1. 排列
2. 组合
3. 二项式
3.1 二项式展开
(
a
+
b
)
2
(a + b)^2
(a+b)2等于什么?答案根据初中数学知识很容易得到:
a
2
+
2
a
b
+
b
2
a^2 + 2ab + b^2
a2+2ab+b2
那么,如何通过排列组合知识从理论上抽象出公式呢?
- ( a + b ) 2 = ( a + b ) ( a + b ) (a + b) ^ 2 = (a + b)(a + b) (a+b)2=(a+b)(a+b)
- 第一个
(
a
+
b
)
(a + b)
(a+b)的取值有2种方案,分别是:a,b
第二个 ( a + b ) (a + b) (a+b)的取值也有2种方案,分别是:a,b - 从第一个
(
a
+
b
)
(a + b)
(a+b)分别取a,b后,整个式子等于
a
(
a
+
b
)
+
b
(
a
+
b
)
a(a + b) + b(a + b)
a(a+b)+b(a+b)
再从第二个 ( a + b ) (a + b) (a+b)分别取a,b后,整个式子等于 a × a + a × b + b × a + b × b a \times a + a \times b + b \times a + b \times b a×a+a×b+b×a+b×b - 展开后共有4项相加,因为第一个 ( a + b ) (a + b) (a+b)有2项,要从2项里取值组合: C 2 1 C_2^1 C21,第二个 ( a + b ) (a + b) (a+b)也有2项,同理组合数也是 C 2 1 C_2^1 C21
- 所以,最终组合数是: C 2 1 C 2 1 = 4 C_2^1 C_2^1 = 4 C21C21=4
以b作为基准,k是每一次组合时取到b的数量,那么2-k就是a的数量,得到结果中每一项的公式: a 2 − k ⋅ b k a^{2-k} \cdot b^k a2−k⋅bk
k取值 | 组合数 | 每项值 |
---|---|---|
k = 0 | C 2 0 = 1 C_2^0 = 1 C20=1 | a 2 ⋅ b 0 a^2\cdot b^0 a2⋅b0 |
k = 1 | C 2 1 = 2 C_2^1 = 2 C21=2 | a 1 ⋅ b 1 a^1\cdot b^1 a1⋅b1 |
k = 2 | C 2 2 = 1 C_2^2 = 1 C22=1 | a 0 ⋅ b 2 a ^0 \cdot b^2 a0⋅b2 |
组合数就是二项式展开后,每一项的系数,最终结果: a 2 + 2 a b + b 2 a^2 + 2ab + b^2 a2+2ab+b2
按照上述规律,计算
(
a
+
b
)
3
(a + b)^3
(a+b)3
C
3
0
⋅
a
3
−
0
b
0
+
C
3
1
⋅
a
3
−
1
b
1
+
C
3
2
⋅
a
3
−
2
b
2
+
C
3
3
⋅
a
3
−
3
b
3
=
a
3
+
3
⋅
a
2
b
+
3
a
b
2
+
b
3
C_3^0 \cdot a^{3-0} b^0 + C_3^1 \cdot a^{3-1} b^1 + C_3^2 \cdot a^{3-2} b^2 + C_3^3 \cdot a^{3-3} b^3 \\= a^3 + 3 \cdot a^2b + 3 ab^2 + b^3
C30⋅a3−0b0+C31⋅a3−1b1+C32⋅a3−2b2+C33⋅a3−3b3=a3+3⋅a2b+3ab2+b3
类推到
(
a
+
b
)
n
⟹
C
n
0
⋅
a
n
b
0
+
C
n
1
⋅
a
n
−
1
b
1
+
.
.
.
+
C
n
k
⋅
a
n
−
k
b
k
+
.
.
.
+
C
n
n
⋅
a
n
−
n
b
n
(a + b) ^n \\ \Longrightarrow C_n^0 \cdot a^nb^0 + C_n^1 \cdot a^{n-1}b1 + ... + C_n^k \cdot a^{n-k}b^k + ... + C_n^n \cdot a^{n-n}b^n
(a+b)n⟹Cn0⋅anb0+Cn1⋅an−1b1+...+Cnk⋅an−kbk+...+Cnn⋅an−nbn
其中,
C
n
k
⋅
a
n
−
k
b
k
C_n^k \cdot a^{n-k}b^k
Cnk⋅an−kbk是二项式展开的通项,
注意从0开始,所以这是第k+1项
二项式展开通项(k+1项): C n k ⋅ a n − k b k C_n^k \cdot a^{n-k}b^k Cnk⋅an−kbk
3.2 二项式系数的性质
- 组合数对称性
C n m = C n n − m C_n^m = C_n^{n-m} Cnm=Cnn−m - 增减性:
m < n + 1 2 \large m < \frac {\large n+1} {\large 2} m<2n+1时, C n m C_n^m Cnm随m增大而增大
m > n + 1 2 \large m > \frac {\large n+1} {\large 2} m>2n+1时, C n m C_n^m Cnm随m增大而减小 - 最大值:
n为偶数时, C n n 2 C_n^\frac n 2 Cn2n取得最大值
n为奇数时: C n n − 1 2 C_n^\frac {n-1} 2 Cn2n−1与 C n n + 1 2 C_n^\frac {n+1} 2 Cn2n+1相等,同时取得最大值
4. [随机变量] 条件概率
同一个试验中,2个事件A与B同时发生,& A与B相互独立,那么A,B同时发生的概率:
P
(
A
B
)
=
P
(
A
)
⋅
P
(
B
)
P(AB) = P(A) \cdot P(B)
P(AB)=P(A)⋅P(B)
当A与B不独立时,咋办呢?条件概率
4.1 条件概率
回顾古典概型,满足条件如下:
- 有限基本事件
- 事件发生等可能
古典概型中,基本事件A事件发生的概率:总基本事件包含的样本点分之A事件包含的样本点: P ( A ) = n ( A ) n ( Ω ) P(A) = \frac {n(A)} {n(\Omega)} P(A)=n(Ω)n(A)
例子:班级里有45人,抽签选班长
团员 | 非团员 | 合计 | |
---|---|---|---|
男生 | 16 | 9 | 25 |
女生 | 14 | 6 | 20 |
合计 | 30 | 15 | 45 |
- 抽签选到男生的概率有多大?
符合古典概型, P ( A ) = n ( A ) n ( Ω ) = 男生事件样本点数量: 25 总样本点数量: 45 = 5 9 P(A) = \frac {n(A)} {n(\Omega)} = \frac {男生事件样本点数量:25} {总样本点数量:45} = \frac {5}{9} P(A)=n(Ω)n(A)=总样本点数量:45男生事件样本点数量:25=95 - 如果之选到的是团员,那么选到男生的概率多大?
