文章目录
第一章 概率论的基本概念
(一) 随机实验
随机试验特点:
1°可以在相同的条件下重复地进行
2°每次试验的可能结果不止一个,并且能事先明确试验的所有可能结果;
3°进行一次试验之前不能确定哪一个结果会出现
(二) 样本空间、随机事件
1.样本空间
对于随机试验,尽管在每次试验之前不能预知试验的结果,但试验的所有可能结果组成的集合是已知的,我们将随机试验E的所有可能结果组成的集合称为E的样本空间,记为S样本空间的元素,即E的每个结果,称为样本点。
2.随机事件
我们称试验E的样本空间S的子集为E的随机事件,简称事件。
3.事件关系
和事件: 事件
A
∪
B
=
{
x
∣
x
∈
A
或
x
∈
B
}
A\cup{B}=\left\{ x\left| x\in A\text{或}x\in B\left. \right\} \right. \right.
A∪B={x∣x∈A或x∈B}称为事件A与事件B的和事件。当且仅当A,B中至少有一个发生时,事件AUB发生
类似地,称
⋃
k
=
1
n
A
\bigcup_{k=1}^{n}A
⋃k=1nA为n个事件A1,A2,…,A。的和事件;称
⋃
k
=
1
∞
A
\bigcup_{k=1}^{\infty}A
⋃k=1∞A为可列个事件A1,A2,…的和事件。
积事件: 事件
A
∩
B
=
{
x
∣
x
∈
A
且
x
∈
B
}
A\cap{B}=\left\{ x\left| x\in A\text{且}x\in B\left. \right\} \right. \right.
A∩B={x∣x∈A且x∈B}称为事件A与事件B的积事件。当且仅A,B中同时发生时,事件A∩B发生。也记作AB。
类似的:略
差事件: 事件 A − B = { x ∣ x ∈ A 且 x ∉ B } A-{B}=\left\{ x\left| x\in A\text{且}x\notin B\left. \right\} \right. \right. A−B={x∣x∈A且x∈/B}称为事件A与事件B的差事件。当且仅当A发生、B不发生时事件A-B发生。
4.运算定律
交换律:
A
∪
B
=
B
∪
A
A
∩
B
=
B
∩
A
A\cup B=B\cup A \quad A\cap B=B\cap A
A∪B=B∪AA∩B=B∩A
结合律:
A
∪
(
B
∪
C
)
=
(
A
∪
B
)
∪
C
A
∩
(
B
∩
C
)
=
(
A
∩
B
)
∩
C
A\cup \left(B\cup C\right)=\left(A\cup B\right)\cup C\quad A\cap \left(B\cap C\right)=\left(A\cap B\right)\cap C
A∪(B∪C)=(A∪B)∪CA∩(B∩C)=(A∩B)∩C
分配律:
A
∪
(
B
∩
C
)
=
(
A
∪
B
)
∩
(
A
∪
C
)
A
∩
(
B
∪
C
)
=
(
A
∩
B
)
∪
(
A
∩
C
)
A\cup \left(B\cap C\right)=\left(A\cup B\right)\cap \left(A\cup C\right) \quad A\cap \left(B\cup C\right)=\left(A\cap B\right)\cup \left(A\cap C\right)
A∪(B∩C)=(A∪B)∩(A∪C)A∩(B∪C)=(A∩B)∪(A∩C)
德摩根律:
A
∪
B
‾
=
A
‾
∩
B
‾
A
∩
B
‾
=
A
‾
∪
B
‾
\overline{A\cup B}=\overline A \cap \overline B \quad\overline{A\cap B}=\overline A \cup \overline B
A∪B=A∩BA∩B=A∪B
(三)频率与概率
概率性质
1.
