Day01-概率论与数理统计-概率论基础(DataWhale)

最新推荐文章于 2024-09-14 16:58:52 发布

liying_tt

最新推荐文章于 2024-09-14 16:58:52 发布

阅读量141

点赞数

分类专栏：数学基础文章标签：概率论

本文链接：https://blog.csdn.net/liying_tt/article/details/120816343

版权

数学基础专栏收录该内容

17 篇文章 0 订阅

订阅专栏

本文详细介绍了概率论的基础概念，包括随机试验、样本空间、随机事件及概率的公理性。讨论了古典概率、条件概率、独立事件、全概率公式和贝叶斯公式。此外，还涉及排列、组合、伯努利模型和二项概率公式，为理解统计学和后续的数学分析奠定了基础。

摘要由CSDN通过智能技术生成

一、概率论基础

1.1 概念

随机试验E

在相同的条件下可以重复进行
每次试验的可能结果不止一个，并且能事先明确试验的可能结果
进行试验之前不能确定哪一个结果会出现

样本空间S

随机试验的所有可能结果的集合

样本点

样本空间的元素

随机事件

试验E的样本空间S的子集

基本事件

一个样本点组成的单点集

频率

在相同条件下进行n次试验，在这n次试验中，事件A发生的次数 $n_A$ 称为事件A发生的频数， $\frac{n_A}{n}$ 称为频次，记作 $f_n(A)$

概率

对于随机试验E的每一事件A赋予一个实数，记作 $P (A)$ ，称为事件A的概率，满足下列条件【公理性】
- 非负性： $\leq P(A) \leq 1$
- 规范性：对于必然事件S，有 $P (S) = 1$
- 完全可加性：两两互不相容的事件有， $P(A_1+A_2+···)=P(A_1)+P(A_2)+···$
性质
- $P(\Phi)=0$
- 有限可加性
- $P(\overline{A}) = 1-P(A)$
- $P (A - B) = P (A) - P (A B)$
  - 若A包含B，则 $P(A)\geq P(B)$
- (加法公式) $P (A + B) = P (A) + P (B) - P (A B)$
  - $P (A + B + C) = P (A) + P (B) + P (C) - P (A B) - P (A C) - P (B C) + P (A B C)$

古典概率（等可能概率）

有限个元素
每个基本事件等可能发生

1.2 概率

条件概率

$P(B|A)=\frac{P(AB)}{P(A)}$
$P(B_1 \cup B_2|A)=P(B_1|A)+P(B_2|A)-P(B_1B_2|A)$

性质：

$\geq 0$
$P(\Omega|B)=1$
$A_1,A_2,...,A_n$ 两两互不相容，则 $P(\sum_i^\infty A_i|B)=\sum_i^{\infty}P(A_i|B)$

乘法公式

$P (A B) = P (B ∣ A) P (A)$
$P (A B) = P (A ∣ B) P (B)$
$P (A B C) = P (A) P (B ∣ A) P (C ∣ A B)$ 【第一步正确，在第一步正确的条件下，第二步正确，在第一步和第二步都正确的条件下，第三步正确】

全概率公式

$P(A)=P(A|B_1)P(B_1)+P(A|B_2)P(B_2)+···+P(A|B_n)P(B_n)$

贝叶斯公式【已知结果，推出可能性最大的原因】

$P(B_i|A)=\frac{P(A|B_i)P(B_i)}{\sum_{j=1}^{n}P(A|B_j)P(B_j)}$
$P(A_i):先验概率；P(A_i|B):后验概率$

事件的独立性：A的概率不受B发生与否的影响

定义：A，B独立则， $P (A ∣ B) = P (A)$
A、B独立 <==> $P (A B) = P (A) P (B)$
$\Phi 、\Omega$ 与任意事件 $A$ 独立
A、B独立 ==> $A与\overline{B}、\overline{A}与B、\overline{A}与\overline{B}$ 与独立
$P (A) = 0 或 P (A) = 1$ 则A与任意事件独立【 $P (A) = 0$ 也有可能发生不能等同空集 $\Phi$ 】

独立是可能性，互不影响；互不相容是 $AB=\Phi，P(AB)=0$

若 $P (A) > 0 、 P (B) > 0$ ，则独立与互不相容不能同时成立

$A 、 B 、 C$ 独立： $P (A B) = P (A) P (B) 、 P (B C) = P (B) P (C) 、 P (A C) = P (A) P (C) 、 P (A B C) = P (A) P (B) P (C)$

1.3 排列

不重复排列：从n个不同元素中取出m个 $P_n^m=n(n-1)···(n-m+1)=\frac{n!}{(n-m)!}$
重复排列：从n个不同元素中取出m个 $n^m$

1.4 组合

从n个不同元素中取出m个 $C_n^m =\frac{P_n^m}{m!} =\frac{n!}{m!(n-m)!}$
- $C_n^m=C_n^{n-m};C_n^0=1$

1.5 伯努利模型

独立实验序列： $E_1,E_2,...,E_n$ 独立

n重独立实验： $E_1,E_1,...,E_1$ n次试验彼此独立，记作 $E^n$ 【一次实验做n次】

伯努利试验：实验结果只有两种 $P(A)=p;P(\overline{A})=1-p$

n重伯努利试验：试验n次，彼此独立，试验结果只有两种 $P_n(k)=C_n^kp^k(1-p)^{n-k}$

二项概率公式： $P_n(k)=C_n^kp^kq^{n-k};q=1-p$