此时,A条件(团员)的样本点数量是 n ( A ) = 30 n(A) = 30 n(A)=30,A条件下B事件的样本点(团员中的男生)数量 n ( A B ) = 16 n(AB) = 16 n(AB)=16, ⟶ \longrightarrow ⟶ P ( B ∣ A ) = n ( A B ) n ( A ) = 16 30 P(B|A) = \frac{n(AB)}{n(A)} = \frac {16}{30} P(B∣A)=n(A)n(AB)=3016
条件概率:
在A事件发生的条件下 ⟶ \longrightarrow ⟶ B事件发生的概率
A事件发生的概率 分之 AB事件同时发生的概率
⟹ \Longrightarrow ⟹记为: P ( B ∣ A ) P(B|A) P(B∣A)
等于样本点的比值: n ( A B ) n ( A ) \frac {n(AB)}{n(A)} n(A)n(AB)
条件概率与概率乘法
- 根据上一节内容, P ( B ∣ A ) = n ( A B ) n ( A ) P(B|A) = \frac {n(AB)}{n(A)} P(B∣A)=n(A)n(AB)
- 分子分母同时除以 n ( Ω ) ⟶ P ( B ∣ A ) = n ( A B ) n ( Ω ) n ( A ) n ( Ω ) n(\Omega) \longrightarrow P(B|A) = \frac {\frac {n(AB)}{n(\Omega)}} {\frac{n(A)}{n(\Omega)}} n(Ω)⟶P(B∣A)=n(Ω)n(A)n(Ω)n(AB)
- 分子部分是A,B事件同时发生的概率,分母部分是A事件发生的概率
- 所以: P ( B ∣ A ) = n ( A B ) n ( A ) ⟶ P ( B ∣ A ) = P ( A B ) P ( A ) P(B|A) = \frac {n(AB)}{n(A)} \longrightarrow P(B|A) = \frac {P(AB)}{P(A)} P(B∣A)=n(A)n(AB)⟶P(B∣A)=P(A)P(AB)
条件概率:A,B两个随机事件,且P(A)>0,A发生的条件下,B发生的概率为条件概率
如果A,B相互独立,
P
(
A
B
)
=
P
(
A
)
⋅
P
(
B
)
→
P
(
B
∣
A
)
=
P
(
A
B
)
P
(
A
)
=
P
(
A
)
⋅
P
(
B
)
P
(
A
)
=
P
(
B
)
P(AB)=P(A) \cdot P(B) \\ \rightarrow P(B|A) = \frac {P(AB)}{P(A)} = \frac {P(A) \cdot P(B)}{P(A)} = P(B)
P(AB)=P(A)⋅P(B)→P(B∣A)=P(A)P(AB)=P(A)P(A)⋅P(B)=P(B)
得到的结论:如果P(B|A) = P(B),且P(A)>0,那么A,B事件一定相互独立
概率乘法公式
任意事件A,B,且P(A)>0, P ( A B ) = P ( A ) ⋅ P ( B ∣ A ) P(AB) = P(A)\cdot P(B|A) P(AB)=P(A)⋅P(B∣A)
当A,B互相独立时 P ( A B ) = P ( A ) ⋅ P ( B ) P(AB) = P(A)\cdot P(B) P(AB)=P(A)⋅P(B)
当不确定A,B是否独立是,用 P ( A B ) = P ( A ) ⋅ P ( B ∣ A ) P(AB) = P(A)\cdot P(B|A) P(AB)=P(A)⋅P(B∣A)
例子1:
5道题,3代数题,2几何题,每次随机抽取1道题,抽出的题目不放回
- 第一次抽到代数,且第二次抽到几何的概率?(积事件)
- 在第一次抽到代数的情况下,第二次收到几何的概率?(条件概率)
对于1. 问题可以抽象成排列问题,第一次和第二次是2个格子,分别在2个格子里放上代数,与几何。
设,A:“第一次抽到代数事件”,B:“第二次抽到几何事件”
排列的样本总数量(总排列数)
n
(
Ω
)
=
A
5
2
n(\Omega) = A_5^2
n(Ω)=A52,第一个格子里是代数的样本数量
n
(
A
)
=
A
3
1
n(A)=A_3^1
n(A)=A31,第二个格子里是几何的样本总数量
n
(
B
)
=
A
2
1
n(B) = A_2^1
n(B)=A21。
满足要求的概率就是:
P
(
A
B
)
=
n
(
A
B
)
n
(
Ω
)
=
A
3
1
⋅
A
2
1
A
5
2
=
3
⋅
2
20
=
3
10
P(AB)= \frac {n(AB)}{n(\Omega)} = \frac {A_3^1 \cdot A_2^1}{A_5^2} = \frac{3 \cdot 2}{20} = \frac 3 {10}
P(AB)=n(Ω)n(AB)=A52A31⋅A21=203⋅2=103
对于2. 是条件概率,在A成立的条件下,B发生的概率
P ( B ∣ A ) = P ( A B ) P ( A ) = 3 / 10 3 / 5 = 1 2 P(B|A) = \frac {P(AB)}{P(A)} = \frac {3/10}{3/5} =\frac 1 2 P(B∣A)=P(A)P(AB)=3/53/10=21
例子2
盒子里有3个球,2个红色1个蓝色,甲乙丙3人依次无放回各抽一个。他们抽到蓝色球的概率如何?
设,甲,乙,丙抽到蓝色球的事件分别是A,B,C
B事件发生需要A事件不发生,所以
B
=
A
‾
B
B=\overline{A}B
B=AB
C事件发生需要AB事件都不发生,所以
C
=
A
‾
B
‾
C
C=\overline{A} \overline{B}C
C=ABC
根据古典概型:
A事件发生的概率:
P
(
A
)
=
n
(
蓝色数量
)
n
(
总数量
)
=
1
/
3
P(A) = \frac {n(蓝色数量)}{n(总数量)} = 1/3
P(A)=n(总数量)n(蓝色数量)=1/3
B事件发生的概率:A事件没有发生的概率 【乘以】 A事件没有发生的条件下B事件发生的概率,因为是不放回抽取,此时B事件发生的概率是1/2。
P
(
B
)
=
P
(
A
‾
B
)
=
P
(
A
‾
)
⋅
P
(
B
∣
A
‾
)
=
2
/
3
⋅
1
/
2
=
1
/
3
P(B) = P(\overline{A}B) = P(\overline A) \cdot P(B|\overline{A}) = 2/3 \cdot 1/2 = 1/3
P(B)=P(AB)=P(A)⋅P(B∣A)=2/3⋅1/2=1/3
C事件发生的概率:
P
(
C
)
=
P
(
A
‾
B
‾
C
)
=
P
(
A
‾
)
⋅
P
(
B
‾
)
⋅
P
(
C
)
=
2
/
3
⋅
1
/
2
⋅
1
/
1
=
1
/
3
P(C) = P(\overline{A}\overline{B}C)=P(\overline{A})\cdot P(\overline{B}) \cdot P(C) = 2/3 \cdot 1/2 \cdot 1/1 = 1/3
P(C)=P(ABC)=P(A)⋅P(B)⋅P(C)=2/3⋅1/2⋅1/1=1/3
A,B,C事件发生的概率都是1/3,所以不放回抽取时,抽中概率与抽取顺序无关。
例子3
0到9这10个数里,只有一个数能让猫开心,在不超过2次的尝试中,让猫开心的概率是多少?
