本空间的子集.
德摩根定律 (De Morgan’s Laws) :
- A ∪ B ‾ = A ‾ ∩ B ‾ \overline{A \cup B} = \overline{A} \cap \overline{B} A∪B=A∩B;
- A ∩ B ‾ = A ‾ ∪ B ‾ \overline{A \cap B} = \overline{A} \cup \overline{B} A∩B=A∪B;
- ∪ i = 1 n A i ‾ = ∩ i = 1 n A i ‾ \overline{ \cup_{i=1}^{n} A_i} = \cap_{i=1}^{n} \overline{A_i} ∪i=1nAi=∩i=1nAi;
- ∩ i = 1 n A i ‾ = ∪ i = 1 n A i ‾ \overline{ \cap_{i=1}^{n} A_i} = \cup_{i=1}^{n} \overline{A_i} ∩i=1nAi=∪i=1nAi ( n → + ∞ n \rightarrow + \infty n→+∞ 也成立) .
4 概率
古典概型 (Classical Probability) : 样本空间 S S S 中有有限个等可能的两两互不相容的基本事件, 个数记为 # { S } \# \{ S \} #{S}, 事件 A A A 发生的概率为 P ( A ) = # { A } # { S } P(A) = \frac{\# \{ A \} }{\# \{ S \} } P(A)=#{S}#{A}.
例:
- 有重复的排列:
- n n n 个不同小球有放回取出 r r r次: n r n^r nr;
- n n n 个不同小球有放回放入 r r r个格子: r n r^n rn;
- 有重复的组合:
- n n n 个相同小球放入 r r r 个格子 (可空) : C n + r − 1 n C_{n+r-1}^{n} Cn+r−1n;
- n n n 个相同小球放入 r r r 个格子 (不可空) : C n − 1 r − 1 C_{n-1}^{r-1} Cn−1r−1.
几何概型 (Geometric Probability) : P ( A g ) = g 的 测 度 Ω 的 测 度 P(Ag) = \frac{g的测度}{\Omega的测度} P(Ag)=Ω的测度g的测度.
频率 (Frequency) 的性质:
- 0 ≤ f n ( A ) ≤ 1 0 \leq f_n (A) \leq 1 0≤fn(A)≤1;
- f n ( S ) = 1 f_n (S) = 1 fn(S)=1;
- 若 A 1 , A 2 , . . . , A k A_1, A_2, ..., A_k A1,A2,...,Ak两两互斥, f ( A 1 ∪ A 2 ∪ A k ) = f n ( A 1 ) + f n ( A 2 ) + . . . + f n ( A k ) f(A_1 \cup A_2 \cup A_k) = f_n (A_1) + f_n (A_2) + ... + f_n (A_k) f(A1∪A2∪Ak)=fn(A1)+fn(A2)+...+fn(Ak).
例: 蒲丰投针
压线概率: P = 1 / 2 ∫ 0 π l sin ( ϕ ) d ϕ 1 / 2 a π n = 2 l π a P = \frac{1/2 \int_0^{\pi} l \sin(\phi) ~ d \phi}{1/2 a \pi} n= \frac{2l}{\pi a} P=1/2aπ1/2∫0πlsin(ϕ) dϕn=πa2l.
事件 σ \sigma σ 域: F \mathcal{F} F 是由样本空间 Ω \Omega Ω 的子集组成的集类, 满足:
- Ω ∈ F \Omega \in \mathcal{F} Ω∈F;
- 若 A ∈ F A \in \mathcal{F} A∈F, 则 A ‾ ∈ F \overline{A} \in \mathcal{F} A∈F ( “取补” 运算封闭) ;
- 若 A n ∈ F A_n \in \mathcal{F} An∈F, n = 1 , 2 , . . . n = 1, 2, ... n=1,2,..., 则 ∪ n = 1 ∞ A n ∈ F \cup_{n = 1}^{\infty} A_n \in \mathcal{F} ∪n=1∞An∈F ( “可列并” 运算封闭) .
则称 F \mathcal{F} F 是 σ \sigma σ 域, F \mathcal{F} F 中的元素为事件.
一维Borel
σ
\sigma
σ 域: 在全体实数
R
1
\mathbb{R}^1
R1 中, 由一切形为
[
a
,
b
)
[a, b)
[a,b) 的有界左闭右开区间构成的集类所产生的
σ
\sigma
σ 域. 记之为
B
1
\mathcal{B}_1
B1.
