深度学习基础 - 概率
flyfish
概率也是一门从不严谨到严谨的学问,严不严谨现在看就是有没有公理化。
微积分不严谨的时候可以叫古典微积分
概率论不严谨的 时候叫古典概率论
1728年,巴黎市政府发行了一种彩票,伏尔泰 没听错就是大名鼎鼎的伏尔泰,发现了bug,人们对概率不大明白的时候,他好像懂了点,伏尔泰因词发了财,后半辈子衣食无忧过上了土豪生活。
概率论从17世纪50年代创立至今,近340年的发展过程,不严谨到严谨也得数百年。三四百年前在欧洲许多国家,贵族之间盛行赌博之风。掷骰子是他们常用的一种赌博方式。因骰子的形状为小正方体,当它被掷到桌面上时,每个面向上的可能性是相等的,即出现1点至6点中任何一个点数的可能性是相等的。有的参赌者就想:如果同时掷两颗骰子,则点数之和为9与点数之和为10,哪种情况出现的可能性较大?
划时代的人物总得描述他之前是什么样子,他之后是什么样子,人们对“有可能”和“概率大”是分不清的。这人就是拉普拉斯,拉普拉斯于1812年出版了他的著作《分析的概率理论》,这个新事物出现的时候,总是伴随着不严谨,一个事物总得先有,然后对它迭代改进。刚开始有bug 不要紧,后人会修复bug的。
概率论严谨是从柯尔莫哥洛夫开始的,柯尔莫哥洛夫1933年在他的《概率论基础》书中有定义有严密的公理体系。他的公理化方法成为现代概率论的基础,使概率论成为严谨的数学分支。拉普拉斯于1812年出版了他的著作《分析的概率理论》
概率描述是从随机试验开始的
随机试验
1.可以在相同的条件下重复的进行。
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。
样本空间
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
样本点
样本空间的元素即E的每个结果称为样本点
事件
试验E的样本空间S的子集为E的随机事件,简称事件
事件发生
在每次试验中,当且仅当这一子集中的一个样本点出现时,称这一事件发生
基本事件
由一个样本点组成的单点集,称为基本事件。例如抛硬币有两个基本事件,正面和反面。
必然事件
样本空间S包含所有的样本点,它是S自身的子集,每次式样它总是发生的,S称为必然事件
不可能事件
空集不包括任何样本点,它也作为样本空间的子集,它在每次试验都不发生,称为不可能事件
频数与频率
在在相同的条件下,进行了n次试验,在n次试验中,事件A发生的次数
n
A
n_A
nA称为事件A发生的频数。
而比值
n
A
/
n
n_A/n
nA/n 称为事件A发生的频率。
概率
设E是随机试验,S是它的样本空间,对于E的每一个事件A赋予一个实数,记为P(A),称为事件A的概率
等可能概型(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。
公式
设试验的样本空间为S={e1,e2,e3,…,en},若事件A包含k个基本事件,即A={ei1}⋃{ei1}⋃…{eik},这里i1,i2,…,ik是1,2,…,n中k个不同的数。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}^k P(\{e_{i_j}\})=\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
条件概率(Conditional probability)
定义
设A,B是两个事件,且P(A)>0,称
P
(
B
∣
A
)
=
P
(
A
B
)
P
(
A
)
P(B|A)=\frac{P(AB)}{P(A)}
P(B∣A)=P(A)P(AB)
为在事件A发生的条件下,事件B发生的条件概率。
参考文献
《数学七年级下册》北师大版 6.1概率的起源和发展
《概率论与数理统计(第四版)》浙大 盛骤、谢式千、潘承毅