2中情况可以让猫开心,1. 第一次蒙对了,2.第一次没蒙对,第二次蒙对了。
设,第一次尝试就蒙对了是事件
A
1
A_1
A1,第二次尝试才蒙对了是事件
A
2
A_2
A2
P
(
A
1
)
=
n
(
正确的数字
)
n
(
总数字
)
=
1
10
P(A_1)=\frac{n(正确的数字)}{n(总数字)}=\frac{1}{10}
P(A1)=n(总数字)n(正确的数字)=101
P
(
A
2
)
=
P
(
A
1
‾
A
2
)
=
P
(
A
1
‾
)
⋅
P
(
A
2
∣
A
1
‾
)
=
9
10
⋅
1
9
=
1
10
P(A_2)=P(\overline{A_1}A_2)=P(\overline{A_1}) \cdot P(A_2|\overline{A_1}) = \frac {9}{10} \cdot \frac{1}{9} = \frac{1}{10}
P(A2)=P(A1A2)=P(A1)⋅P(A2∣A1)=109⋅91=101
所以,不超过2次蒙对的概率
P
(
A
)
=
P
(
A
1
∪
A
2
)
=
P
(
A
1
)
+
P
(
A
2
)
=
1
10
+
1
10
=
1
5
P(A) = P(A_1 \cup A_2) = P(A_1) + P(A_2) = \frac {1}{10} + \frac{1}{10} = \frac{1}{5}
P(A)=P(A1∪A2)=P(A1)+P(A2)=101+101=51
如果确认了这个数是奇数,那么概率又如何呢?
假设这个数是奇数的事件为B,问题就转换为:在B条件下,A的概率
P
(
A
∣
B
)
=
P
(
A
1
∣
B
)
+
P
(
A
2
∣
B
)
P(A|B) = P(A_1|B) + P(A_2|B)
P(A∣B)=P(A1∣B)+P(A2∣B)
B条件是的样本空间从10缩小到5,
P
(
A
1
)
=
1
/
5
P(A_1) = 1/5
P(A1)=1/5,
P
(
A
2
)
=
4
/
5
⋅
1
/
4
=
1
/
5
P(A_2) = 4/5 \cdot 1/4 = 1/5
P(A2)=4/5⋅1/4=1/5
最终概率是2/5
5. 全概率
Q1:a个红球,b个蓝球,随机摸出一个,摸出的球不放回。
R
1
R_1
R1:第1次摸到红球事件
R
2
R_2
R2:第2次摸到红球事件
B
1
B_1
B1:第1次摸到蓝球事件
B
2
B_2
B2:第2次摸到蓝球事件
P
(
R
1
)
=
a
a
+
b
P(R_1) = \frac {a}{a+b}
P(R1)=a+ba // 古典概型
P
(
R
2
)
=
P
(
R
1
R
2
)
∪
P
(
B
1
R
2
)
=
P
(
R
1
R
2
)
+
P
(
B
1
R
2
)
=
P
(
R
1
)
⋅
P
(
R
2
∣
R
1
)
+
P
(
B
1
)
⋅
P
(
R
2
∣
B
1
)
=
a
a
+
b
⋅
a
−
1
a
+
b
−
1
+
b
a
+
b
⋅
a
a
+
b
−
1
=
a
(
a
−
1
+
b
)
(
a
+
b
)
(
a
+
b
−
1
)
=
a
a
+
b
=
P
(
R
1
)
P(R_2) = P(R_1R_2) \cup P(B_1R_2) \\ =P(R_1R_2) + P(B_1R_2) \\ =P(R_1)\cdot P(R_2|R_1) + P(B_1)\cdot P(R_2|B_1) \\ =\frac{a}{a+b}\cdot \frac{a-1}{a+b-1} + \frac{b}{a+b}\cdot \frac{a}{a+b-1} \\ =\frac{a(a-1+b)}{(a+b)(a+b-1)} = \frac{a}{a+b} = P(R_1)
P(R2)=P(R1R2)∪P(B1R2)=P(R1R2)+P(B1R2)=P(R1)⋅P(R2∣R1)+P(B1)⋅P(R2∣B1)=a+ba⋅a+b−1a−1+a+bb⋅a+b−1a=(a+b)(a+b−1)a(a−1+b)=a+ba=P(R1)
得到了结果:
P
(
R
1
)
=
P
(
R
2
)
P(R_1) = P(R_2)
P(R1)=P(R2)
重要结论:在不放回的前提下,抽签中签的概率与抽签的顺序无关
全概率
整个事件的样本点数量是左边的方框,记为:
Ω
\Omega
Ω
第一次将
Ω
\Omega
Ω分为2个部分(红,蓝),
第二次在红蓝条件下分别再取红色事件(右边的图)
最后,将红,蓝条件下的红色事件合并。
因为
Ω
\Omega
Ω只分成红,蓝两部分,所以红,蓝两部分的前提下取到的红色之和,就是
Ω
\Omega
Ω中,第二次红色事件的总数。
- 如果整体事件 Ω \Omega Ω被分割成n个小事件 A 1 , A 2 , . . . , A n A_1,A_2,...,A_n A1,A2,...,An;
- 在每一个小事件都发生的条件下事件B发生的概率 A 1 B 1 , A 2 B 2 , . . . , A n B n A_1B_1,A_2B_2, ...,A_nB_n A1B1,A2B2,...,AnBn;
- 那么事件B在
Ω
\Omega
Ω下发生的概率
P
(
B
)
=
P
(
B
1
∣
A
1
)
+
P
(
B
2
∣
A
2
)
+
.
.
.
