概率,又称“或然率”、“几率”,它是对一个随机事件的可能性的大小所作的数量方面的估计。
随机事件(random event),通常简称为事件,是一个现代归纳逻辑名词,指在一定条件下可能发生也可能不发生的事态或事件,可用大写英文字母A、B、C表示。
不同随机事件发生的可能性的大小是不同的,概率就是人们用来表示随机事件发生的可能性大小的一个量。在一定条件下,事件A一定会出现,称之为必然事件,其概率为1,记作P(A)=1;在一定条件下,事件A一定不会出现,称之为不可能事件,其概率为0,记作P(A)=0;其它事件的概率介于不可能事件与必然事件的概率之间,即它可表示为0≤P(A)≤1。
概率的古典定义:一个事件A出现的概率,是A可能出现的情况与全部可能情况的比率。其计算公式为:
P(A)=m(A可能出现的情况)/n(所有可能的情况)
这是一种先验概率,获得一事件的概率无需进行试验,它给予我们理性的认可或相信如此。
例如随便抛一枚硬币,国徽朝上的概率是1/2,因为投掷结果只有两种,一种朝上,一种朝下,两结果出现的可能性相等,所以其概率为1/2。
概率的公理化定义:
如果一个函数 P
指定给每一个事件空间 S 中的事件 A 一个实数 P(A),并且其满足下面的 3 个公理,那么函数 P 叫做概率函数,相应的 P(A) 叫做事件 A 的概率。
公理一:(非负性)对于任意一随机事件A,有0≤P(A)≤1
公理二:(规范性)P(S)=1,P(Φ)=0
公理三:(完全可加性)如果A∩B=0, P(A∪B)=P(A)+P(B)
条件概率 :
条件概率指在事件B发生的条件下,事件A发生的概率,记作P(A|B)。当P>0时,规定:
P(A|B)=P(A∩B)/P(B)
当P(B)=0时,规定P(A|B)=0。
上式中,A∩B指独立事件A与独立事件B的联合出现。
乘法公式
由条件概率定义,可以得到
乘法公式: P(A∩B)=P(B)P(A|B)=P(A)P(B|A)
全概率公式
n 个事件 H1,H2,...Hn 互相间独立,且共同组成整个事件空间 S,即
,
以及
这时 A 的概率可以表示为,
-
-
证明:
按照公理 3 ,有
根据乘法法则,
因此有,
贝叶斯公式
贝叶斯定理由英国数学家贝叶斯 ( Thomas Bayes 1702-1761 ) 发展,用来描述两个条件概率之间的关系,比如 P(A|B) 和 P(B|A)。按照定理 6 的乘法法则,P(A∩B)=P(A)·P(B|A)=P(B)·P(A|B),可以立刻导出贝叶斯定理:
如上公式也可变形为
-
贝努里概型
对随机实验中某事件是否发生,试验的可能结果只有两个,这种只有两个可能结果的实验称为贝努利试验。
重复进行n次独立的贝努利试验,这里“重复”的意思是指各次试验的条件是相同的,它意味着各次试验中事件发生的概率保持不变,“独立”的意思是指是指各次试验的结果是相互独立的,这种试验所对应的数学模型成为贝努利概型。有时为了突出实验次数n,也称为n重贝努利试验。