B
1
\mathcal{B}_1
B1 中的集合为一维Borel点集.
B
1
\mathcal{B}_1
B1 包括了实数中 (大概) 所有感兴趣的集.
概率 (Probability) : 设 Ω \Omega Ω 为一个样本空间, F \mathcal{F} F 为的某些子集组成的一个事件 σ \sigma σ 域. 如果对任一事件 A ∈ F A \in \mathcal{F} A∈F, 定义在 F \mathcal{F} F 上的一个实值函数 P ( A ) P(A) P(A) 满足:
- 非负性: P ( A ) ≥ 0 , ∀ A ∈ F P(A) \geq 0, \forall A \in \mathcal{F} P(A)≥0,∀A∈F;
- 规范性: P ( Ω ) = 1 P(\Omega) = 1 P(Ω)=1;
- 可列可加性: A i ∈ F A_i \in \mathcal{F} Ai∈F, i = 1 , 2 , . . . i = 1, 2, ... i=1,2,... 且两两互不相容, 则 P ( A 1 + A 2 + . . . ) = P ( A 1 ) + P ( A 2 ) + . . . P(A_1 + A_2 + ...) = P(A_1) + P(A_2) + ... P(A1+A2+...)=P(A1)+P(A2)+... ;
则称
P
(
A
)
P(A)
P(A) 为事件
A
A
A 的概率, 称三元总体
(
Ω
,
F
,
P
)
(\Omega, \mathcal{F}, \mathcal{P})
(Ω,F,P) 为概率空间 (Probability Space) .
所以概率
P
P
P是个集合函数, 定义域为
F
\mathcal{F}
F, 值域为
[
0
,
1
]
[0, 1]
[0,1].
概率的性质:
- P ( ∅ ) = 0 P(\emptyset) = 0 P(∅)=0 (由可列可加性) ;
- 有限可加性: P ( A 1 + A 2 + . . . + A n ) = P ( A 1 ) + P ( A 2 ) + . . . P ( A n ) P(A_1 + A_2 + ... + A_n) = P(A_1) + P(A_2) + ... P(A_n) P(A1+A2+...+An)=P(A1)+P(A2)+...P(An) (由可列可加性及性质1) ;
- P ( A ‾ ) = 1 − P ( A ) P(\overline{A}) = 1 - P(A) P(A)=1−P(A);
- ∀ A , B ∈ F \forall A, B \in \mathcal{F} ∀A,B∈F, P ( A − B ) = P ( A ) − P ( A B ) P(A - B) = P(A) - P(AB) P(A−B)=P(A)−P(AB);
- 若 A ⊂ B A \subset B A⊂B, 则 P ( B − A ) = P ( B ) − P ( A ) P(B - A) = P(B) - P(A) P(B−A)=P(B)−P(A);
- P ( A ∪ B ) = P ( A ) + P ( B ) − P ( A ∩ B ) P(A \cup B) = P(A) + P(B) - P(A \cap B) P(A∪B)=P(A)+P(B)−P(A∩B);
- 容斥原理:
P ( ∪ i = 1 n E i ) = ∑ i = 1 n P ( E i ) − ∑ i 1 < i 2 P ( E i 1 E i 2 ) + . . . + ( − 1 ) n P ( E 1 E 2 . . . E n ) . \begin{aligned} P(\cup_{i = 1}^{n}E_i) = &\sum_{i = 1}^{n} P(E_i) - \sum_{i_1 < i_2} P(E_{i_1}E_{i_2}) \\\\ &+ ... +(-1)^n P(E_1E_2...E_n). \end{aligned} P(∪i=1nEi)=i=1∑nP(Ei)−i1<i2∑P(Ei1Ei2)+...+(−1)nP(E1E2...En).
推论:
- 若 A ⊂ B A \subset B A⊂B, 则 P ( A ) ≤ P ( B ) P(A) \leq P(B) P(A)≤P(B);
- 布尔不等式: P ( A ∪ B ) ≤ P ( A ) + P ( B ) P(A \cup B) \leq P(A) + P(B) P(A∪B)≤P(A)+P(B);
- Bonferroni不等式: P ( A B ) ≥ P ( A ) + P ( B ) − 1 P(AB) \geq P(A) + P(B) - 1 P(AB)≥P(A)+P(B)−1.