+
P
(
B
n
∣
A
n
)
P(B) = P(B_1|A_1) +P(B_2|A_2) + ... + P(B_n|A_n)
P(B)=P(B1∣A1)+P(B2∣A2)+...+P(Bn∣An)
Q2. 3台机床生产同一型号零件
第一台产量占总数的25%,次品率6%
第二台产量占总数的30%,次品率5%
第三台产量占总数的45%,次品率5%
- 任取一个零件,计算是次品的概率。
解答:
B事件:任取一个零件为次品
A
i
A_i
Ai事件: 零件是第
i
i
i台机床生产的,
(
i
=
1
,
2
,
3
),
Ω
=
A
1
∪
A
2
∪
A
3
,
A
1
,
A
2
,
A
3
(i = 1, 2, 3),\Omega=A_1 \cup A_2 \cup A_3,A_1, A_2, A_3
(i=1,2,3),Ω=A1∪A2∪A3,A1,A2,A3两两互斥
P
(
A
1
)
=
0.25
,
P
(
A
2
)
=
0.3
,
P
(
A
3
)
=
0.45
P(A_1) = 0.25,P(A_2) = 0.3,P(A_3) = 0.45
P(A1)=0.25,P(A2)=0.3,P(A3)=0.45
P
(
B
∣
A
1
)
=
0.06
,
P
(
B
∣
A
2
)
=
0.05
,
P
(
B
∣
A
3
)
=
0.05
P(B|A_1) = 0.06,P(B|A_2) = 0.05,P(B|A_3) = 0.05
P(B∣A1)=0.06,P(B∣A2)=0.05,P(B∣A3)=0.05
P
(
B
)
=
P
(
A
1
)
⋅
P
(
B
∣
A
1
)
+
P
(
A
2
)
⋅
P
(
B
∣
A
2
)
+
P
(
A
3
)
⋅
P
(
B
∣
A
3
)
=
0.0525
P(B) = P(A_1)\cdot P(B|A_1) + P(A_2)\cdot P(B|A_2) + P(A_3)\cdot P(B|A_3) = 0.0525
P(B)=P(A1)⋅P(B∣A1)+P(A2)⋅P(B∣A2)+P(A3)⋅P(B∣A3)=0.0525
第一台机床的概率 x 第一台机床的次品率 + 第二台机床的概率 x 第二台机床的次品率 + 第三台机床的概率 x 第三台机床的次品率
- 如果抽到了一个次品,计算它是第
i
(
i
=
1
,
2
,
3
)
i(i = 1, 2, 3)
i(i=1,2,3)台车床加工的概率。
B事件:抽取到了次品事件
A i A_i Ai事件: 第几台车床加工的事件
是第一台机床加工的概率:B事件发生的条件下A事件发生的概率: P ( A 1 ∣ B ) P(A_1|B) P(A1∣B)
P
(
A
1
∣
B
)
=
P
(
A
1
B
)
P
(
B
)
P(A_1|B) = \frac {P(A_1B)}{P(B)}
P(A1∣B)=P(B)P(A1B) // 分子是A_1与B两个交事件发生的概率
=
P
(
A
1
)
⋅
P
(
B
∣
A
1
)
P
(
B
)
\hspace{4em} = \frac {P(A_1)\cdot P(B|A_1)}{P(B)}
=P(B)P(A1)⋅P(B∣A1) // 根据概率乘法公式,分子:A_1发生的概率 * A_1条件下B发生的概率
= 0.25 ∗ 0.06 0.0525 = 2 7 \hspace{4em} = \frac {0.25 * 0.06}{0.0525} = \frac 27 =0.05250.25∗0.06=72
同理,可以求出来自第二台,第三台机床的概率。
上面例子中的概率可以分为2种,1. 先验概率,2.后验概率
- 先验概率:试验开始时就已经确定的概率。每台机床的加工占比 P ( A i ) P(A_i) P(Ai)
- 后验概率:试验之后计算得到的概率。抽到次品时,次品是哪个机床加工的概率 P ( A i ∣ B ) P(A_i|B) P(Ai∣B)
6. 贝叶斯公式
有:
A
1
,
A
2
,
.
.
.
,
A
n
A_1, A_2, ..., A_n
A1,A2,...,An互斥,
A
1
∪
A
2
∪
.
.
.
∪
A
n
=
Ω
,
P
(
A
i
)
≠
0
A_1 \cup A_2 \cup ... \cup A_n = \Omega,P(A_i) \neq 0
A1∪A2∪...∪An=Ω,P(Ai)=0
对:
∀
B
∈
Ω
,
P
(
B
)
≠
0
\forall B \in \Omega,P(B) \neq 0
∀B∈Ω,P(B)=0
都有:
P
(
A
i
∣
B
)
=
P
(
A
i
)
P
(
B
∣
A
i
)
P
(
B
)
P(A_i|B) = \frac {P(A_i)P(B|A_i)}{P(B)}
P(Ai∣B)=P(B)P(Ai)P(B∣Ai)
=
P
(
A
i
)
P
(
B
∣
A
i
)
∑
i
=
1
n
P
(
A
i
)
P
(
B
∣
A
i
)
\hspace{6em} = \frac{P(A_i)P(B|A_i)}{\sum_{i=1}^nP(A_i)P(B|A_i)}
=∑i=1nP(Ai)P(B∣Ai)P(Ai)P(B∣Ai) // 分母是全概率公式
回顾概率乘法: P ( A i ∩ B ) = P ( A i ) ⋅ P ( B ∣ A i ) P(A_i \cap B) = P(A_i) \cdot P(B|A_i) P(Ai∩B)=P(Ai)⋅P(B∣Ai)
Q3. 发送数字信号0,1
发送0,接收到0的概率是0.9,接收到1的概率是0.1
发送1,接收到0的概率是0.05,接收到1的概率是0.95
0,1等可能发送
-
接受0与1的概率(古典概型,全概率公式)
A A A:发送0, B B B:接收0
A ‾ \overline A A:发送1, B ‾ \overline B B:接收1
接收0的概率:发送0接收0 + 发送1接收0
P ( B ) = P ( A ) ⋅ P ( B ∣ A ) + P ( A ‾ ) ⋅ P ( B ∣ A ‾ ) P(B) = P(A) \cdot P(B|A) +P(\overline A)\cdot P(B|\overline A) P(B)=P(A)⋅P(B∣A)+P(A)⋅P(B∣A)
= 0.5 × 0.9 + 0.5 × 0.05 \hspace{3em} =0.5 \times 0.9 + 0.5 \times 0.05 =0.5×0.9+0.5×0.05
= 0.475 \hspace{3em} =0.475 =0.475
接收1的概率:同理:0.525 -
接收到0时,发送为1的概率(条件概率,贝叶斯公式)
要求的是:当 B B B发生时, A ‾ \overline A A发生的概率
P ( A ‾ ∣ B ) = P ( A ‾ ∩ B ) P ( B ) P(\overline A|B) = \frac{P(\overline A \cap B)}{P(B)} P(A∣B)=P(B)P(A∩B)
