看了下软考成绩,上午49,下午51,没有什么意外的话,通过了!其实完全可以考的更好,但当时太紧张了,也没有调整好心态,还是缺乏相应的锻炼!还有一点,基础的东西,还是要再强化一下。
学历的意义在于基础,基本上就等同于大方向或大行业的常识!从专科到本科,也为了弥补青春过往的时间,以及之前上大学时的不自信。还是那句话:“坐等不会有良机”。
概率论与数理统计是研究随机现象的一门科学,是一门研究统计规律的学科。意义是:可以提高认识问题、研究问题与处理相关实际问题的能力
随机实验,首先关心的是所有可能的结果,称为样本空间 记为Ω=| ω |,其中 ω ,在里面基本结果,又称为样本点.
样本空间的子集就可以表示随机事件。
既然随机事件是用集合表示,那么集合的运算就适用于概率的分析。
维恩图: 看图中画斜线的部分。解释时要以样本空间来解释,如交A={甲来听课},B={乙来听课},那么A∩B代表A,B都来听课。
事件间的关系:
包含:若A中的每一个样本点都包含在B中,则记为A⊂B,事件A的发生必然导致事件B发生。
相等关系: A⊃B 与 B⊃A同时成立,记为A=B,等价的两个事件同时发生,因此可看作是一样的。
互不相容:若AB=∅,则表示A与B不可能同时发生
从这几天的学习成果来看,这样看书的方式太慢了,也不利于发现问题,也找不准重点。接下来,看视频来学习。利用视频建立一个知识框架。
事件的运算来看,与程序里的位运算,或与非,有相似之处。
频率:是0到1间的一个实数,在大量重复事件基础上给出的随机事件发生可能性的估计。随着次数的增加会稳定在一个值。
概率:频率的稳定值称作概率,这是统计型定义。现实中,不能通过大量的实验得出这个稳定值。
概率的公理化定义:更简洁的定义
随机事件对应的样本空间为S,对于每一个事件A,若函数 P(A) 满足下列条件,则 P(A) 为 A 的概率:
1. 非负性,即 P(A) 非负;//任何一个事件的出现的概率都是非负的
2. 规范性,即必然事件 S 的 P(S)=1;
3. 可列可加性,即互不相容事件的并集的概率为各事件概率之和。即:A1,A2....两两互斥即AiAj=∅, i!=j
满足这三条公理的P(A)称为事件A的概率。
性质4
若 A⊃B则有P(A-B)=P(A)-P(B).还可以得出P(A)>=P(B).
若没有包含关系P(A-B)=P(A)-P(AB).
概率的加法公式5:
P(A∩B)=P(A)+P(B)-P(AB).
推广(一般情况)
P(A u B u C)=P(A)+P(B)+P(C)-P(AB)-P(AC)-P(BC)+P(ABC).
概率如何来得到的呢?这就需要基本的概率模型。
古典概型:等可能概型
满足两个基本的特征:
1、试验中的样本只有有限个。
2、每个样本点出现的概率是相等的。
条件概率:
如何区分条件概率与古典概率的情况呢?
如果告诉你A已经发生了,求B的概率那就是条件概率。
如果A与B同时发生,那么求的就是古典概率。
条件概率定义:
P(B|A)=P(AB)/P(A),P(A)>0//条件概率只不过是把原来样本空间S,缩小到了A范围里面来考虑概率。所以也满足所有的概率性质。
乘法公式:只要条件概率都有意义时
P(AB)=P(A)P(B|A)=P(B)P(A|B);//即事件A和事件B同时发生的概率等于在发生A的条件下B发生的概率乘以A的概率。
推广:
P(ABC)=P(A)P(B|A)P(C|AB).
一般地,设A1,A2,…,An为n≥2个事件,且P(A1A2…An-1)>0,则有
P(A1A2…An)=P(A1)P(A2|A1)P(A3|A1 A2) …P(An|A1A2…An-1)
通过维恩图可以帮助我们更容易的理解 这些 概率公式。
全概率公式与贝叶斯公式
全概率:
1. 如果事件组B1,B2,.... 满足
1.B1,B2....两两互斥,即 Bi ∩ Bj = ∅ ,i≠j , i,j=1,2,....,且P(Bi)>0,i=1,2,....;
2.B1∪B2∪....=Ω ,则称事件组 B1,B2,...是样本空间Ω的一个划分
设 B1,B2,...是样本空间Ω的一个划分,A为任一事件,则:
上式即为全概率公式(formula of total probability)
全概率公式的意义在于,当直接计算P(A)较为困难,而P(Bi),P(A|Bi) (i=1,2,...)的计算较为简单时,可以利用全概率公式计算P(A)。思想就是,将事件A分解成几个小事件,通过求小事件的概率,然后相加从而求得事件A的概率,而将事件A进行分割的时候,不是直接对A进行分割,而是先找到样本空间Ω的一个个划分B1,B2,...Bn,这样事件A就被事件AB1,AB2,...ABn分解成了n部分,即A=AB1+AB2+...+ABn, 每一Bi发生都可能导致A发生相应的概率是P(A|Bi),由加法公式得
P(A)=P(AB1)+P(AB2)+....+P(ABn)
=P(A|B1)P(B1)+P(A|B2)P(B2)+...+P(A|Bn)P(PBn)
贝叶斯公式:
1.与全概率公式解决的问题相反,贝叶斯公式是建立在条件概率的基础上寻找事件发生的原因(即大事件A已经发生的条件下,分割中的小事件Bi的概率),设B1,B2,...是样本空间Ω的一个划分,则对任一事件A(P(A)>0),有
上式即为贝叶斯公式(Bayes formula),Bi 常被视为导致试验结果A发生的”原因“,P(Bi)(i=1,2,...)表示各种原因发生的可能性大小,故称先验概率;P(Bi|A)(i=1,2...)则反映当试验产生了结果A之后,再对各种原因概率的新认识,故称后验概率。
事件的独立性:
两个事件之间的独立性是指:一个事件的发生不影响另一个事件的发生。
从数学语言上(即定义): (1.4.1)
从条件概率的角度看:。如何理解这个概念呢?从概率的角度看,事件A的条件概率与无条件概率的差别在于:事件B的发生改变了事件A发生的概率,也即事件B对事件A有某种“影响”,如果事件B的发生对事件A的发生毫无影响,即有,由此又可推出,即事件A发生对B也无影响,可见独立性是相互的。
推广:
定义1.4.2:设A,B,C是三个事件,如果有 则称A,B,C两两独立,若还有 则称A,B,C相互独立。 |
小概率事件:
小概率事件在大量重复实验的,至少有一次发生的可能性是必然的。
随机变量:
名为变量实质是一个函数,是从样本空间到实数上的一个映射。
概率论的知识框架:
整个概率论的知识体系,要各个攻破,多问下自己参加自考的目的是什么,难道真是为了一纸文凭吗?为什么不一个知识点一个知识点的一个个攻破呢?如同第一次软考一样,给自己压力很大,最后发现这么多知识,可不是几个月时间就可以掌握的。所以,反对给自己太大压力,哪怕一天一个知识点,能感受到自己 的进步就可以了……,这正是以考促学的意义所在。