P
(
∅
)
=
0
P(\emptyset)=0
P(∅)=0
2.有限可加性:A1,A2,…,An互不相容,则
P
(
A
1
∪
A
2
∪
⋯
∪
A
n
)
=
P
(
A
1
)
+
P
(
A
2
)
+
⋯
+
P
(
A
n
)
\quad P(A_1\cup A_2\cup \cdots \cup A_n)=P(A_1)+P(A_2)+\cdots +P(A_n)
P(A1∪A2∪⋯∪An)=P(A1)+P(A2)+⋯+P(An)
3.设
A
⊂
B
A\subset B
A⊂B则
P
(
B
−
A
)
=
P
(
B
)
−
P
(
A
)
P
(
B
)
≥
P
(
A
)
P(B-A)=P(B)-P(A) \quad P(B)≥P(A)
P(B−A)=P(B)−P(A)P(B)≥P(A)
5.加法公式:
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)(奇加偶减)
(四)古典概型
1.古典概型特点
1°试验的样本空间只包含有限个元素;
2°试验中每个基本事件发生的可能性相同
具有以上两个特点的试验是大量存在的这种试验称为等可能概型,也称古典概型
2.计算公式
若事件A包含k个基本事件,即
A
=
{
e
i
1
}
∪
{
e
i
2
}
∪
⋯
{
e
i
k
}
A=\left\{e_{i1}\right\}\cup\left\{e_{i2}\right\}\cup \cdots \left\{e_{ik}\right\}
A={ei1}∪{ei2}∪⋯{eik}则有
P
(
A
)
=
∑
j
=
1
k
P
(
{
e
i
j
}
=
k
n
=
A
包
含
的
基
本
事
件
数
S
中
基
本
事
件
的
总
数
P(A)=\sum_{j=1}^kP(\left\{e_{ij}\right\}=\frac{k}{n}=\frac{A包含的基本事件数}{S中基本事件的总数}
P(A)=∑j=1kP({eij}=nk=S中基本事件的总数A包含的基本事件数
(五)条件概率
1.定义
设
A
,
B
A, B
A,B 是两个事件,且
P
(
A
)
>
0
P(A)>0
P(A)>0, 称
P
(
B
∣
A
)
=
P
(
A
B
)
P
(
A
)
P(B \mid A)=\frac{P(A B)}{P(A)}
P(B∣A)=P(A)P(AB)为在事件
A
A
A 发生的条件下事件
B
B
B 发生的条件概率.
2.乘法定理
乘法定理 设
P
(
A
)
>
0
P(A)>0
P(A)>0, 则有
P
(
A
B
)
=
P
(
B
∣
A
)
P
(
A
)
P(A B)=P(B \mid A) P(A)
P(AB)=P(B∣A)P(A)
称为乘法公式.
一般,设
A
1
,
A
2
,
⋯
,
A
n
A_{1}, A_{2}, \cdots, A_{n}
A1,A2,⋯,An 为
n
n
n 个事件,
n
⩾
2
n \geqslant 2
n⩾2, 且
P
(
A
1
A
2
⋯
A
n
−
1
)
>
0
P\left(A_{1} A_{2} \cdots A_{n-1}\right)>0
P(A1A2⋯An−1)>0,则有
P
(
A
1
A
2
⋯
A
n
)
=
P
(
A
n
∣
A
1
A
2
⋯
A
n
−
1
)
P
(
A
n
−
1
∣
A
1
A
2
⋯
A
n
−
2
)
⋯
P
(
A
2
∣
A
1
)
P
(
A
1
)
P\left(A_{1} A_{2} \cdots A_{n}\right)=P\left(A_{n} \mid A_{1} A_{2} \cdots A_{n-1}\right) P\left(A_{n-1} \mid A_{1} A_{2} \cdots A_{n-2}\right) \cdots P\left(A_{2} \mid A_{1}\right) P\left(A_{1}\right)
P(A1A2⋯An)=P(An∣A1A2⋯An−1)P(An−1∣A1A2⋯An−2)⋯P(A2∣A1)P(A1)
3.全概率公式与贝叶斯公式
划分的定义
设
S
S
S 为试验
E
E
E 的样本空间,
B
1
,
B
2
,
⋯
,
B
n
B_{1}, B_{2}, \cdots, B_{n}
B1,B2,⋯,Bn 为
E
E
E 的一组事件. 若
(i)
B
i
B
j
=
∅
,
i
≠
j
,
i
,
j
=
1
,
2
,
⋯
,
n
B_{i} B_{j}=\varnothing, i \neq j, i, j=1,2, \cdots, n
BiBj=∅,i=j,i,j=1,2,⋯,n
(ii)
B
1
∪
B
2
∪
⋯
∪
B
n
=
S
B_{1} \cup B_{2} \cup \cdots \cup B_{n}=S
B1∪B2∪⋯∪Bn=S
则称
B
1
,
B
2
,
⋯
,
B
n
B_{1}, B_{2}, \cdots, B_{n}
B1,B2,⋯,Bn 为样本空间
S
S
S 的一个划分
全概率公式
设试验
E
E
E 的样本空间为
S
,
A
S, A
S,A 为
E
E
E 的事件,
B
1
,
B
2
,
⋯
,
B
n
B_{1}, B_{2}, \cdots, B_{n}
B1,B2,⋯,Bn 为
S
S
S 的一 个划分, 且
P
(
B
i
)
>
0
(
i
=
1
,
2
,
⋯
,
n
)
P\left(B_{i}\right)>0(i=1,2, \cdots, n)
P(Bi)>0(i=1,2,⋯,n), 则
P
(
A
)
=
P
(
A
∣
B
1
)
P
(
B
1
)
+
P
(
A
∣
B
2
)
P
(
B
2
)
+
⋯
+
P
(
A
∣
B
n
)
P
(
B
n
)
\begin{aligned} P(A)=& P\left(A \mid B_{1}\right) P\left(B_{1}\right)+P\left(A \mid B_{2}\right) P\left(B_{2}\right)+\cdots+\\ & P\left(A \mid B_{n}\right) P\left(B_{n}\right) \end{aligned}
P(A)=P(A∣B1)P(B1)+P(A∣B2)P(B2)+⋯+P(A∣Bn)P(Bn)
称为全概率公式
贝叶斯公式
设试验
E
E
E 的样本空间为
S
.