= P ( A ‾ ) P ( B ∣ A ‾ ) P ( B ) \hspace{4em} = \frac {P(\overline A)P( B|\overline A)}{P(B)} =P(B)P(A)P(B∣A)
= 0.5 × 0.05 0.475 \hspace{4em}= \frac {0.5 \times 0.05}{0.475} =0.4750.5×0.05
= 1 19 \hspace{4em}= \frac {1}{19} =191
7. 离散性随机变量及其分布列
随机抽一个产品,抽到次品:用0表示,抽到正品:用1表示
这种做法是用实数表示样本空间里的样本点,将数字对应到样本空间的样本点上
离散型随机变量的目的:实数集合来表示样本空间
随机抽取:
{
抽到次品
→
0
抽到正品
→
1
⟹
X
=
{
0
→
抽到次品
1
→
抽到正品
随机抽取:\begin{cases} 抽到次品 \rightarrow 0 \\ 抽到正品 \rightarrow 1 \end{cases} \hspace{2em}\Longrightarrow \hspace{2em} X = \begin{cases} 0 \rightarrow 抽到次品 \\ 1 \rightarrow 抽到正品 \end{cases}
随机抽取:{抽到次品→0抽到正品→1⟹X={0→抽到次品1→抽到正品
把样本点的随机性转成实数的随机性,所以,
X
X
X叫做随机变量
Q1:从100个产品里(超过3个是次品)随机抽取3个产品,X表示三个产品中次品的个数。
- 0:表示次品,1:表示正品
- 抽取次品的样本空间:
3个次品:000
2个次品:100,010,001
1个次品:110, 011, 101
0个次品:111 - Ω = { 111 , 110 , 101 , 100 , 011 , 010 , 001 , 000 } \Omega = \begin{Bmatrix}111, 110, 101, 100, 011, 010, 001, 000\end{Bmatrix} Ω={111,110,101,100,011,010,001,000}
- X = { 0 , 1 , 2 , 3 } X = \begin{Bmatrix}0, 1, 2, 3\end{Bmatrix} X={0,1,2,3}
- Ω \Omega Ω中的每一个 ω \omega ω都有唯一一个 X ( ω ) X(\omega) X(ω)与之对应,
- 此时,样本点的随机性就传递到了X的随机性,此时X就叫随机变量
- 当X的取值是有限的,并且可以一一列举,此时X叫做离散随机变量
- 一般用大写X,Y,Z表示随机变量,小写x,y,z表示随机变量的取值
Q2. 掷骰子,X:掷出的点数
掷出点数的等可能性: P ( X = i ) = 1 6 , i = 1 , 2 , 3 , 4 , 5 , 6 P(X=i) = \frac 16, i=1, 2, 3, 4, 5, 6 P(X=i)=61,i=1,2,3,4,5,6
X | 1 | 2 | 3 | 4 | 5 | 6 |
P | 1 6 \frac16 61 | 1 6 \frac16 61 | 1 6 \frac16 61 | 1 6 \frac16 61 | 1 6 \frac16 61 | 1 6 \frac16 61 |
概率的分布列
离散性随机变量 X = x 1 , x 2 , . . . X X = x_1, x_2, ... X X=x1,x2,...X取每一个值 X i X_i Xi的概率: P ( X = x i ) = P i , i = 1 , 2 , 3 , . . . , n P(X = x_i) = P_i, i=1, 2, 3, ..., n P(X=xi)=Pi,i=1,2,3,...,n。
通俗的说,就是将 x 1 , x 2 , . . . , x n x_1, x_2, ..., x_n x1,x2,...,xn每一项的概率都列出来,就叫 X X X的概率分布列
举个例子,掷骰子1-6的概率分布列就是 { 1 6 , 1 6 , 1 6 , 1 6 , 1 6 , 1 6 } \begin{Bmatrix}\frac16, \frac16,\frac16,\frac16,\frac16,\frac16\end{Bmatrix} {61,61,61,61,61,61}
概率分布列可以直观展示为,概率分布表,概率分布图等
概 | 率 | 分 | 布 | 表 |
---|---|---|---|---|
X | x 1 x_1 x1 | x 2 x_2 x2 | … | x n x_n xn |
P | P 1 P_1 P1 | P 2 P_2 P2 | … | P n P_n Pn |
- i i i的取值从 1 1 1到 n n n: P i ≥ 0 , i = 1 , 2 , . . . , n P_i \geq 0,i = 1, 2, ..., n Pi≥0,i=1,2,...,n
- 所有取值的概率和为必然事件: ∑ i = 1 n P i = 1 \sum_{i=1}^nP_i = 1 ∑i=1nPi=1
Q2的问题
-
掷出的点数不大于2的概率是多少?
问题就是要求 ⟹ { X ≤ 2 } \Longrightarrow \begin{Bmatrix}X \leq 2\end{Bmatrix} ⟹{X≤2}的骰子概率
根据上面的概率分布表,去X=1, 2是的P相加
P ( X ≤ 2 ) = P ( X = 1 ) + P ( X = 2 ) = 1 6 + 1 6 = 1 3 P(X \leq 2) = P(X=1) + P(X=2) = \frac 16 + \frac 16 = \frac 13 P(X≤2)=P(X=1)+P(X=2)=61+61=31 -
掷出偶数点 ⟹ X ∈ { 2 , 4 , 6 } \Longrightarrow X \in \begin{Bmatrix}2, 4, 6\end{Bmatrix} ⟹X∈{2,4,6}
同理: P ( { X = 2 } ∪ { X = 4 } ∪ { X = 6 } ) = P ( X = 2 ) + P ( X = 4 ) + P ( X = 6 ) = 1 6 + 1 6 + 1 6 = 1 2 P(\{X = 2\} \cup \{X = 4\} \cup \{X = 6\}) = P(X=2) + P(X=4) + P(X=6) = \frac 16 + \frac 16 + \frac 16= \frac 1 2 P({X=2}∪{X=4}∪{X=6})=P(X=2)+P(X=4)+P(X=6)=61+61+61=21
两点分布
Q:一批产品中次品率为5%,随机抽取1件,定义: x = { 1 ,抽到次品 0 ,抽到次品 x=\begin{cases}1,抽到次品\\0,抽到次品\end{cases} x={1,抽到次品0,抽到次品,X的分布列
