摘自陈希孺版概率论,目录一致,也免得自己想了
事件的概率
概率是什么
主观概率
A={今天下午6时前会下雨}
特点:不是在坚实的客观理由基础上为人们所公认的
试验与事件
- 概率论中“事件”的一般含义
- 有一个明确界定的试验
- 这个试验的全部可能结果,是在试验前就明确的
- 有一个明确的陈述
古典概率
定义:
设一个试验有 N 个等可能的结果,而事件
E 恰包含其中的 M 个结果,则事件E的概率,记为P(E) ,定义为:
P(E)=M/N
概率的统计定义
概率的公理化定义
- 柯氏公理体系:
- 0≤P(A)≤1
- P(Ω)=1 ; P(∅)=0
- 加法公理
古典概率计算
排列组合的几个简单公式
n 个相异物件取
r 个( 1≤r≤n )的不同排列总数,为:
Pnr=n(n−1)(n−2)⋯(n−r+1)
特别的,若 n=r ,则 Prr=r!n 个相异物件取
r 个( 1≤r≤n )的不同组合数,为:
Cnr=Pnr/r!=n!/(r!(n−r)!)
Cnr 可以记为 (nr)与二项式展开的关系
组合数 (nr) 又称为二项式系数,因为它出现在下面熟知的二项式展开的公式中:
(a+b)n=∑i=1n(ni)aibn−1n 个相异物体分成
k 堆,各堆物件数分别为 r1,⋯,rk 的分法是:
n!/(r1!⋯rk!)
案例:详见书
事件的运算、条件概率与独立性
事件的蕴含、包含及相等 略
事件的互斥与对立
- 若两个事件
A,B
不能再同一次试验中都发生(但可以都不发生),则称它们是互斥的。如果一些事件中任意两个都互斥,则称这些事件是两两互斥的,或简称互斥的。
互斥的一个重要情况是“对立事件”,若 A 为一事件,则事件
B={A不发生}
称为 A 的对立事件,多记为A¯
事件的和(或称并)
定理:
若干个互斥事件之和的概率,等于各事件的概率之和:
P(A1+A2+⋯)=P(A1)+P(A2)+⋯以 A¯ 表 A 的对立事件,则
P(A¯)=1−P(A)
事件的积(或称交)、事件的差
- 事件的积 A=A1A2⋯ 或者记为 ∏ni=1Ai
- 事件的差 A−B=AB¯
条件概率
1.定义:
设有两事件
A,B
而
P(B)≠P(B)
. 则“在给定
B
发生的条件下
事件的独立性,概率乘法定理
- 无条件概率
P(A)
与其在给定
B
发生之下的条件概率
P(A|B) ,一般是有差异的。这反映了这两件事件之间存在着一些关联。例如 P(A|B)>P(A) ,这 B 的发生使A 的可能性增大了。 - 因此,满足:
P(AB)=P(A)P(B)
则称 A,B 独立 - 概率的乘法定理:两独立事件 A,B 的积 AB 的概率 P(AB) 等于其各自概率之积 P(A)P(B)
- 若干个独立事件的之积的概率,等于各事件概率的乘积
全概率公式与贝叶斯公式
- 设
B1,B2,⋯
为有限或无限个事件,它们两两互斥且在每次试验中至少发生一个。即:
BiBj≠∅(不可能事件),当i≠j
B1+B2+⋯=Ω(必然事件)
有时把具有这种性质的一组事件称为一个“完备事件群”
由此得到全概率公式:
P(A)=P(B1)P(A|B1)+P(B2)P(A|B2)+⋯ - 贝叶斯公式:
P(B|A)=P(ABi)/P(A)=P(Bi)P(A|Bi)∑jP(Bj)P(A|Bj) 实际意义解释:
对于 P(B1),P(B2),⋯ ,它是在没有进一步的信息(不知道事件 A 是否发生)的情况下,人么对于事件B1,B2,⋯ 发生可能性大小的认识。
现在有了新的信息(知道 A 发生),人们对于B1,B2,⋯ 发生大小的可能性有了新的估计。从这个角度看,事件 A 是“结果”,事件B1,B2,⋯ 是“原因”因此全概率公式是“由原因推结果”,而贝叶斯公式是“有结果推原因”