A
S . A
S.A 为
E
E
E 的事件,
B
1
,
B
2
,
⋯
,
B
n
B_{1}, B_{2}, \cdots, B_{n}
B1,B2,⋯,Bn 为
S
S
S 的一 个划分,且
P
(
A
)
>
0
,
P
(
B
i
)
>
0
(
i
=
1
,
2
,
⋯
,
n
)
P(A)>0, P\left(B_{i}\right)>0(i=1,2, \cdots, n)
P(A)>0,P(Bi)>0(i=1,2,⋯,n), 则
P
(
B
i
∣
A
)
=
P
(
A
∣
B
i
)
P
(
B
i
)
∑
j
=
1
n
P
(
A
∣
B
j
)
P
(
B
j
)
,
i
=
1
,
2
,
⋯
,
n
P\left(B_{i} \mid A\right)=\frac{P\left(A \mid B_{i}\right) P\left(B_{i}\right)}{\sum_{j=1}^{n} P\left(A \mid B_{j}\right) P\left(B_{j}\right)}, \quad i=1,2, \cdots, n
P(Bi∣A)=∑j=1nP(A∣Bj)P(Bj)P(A∣Bi)P(Bi),i=1,2,⋯,n
称为贝叶斯(Bayes)公式
(六)独立性
1.定义
设A,B是两事件,如果满足等式
P
(
A
B
)
=
P
(
A
)
P
(
B
)
P(AB)=P(A) P(B)
P(AB)=P(A)P(B)
则称事件A,B相互独立,简称A,B独立
2.定理
1.设A,B是两事件,且P(A)>0.若A,B相互独立,则 P ( B ∣ A ) = P ( B ) P(B\mid A)=P(B) P(B∣A)=P(B)反之亦然
2.若事件A与B相互独立,则下列各对事件也相互独立
A
ˉ
与
B
,
A
与
B
ˉ
,
A
ˉ
与
B
ˉ
\bar A与B,A与\bar B,\bar A与\bar B
Aˉ与B,A与Bˉ,Aˉ与Bˉ
3.推广与推论
独立定义推广
设
A
,
B
,
C
A, B, C
A,B,C 是三个事件,如果满足等式
P
(
A
B
)
=
P
(
A
)
P
(
B
)
P
(
B
C
)
=
P
(
B
)
P
(
C
)
P
(
A
C
)
=
P
(
A
)
P
(
C
)
P
(
A
B
C
)
=
P
(
A
)
P
(
B
)
P
(
C
)
}
\left.\begin{array}{l} P(A B)=P(A) P(B) \\ P(B C)=P(B) P(C) \\ P(A C)=P(A) P(C) \\ P(A B C)=P(A) P(B) P(C) \end{array}\right\}
P(AB)=P(A)P(B)P(BC)=P(B)P(C)P(AC)=P(A)P(C)P(ABC)=P(A)P(B)P(C)⎭⎪⎪⎬⎪⎪⎫
则称事件
A
,
B
,
C
A, B, C
A,B,C 相互独立.
一般,设
A
1
,
A
2
,
⋯
,
A
n
A_{1}, A_{2}, \cdots, A_{n}
A1,A2,⋯,An 是
n
(
n
⩾
2
)
n(n \geqslant 2)
n(n⩾2) 个事件,如果对于其中任意 2 个,任意 3 个,
⋯
\cdots
⋯, 任意
n
n
n 个事件的积事件的概率,都等于各事件概率之积,则称事件
A
1
A_{1}
A1,
A
2
,
⋯
,
A
n
A_{2}, \cdots, A_{n}
A2,⋯,An 相互独立。
推论
1.若事件
A
1
,
A
2
,
…
,
A
n
(
n
≥
2
)
A_1,A_2,…,A_n(n≥2)
A1,A2,…,An(n≥2)相互独立,则其中任意
k
(
2
≤
k
≤
n
)
k(2≤k≤n)
k(2≤k≤n)个事件也
是相互独立的
2.若n个事件
A
1
,
A
2
,
…
,
A
n
(
n
≥
2
)
A_1,A_2,…,A_n(n≥2)
A1,A2,…,An(n≥2)相互独立,则将
A
1
,
A
2
,
…
,
A
n
A_1,A_2,…,A_n
A1,A2,…,An中任意多
个事件换成它们各自的对立事件,所得的n个事件仍相互独立