⟹ P ( X = 0 ) = 0.95 , P ( X = 1 ) = 0.05 \Longrightarrow P(X=0) = 0.95, P(X=1) = 0.05 ⟹P(X=0)=0.95,P(X=1)=0.05
对于,只有2种可能结果的随机试验,
{
A
:成功
A
‾
:失败
⟹
X
=
{
1
:
A
发生
0
:
A
‾
发生
\begin{cases}A:成功\\ \overline A:失败\end{cases} \Longrightarrow X=\begin{cases}1:A发生\\ 0:\overline A发生\end{cases}
{A:成功A:失败⟹X={1:A发生0:A发生
那么,
P
(
A
)
=
p
,
P
(
A
‾
)
=
1
−
p
P(A) = p,P(\overline A) = 1-p
P(A)=p,P(A)=1−p,即:两个事件的概率和等于1
这种只可能有2种结果的随机变量X,就符合两点分布
概率分布列怎么列
Q2:200名学生体测成绩,一共5个等级(不及格:1, 及格:2, 中等:3, 良:4, 优:5),200名学生的成绩与人数关系如下表
等级 | 不及格 | 及格 | 中等 | 良 | 优 |
---|---|---|---|---|---|
分数 | 1 | 2 | 3 | 4 | 5 |
人数 | 20 | 50 | 60 | 40 | 30 |
- 求所选学生分数X的分布列
— | — | — | — | — | — |
---|---|---|---|---|---|
X | 1 | 2 | 3 | 4 | 5 |
P | 20 200 \frac {20}{200} 20020 | 50 200 \frac {50}{200} 20050 | 60 200 \frac {60}{200} 20060 | 40 200 \frac {40}{200} 20040 | 30 200 \frac {30}{200} 20030 |
- 求分数大于等于良的概率,P(X>=4)的概率
P ( X ≥ 4 ) = P ( X = 4 ) + P ( X = 5 ) P(X \geq 4) = P(X = 4) + P(X = 5) P(X≥4)=P(X=4)+P(X=5)
把上面表格中X=4, 5两列的P加起来就可以了。
Q3. 10台电脑中,3台是A品牌,7台是B品牌,随机抽取2台,A品牌台数的分布列
第一台是A的概率
A
1
A_1
A1,第二台是A的概率
A
2
A_2
A2
情况1:第一台是A,第二台是B
⟹
P
(
A
1
)
⋅
P
(
A
‾
1
)
=
3
10
⋅
7
9
=
7
30
\Longrightarrow P(A_1)\cdot P(\overline A_1) = \frac {3}{10} \cdot \frac{7}{9} = \frac{7}{30}
⟹P(A1)⋅P(A1)=103⋅97=307
情况2:第一台是B,第二台是A
⟹
P
(
A
‾
1
)
⋅
P
(
A
1
)
=
7
10
⋅
3
9
=
7
30
\Longrightarrow P(\overline A_1)\cdot P(A_1) = \frac {7}{10} \cdot \frac{3}{9} = \frac{7}{30}
⟹P(A1)⋅P(A1)=107⋅93=307
情况3:第一台是A,第二台也是A
⟹
P
(
A
1
)
⋅
P
(
A
1
)
=
3
10
⋅
2
9
=
1
15
\Longrightarrow P(A_1)\cdot P(A_1) = \frac {3}{10} \cdot \frac{2}{9} = \frac{1}{15}
⟹P(A1)⋅P(A1)=103⋅92=151
情况4:第一台是B,第二台也是B
⟹
P
(
A
‾
1
)
⋅
P
(
A
‾
1
)
=
7
10
⋅
6
9
=
7
15
\Longrightarrow P(\overline A_1)\cdot P(\overline A_1) = \frac {7}{10} \cdot \frac{6}{9} = \frac{7}{15}
⟹P(A1)⋅P(A1)=107⋅96=157
令X是2台中,A品牌的数量
P
(
X
=
0
)
=
7
15
P(X=0) = \frac{7}{15}
P(X=0)=157
P
(
X
=
1
)
=
7
30
+
7
30
=
7
15
P(X=1) = \frac{7}{30} + \frac{7}{30} = \frac{7}{15}
P(X=1)=307+307=157
P
(
X
=
2
)
=
1
15
P(X=2) = \frac{1}{15}
P(X=2)=151
或者用组合的方式来处理,如下:
P
(
X
=
0
)
=
C
7
2
C
10
2
=
7
15
P(X = 0) = \frac{C_7^2}{C_{10}^2} = \frac{7}{15}
P(X=0)=C102C72=157
P ( X = 1 ) = C 3 1 C 7 1 C 10 2 = 7 15 P(X = 1) = \frac{C_3^1C_7^1}{C_{10}^2} = \frac{7}{15} P(X=1)=C102C31C71=157
P ( X = 2 ) = C 3 2 C 10 2 = 1 15 P(X = 2) = \frac{C_3^2}{C_{10}^2} = \frac{1}{15} P(X=2)=C102C32=151
8. 离散性随机变量的数字特征
8.1 数学期望
甲乙两个人射击环数的概率分布如下:
环数X | 7 | 8 | 9 | 10 |
---|---|---|---|---|
甲射中的概率 | 0.1 | 0.2 | 0.3 | 0.4 |
乙射中的概率 | 0.15 | 0.25 | 0.4 | 0.2 |
甲的平均环数:
7
∗
0.1
+
8
∗
0.2
+
9
∗
0.3
+
10
∗
0.4
=
9
7*0.1 + 8*0.2 + 9*0.3 + 10*0.4 = 9
7∗0.1+8∗0.2+9∗0.3+10∗0.4=9
乙的平均环数:
7
∗
0.15
+
8
∗
0.25
+
9
∗
0.4
+
10
∗
0.2
=
8.65
7*0.15 + 8*0.25 + 9*0.4 + 10*0.2 = 8.65
7∗0.15+8∗0.25+9∗0.4+10∗0.2=8.65
反映随机变量的平均水平:期望
X | x 1 x_1 x1 | x 2 x_2 x2 | … | x n x_n xn |
---|---|---|---|---|
P | p 1 p_1 p1 | p 2 p_2 p2 | … | p n p_n pn |
数学期望公式: E ( x ) = x 1 p 1 + x 2 p 2 + . . . + x n p n E(x) = x_1p_1 + x_2p_2 + ... + x_np_n E(x)=x1p1+x2p2+...+xnpn
Q: 游乐场里射箭中靶得1分,脱靶不得分。大聪明射箭中靶概率为0.8,那么他射箭一次得分的平均值是多少呢?
