茆诗松概率论与数理统计持续更新中...

第一章 随机事件及其概率

【重点概念的理解】
包含关系
互不相容事件
样本空间
随机变量

1.1概率的定义及其确定方法

1933年苏联数学家提出了概率公理化的定义。/概率公理化的定义理解起来比较抽象，但体现了数学的严谨，因为这个定义可以概括一切随机现象的特性。

一、确定概率的古典方法

古典概型是一个难点，本身的概念不难理解，但是会变出很多花样。以下为古典概型的四种基本逻辑。

• 排列: 最简单
  根据乘法原理可以得到结果
• 重复排列： 较为简单
  根据乘法原理可以得到结果
• 组合： 较复杂
  要对“无序”、“不可辩球”等概念有清楚的认识。根据排列公式可以推导出组合的公式
• 重复组合： 比较复杂
  重复组合和重复排列的区别其实就是组合与排列的区别，比如取两个元素，先取1后取2构成的组合只有一种，但构成的排列却有两种。但对于重复组合和重复排列，他们又有一些“相同”。因为可以重复的取一个元素，重复排列里取到（1，1)与重复组合里取到（1，1）又是一样的（总不能自己和自己排序吧!这个是不符合常规逻辑的）。所以它原有的规律性被打破，我们无法从重复排列的公式中推导出重复组合公式（这里我不是很确定到底可不可以推）。所以引入了不可辩球放入n个盒子模型来解决重复组合问题。具体方法下文会详细讲到。

1）排列组合公式

这两个公式在高中就已经学过，但在这本书1.2节中还是用较大的篇幅强调了这两个公式的重要性。
首先这是两个极易混淆的概念。在解决复杂的问题中，我们对问题进行拆解分步计算，通常是排列与组合都会使用到，所以必须要清楚区分排列与组合的概念。

• 组合公式的证明
  
  
• 组合公式应用
  
  
  
• 抽样，事件A互不相容的两种情况不对称

2）重复排列

3）重复组合

4）可辨球与不可辨球（盒子模型）

5）抽样模型（组合）

6）先分类再组合模型

• 先分类再组合之取两个数，一个大于k，一个小于k
• 先分类再组合之取r个数，求最大号码（最小号码）为k的概率（此类题目也可以用概率的减法性质来讨论）
  此处的一些感慨，念了这么多年书，现在觉得套公式真的是一个很愚蠢的行为，公式本身的目的是让我们弄懂其背后的逻辑，而逻辑需要理解而不是死记硬背。
• 先分类再组合之重复组合，求最大号码（最小号码）为k的概率（用概率的减法性质来讨论）

7）抽签模型（排列）

（这个题目借用隔壁blog,侵删）
（我的手写字体比较乱，可能会影响阅读，深表歉意，后面的笔记我尽量使用打字）

1.3 概率的性质

不可能事件的概率为0证明（书中给出了一个严谨的证明，用到了概率的公理化定义）
有限可加性证明（用到了可列可加性和添加空集手法来证明）
对立事件公式证明
两个有包含关系事件差的概率公式证明
任意两个事件差的概率公式证明
概率的加法公式及证明

1）考虑对立事件的一些例子

2）包含关系事件差的例子

3）加法公式及证明

4）概率的连续性及证明

【学习心得】概率的连续性及证明是比较难理解的一个概念之一，需要储备很多数学知识，大部分在高数部分已经接触过，但可能由于大家对高数理解得不深入，导致我们再继续研究时会觉得生疏和陌生。总的来说，这部分的知识要多看几遍，方能掌握！
【一些储备知识】

• 极限
• 包含关系
• 可列并
• 可列交
• 单调
  【极限事件】【下连续、上连续】【概率的连续性】
  若P是事件域花F上的概率，则P既是上连续的，又是下连续的
  

5）零概率事件

1.4 条件概率

【学习心得】茆书的条件概率讲得非常清晰，书中提到，计算条件概率时，如果我们已知B发生，则样本空间就缩小为B，个人觉得这个总结是非常精辟的。接着，书中介绍了乘法公式、全概率公式、贝叶斯公式。虽然说是公式，但其实是介绍了3中解决或解释问题的逻辑，千万不要去记公式，我就是 一个典型的失败案例，这几个公式记了好多次再接触是还是觉得很陌生。

1）条件概率及其原理

• 验证条件概率满足公理

2）乘法公式及其原理

3）全概率公式及其原理

• 摸彩模型

• 投保问题

• 敏感性问题调查

4）贝叶斯公式及其原理

1.5 独立性

【独立性的定义】书中给出了两个比较通俗的独立性的定义，非常清晰明了。

• 直观上，独立性就意味着一个事件的发生不影响另一个事件的发生，一般可以根据经验来判断。
• 从概率的角度，可以借助条件概率的概念来理解独立性。

【事件独立的例子】（不能凭经验判断是否独立）
此时就可借助的定义来判断【多个事件的独立】多个事件的任意一部分仍是相互独立的
【补充知识】事件交、并的对立

第二章 随机变量及其分布

级数、积分的知识在这一张应用非常多！特别是无穷级数和定积分！你会感受到高数的有用之处！

2.1随机变量及其分布

1）分布函数的基本性质

2）离散随机变量概率分布列

3）分布列的基本性质

4）连续随机变量的概率密度函数

5）密度函数的基本性质

2.2随机变量的数学期望

【分赌本问题】
1654年法国数学家提出分赌本的一个方法启发我们来探讨如何求“均值”
这里对问题做适当简化
甲、乙两个赌徒赌技不相上下，各出赌注50块钱，约定谁先胜3局将获得全部的100块赌注。
当甲赢了两局，乙赢了一局时，因故要停止赌注，那么赌本应该怎么分？（显然，平均分对甲不公平，全部归甲对乙不公平）
1）甲得赌注的2/3，乙得赌注得1/3，这是基于已赌局数。
2) 【数学期望的定义】
这里注意，离散型随机变量和连续型随机变量求期望的方法是完全不一样的。
【X的某一函数的数学期望】
【数学期望的三个性质及证明】

• 常数的数学期望是它本身
• 倍乘
• 相加
  

2.3 随机变量的方差与标准差

随机变量的数学期望刻画了它的取值在期望周围波动，但却无法刻画波动的大小。下面引入方差和标准差这两个重要的特征函数来刻画波动的大小。
【方差和标准差的定义】
【方差和标准差的区别】
【三个分布的方差对比】

1）方差的性质及证明

2）切比雪夫不等式

2.4常用离散分布

1）二项分布

2）泊松分布

3）超几何分布

4）几何分布于负二项分布

2.5 常用连续分布

1）正态分布

2）均匀分布

3）指数分布

4）伽马分布

5）贝塔分布

6）常用分布的期望和方差