一些变换公式
- E ( x + b ) = E ( x ) + b E(x + b) = E(x) + b E(x+b)=E(x)+b
E ( x + b ) = ( x 1 + b ) ⋅ p 1 + ( x 2 + b ) ⋅ p 2 + . . . + ( x + b ) ⋅ p n E(x + b) = (x_1 + b)\cdot p_1 + (x_2 + b)\cdot p_2 + ... + (x_ + b)\cdot p_n E(x+b)=(x1+b)⋅p1+(x2+b)⋅p2+...+(x+b)⋅pn
= ( x 1 ⋅ p 1 + x 2 ⋅ p 2 + . . . + x n ⋅ p n ) + b ⋅ ( p 1 + p 2 + > . . . + p n ) \hspace{4em} = (x_1\cdot p_1 + x_2\cdot p_2 + ... + x_n\cdot p_n) + b\cdot (p_1 + p_2 + >... + p_n) =(x1⋅p1+x2⋅p2+...+xn⋅pn)+b⋅(p1+p2+>...+pn)
= E ( x ) + b \hspace{4em} = E(x) + b =E(x)+b
-
E ( a X ) = a ⋅ E ( x ) E(aX) = a\cdot E(x) E(aX)=a⋅E(x)
-
E ( a X + b ) = a ⋅ E ( x ) + b E(aX + b) = a\cdot E(x) + b E(aX+b)=a⋅E(x)+b
8.2 方差
射击比赛中,甲,乙的环数X,Y分布如下:
X | 6 | 7 | 8 | 9 | 10 |
---|---|---|---|---|---|
P | 0.09 | 0.24 | 0.30 | 0.28 | 0.07 |
Y | 6 | 7 | 8 | 9 | 10 |
---|---|---|---|---|---|
P | 0.07 | 0.22 | 0.38 | 0.30 | 0.03 |
E
(
X
)
=
6
∗
0.09
+
7
∗
0.24
+
8
∗
0.32
+
9
∗
0.28
+
10
∗
0.07
=
8
E(X) = 6 * 0.09 + 7 * 0.24 + 8 * 0.32 + 9 * 0.28 + 10 * 0.07 = 8
E(X)=6∗0.09+7∗0.24+8∗0.32+9∗0.28+10∗0.07=8
E
(
Y
)
=
6
∗
0.07
+
7
∗
0.22
+
8
∗
0.38
+
9
∗
0.30
+
10
∗
0.03
=
8
E(Y) = 6 * 0.07 + 7 * 0.22 + 8 * 0.38 + 9 * 0.30 + 10 * 0.03 = 8
E(Y)=6∗0.07+7∗0.22+8∗0.38+9∗0.30+10∗0.03=8
X,Y的均值相同,但是环数分布不一样,所以均值的判断并不能准确的反映成绩分布与偏离程度。
因此引入方差
D ( X ) = ( x 1 − E ( x ) ) 2 ⋅ P 1 + ( x 2 − E ( x ) ) 2 ⋅ P 2 + . . . + ( x n − E ( x ) ) 2 ⋅ P n D(X) = (x_1 - E(x))^2\cdot P_1 + (x_2 - E(x))^2\cdot P_2 + ... + (x_n - E(x))^2\cdot P_n D(X)=(x1−E(x))2⋅P1+(x2−E(x))2⋅P2+...+(xn−E(x))2⋅Pn
= ∑ i = 1 n ( x i − E ( x ) ) 2 ⋅ P i \hspace{3em} = \sum_{i=1}^{n}(x_i - E(x))^2\cdot P_i =∑i=1n(xi−E(x))2⋅Pi
// 看起来是不是有点像最小二乘法
方差记为: V a r ( X ) Var(X) Var(X),开平方后是标准差: D ( x ) \sqrt{D(x)} D(x)
回到上面射击的例子
D
(
X
)
=
∑
i
=
6
10
(
x
i
−
8
)
2
P
(
X
=
i
)
=
1.16
,
D
(
X
)
=
1.077
D(X) = \sum_{i=6}^{10}(x_i - 8)^2P(X = i) = 1.16,\sqrt D(X) = 1.077
D(X)=∑i=610(xi−8)2P(X=i)=1.16,D(X)=1.077
D
(
Y
)
=
∑
i
=
6
10
(
x
i
−
8
)
2
P
(
X
=
i
)
=
0.92
,
D
(
X
)
=
0.959
D(Y) = \sum_{i=6}^{10}(x_i - 8)^2P(X = i) = 0.92,\sqrt D(X) = 0.959
D(Y)=∑i=610(xi−8)2P(X=i)=0.92,D(X)=0.959
所以,乙的环数散布更集中
可以将方差公式化简:
D ( X ) = ∑ i = 1 n ( X i − E ( X ) ) 2 ⋅ P i D(X) = \sum_{i=1}^{n}(X_i - E(X))^2\cdot P_i D(X)=∑i=1n(Xi−E(X))2⋅Pi
= ∑ i = 1 n ( X i 2 − 2 X i ⋅ E ( X ) + ( E ( X ) ) 2 ) ⋅ P i \hspace{3em}= \sum_{i = 1}^{n}(X_i^2 - 2X_i\cdot E(X) + (E(X))^2)\cdot P_i =∑i=1n(Xi2−2Xi⋅E(X)+(E(X))2)⋅Pi
= ∑ i = 1 n X i 2 P i − ∑ i = 1 n 2 X i E ( X ) ⋅ P i + ∑ i = 1 n ( E ( X ) ) 2 ⋅ P i \hspace{3em}=\sum_{i = 1}^{n}X_i^2P_i - \sum_{i = 1}^{n}2X_iE(X)\cdot P_i + \sum_{i = 1}^{n}(E(X))^2\cdot P_i =∑i=1nXi2Pi−∑i=1n2XiE(X)⋅Pi+∑i=1n(E(X))2⋅Pi
= ∑ i = 1 n X i 2 P i − 2 E ( X ) ∑ i = 1 n X i ⋅ P i + ( E ( X ) ) 2 ∑ i = 1 n P i \hspace{3em} = \sum_{i = 1}^{n}X_i^2P_i - 2E(X)\sum_{i = 1}^{n}X_i\cdot P_i + (E(X))^2\sum_{i = 1}^{n} P_i =∑i=1nXi2Pi−2E(X)∑i=1nXi⋅Pi+(E(X))2∑i=1nPi
= ∑ i = 1 n X i 2 P i − 2 ( E ( X ) ) 2 + ( E ( X ) ) 2 \hspace{3em} = \sum_{i = 1}^{n}X_i^2P_i - 2(E(X))^2+ (E(X))^2 =∑i=1nXi2Pi−2(E(X))2+(E(X))2
= ∑ i = 1 n X i 2 P i − ( E ( X ) ) 2 \hspace{3em} = \sum_{i = 1}^{n}X_i^2P_i - (E(X))^2 =∑i=1nXi2Pi−(E(X))2
Q: 这是一个具有实际意义的例子
根据天气预报,某地区近期有小洪水的概率0.25,有大洪水的概率0.01, 该地区某工地上有一台大型设备,遇到小洪水损失10000元,遇到大洪水损失60000元,为了保护设备,有以下3种方案:
方案1:运走设备:搬运费:3800元
方案2:建保护围墙,建设费2000元,但是围墙只能防小洪水
方案3:不采取措施
如何决策达到最划算。
分析条件:将洪水情况整理成X,以及方案1,2,3对应不同洪水的概率
求出三种方案中,方差最小的就O了!
方案1,2,3的数学期望:
9. 二项分布
独立重复 n 次 ⟹ n 重伯努利试验 { 1. 同一个伯努利试验重复 n 次 2. 试验结果相互独立 独立重复n次 \Longrightarrow n重伯努利试验 \begin{cases}1. 同一个伯努利试验重复n次\\ 2. 试验结果相互独立\end{cases} 独立重复n次⟹n重伯努利试验{1.同一个伯努利试验重复n次2.试验结果相互独立
Q:某飞碟用动员设计中靶的概率是0.8,连续3次设计,中靶次数X的概率分布列?
A
i
:第
i
次中靶(
i
=
1
,
2
,
3
)
A_i:第i次中靶(i = 1, 2, 3)
Ai:第i次中靶(i=1,2,3)
X
:中靶的次数
X:中靶的次数
X:中靶的次数
P
(
X
=
0
)
=
P
(
A
‾
1
A
‾
2
A
‾
3
)
=
0.
2
3
P(X=0) = P(\overline A_1 \overline A_2 \overline A_3) = 0.2 ^3
P(X=0)=P(A1A2A3)=0.23
P
(
X
=
1
)
=
P
(
A
1
A
‾
2
A
‾
3
)
+
P
(
A
‾
1
A
2
A
‾
3
)
+
P
(
A
‾
1
A
‾
2
A
3
)
=
3
∗
0.8
∗
0.
2
2
P(X=1) = P(A_1 \overline A_2 \overline A_3) + P(\overline A_1 A_2 \overline A_3) + P(\overline A_1 \overline A_2 A_3) = 3*0.8 * 0.2^2
P(X=1)=P(A1A2A3)+P(A1A2A3)+P(A1A2A3)=3∗0.8∗0.22
P
(
X
=
2
)
=
P
(
A
1
A
2
A
‾
3
)
+
P
(
A
1
A
‾
2
A
3
)
+
P
(
A
‾
1
A
2
A
3
)
=
3
∗
0.
8
2
∗
0.2
P(X=2) = P(A_1 A_2 \overline A_3) + P(A_1 \overline A_2 A_3) + P(\overline A_1 A_2 A_3) = 3 * 0.8^2 * 0.2
P(X=2)=P(A1A2A3)+P(A1A2A3)+P(A1A2A3)=3∗0.82∗0.2
P
(
X
=
0
)
=
P
(
A
1
A
2
A
3
)
=
0.
8
3
P(X=0) = P( A_1 A_2 A_3) = 0.8 ^3
P(X=0)=P(A1A2A3)=0.83
用中靶
A
i
A_i
Ai作为选择基准:
P
(
X
=
0
)
=
C
3
0
×
0.
8
0
×
0.
2
3
P(X=0) = C_3^0\times 0.8^0 \times 0.2^3
P(X=0)=C30×0.80×0.23
P
(
X
=
1
)
=
C
3
1
×
0.
8
1
×
0.
2
2
P(X=1) = C_3^1\times 0.8^1 \times 0.2^2
P(X=1)=C31×0.81×0.22
P
(
X
=
2
)
=
C
3
2
×
0.
8
2
×
0.
2
1
P(X=2) = C_3^2\times 0.8^2 \times 0.2^1
P(X=2)=C32×0.82×0.21
P
(
X
=
3
)
=
C
3
3
×
0.
8
3
×
0.
2
0
P(X=3) = C_3^3\times 0.8^3 \times 0.2^0
P(X=3)=C33×0.83×0.20
因此,中靶次数k的公式,就可以写成
P
(
X
=
k
)
=
C
n
k
×
0.
8
k
×
0.
2
3
−
k
P(X=k) = C_n^k \times 0.8^k \times 0.2^{3-k}
P(X=k)=Cnk×0.8k×0.23−k
在n重伯努利试验中,每次试验中A发生的概率为P(0<P<1),X表示事件A发生的次数。
则X的分布列:
P ( X = k ) = C n k P k ( 1 − p ) n − k , k = 0 , 1 , 2 , . . . , n P(X=k) = C_n^kP^k(1-p)^{n-k} \hspace{2em}, k=0, 1, 2, ..., n P(X=k)=CnkPk(1−p)n−k,k=0,1,2,...,n
随机变量X的分布列具有以上形式,则X服从二项分布,X~B(n, P)
X~B(10, 0.8):随机变量X服从二项分布,10次事件,概率0.8
二项式
(
a
+
b
)
n
(a+b)^n
(a+b)n展开后,第k+1项的公式:
C
n
k
a
k
⋅
b
n
−
k
C_n^ka^k\cdot b^{n-k}
Cnkak⋅bn−k
与
P
(
X
=
k
)
=
C
n
k
P
k
(
1
−
p
)
n
−
k
P(X=k) = C_n^kP^k(1-p)^{n-k} \hspace{2em}
P(X=k)=CnkPk(1−p)n−k看上去一毛一样。
那么n重伯努利试验中,X的分布列之和等于 ( P + ( 1 − P ) ) n = 1 (P + (1-P))^n = 1 (P+(1−P))n=1
Q:将一枚质地均匀的硬币抛掷10次,求:
1. 恰好出现5次正面朝上的概率。
分析:
抛掷质地均匀的硬币
⟹
{
正面
反面
\Longrightarrow \begin{cases}正面\\反面\end{cases}
⟹{正面反面
抛掷10次
⟹
10
重伯努利试验
\Longrightarrow 10重伯努利试验
⟹10重伯努利试验
⟹
\hspace{4em}\Longrightarrow
⟹正面朝上的次数服从:二项分布
令:A=正面朝上,P(A) = 1/2
X:A发生的次数,X~B(10, 1/2)
P
(
X
=
5
)
=
C
10
5
1
2
5
1
2
5
=
63
256
P(X=5) = C_{10}^5 \frac12^5 \frac 12^5 = \frac {63}{256}
P(X=5)=C105215215=25663
2. 正面朝上出现的频率在[0.4, 0.6]内的概率
分析:
等价于:
4
≤
X
≤
6
⟹
X
∈
{
4
,
5
,
6
}
4 \leq X \leq 6 \Longrightarrow X \in \{4, 5, 6\}
4≤X≤6⟹X∈{4,5,6}
P
(
4
≤
X
≤
6
)
=
P
(
X
=
4
)
+
P
(
X
=
5
)
+
P
(
X
=
6
)
=
21
32
P(4 \leq X \leq 6 ) = P(X=4) +P(X=5) +P(X=6) = \frac{21}{32}
P(4≤X≤6)=P(X=4)+P(X=5)+P(X=6)=3221
Q:甲乙2人下象棋比赛,每一局甲获胜概率0.6,乙获胜概率0.4,那么采用3局2胜还是5局3胜队甲更有利?
3局2胜:
甲获胜的情况:
- 打2局,2局都获胜,比分2:0;
- 打3局,最后1局肯定获胜,从前两局挑一局获胜,比分2:1
P 1 = 0. 6 2 + ( C 2 1 × 0.6 × 0.4 ) × 0.6 = 0.648 P1 = 0.6^2 + (C_2^1\times 0.6\times 0.4)\times 0.6 = 0.648 P1=0.62+(C21×0.6×0.4)×0.6=0.648
5局3胜:
甲获胜的情况:
3. 打3局都获胜:3:0
4. 打4局,胜3局:3:1
5. 打5局,胜3局:3:2
P 2 = 0. 6 0.3 + C 3 2 × 0. 6 2 × 0.4 × 0.6 + C 4 2 × 0. 6 2 × 0. 4 2 × 0.6 = 0.68256 P2 = 0.6^{0.3} + C_3^2 \times 0.6^2 \times 0.4 \times 0.6 + C_4^2 \times 0.6^2 \times 0.4^2 \times 0.6 = 0.68256 P2=0.60.3+C32×0.62×0.4×0.6+C42×0.62×0.42×0.6=0.68256
P2>P1:所以5局3胜更有利于甲。