随机事件及其概率

1.随机事件

1.1随机实验特点

①可在相同条件下重复进行
②一次实验之前无法确定具体是哪种结果出现，但能确定所有的可能结果。

1.2样本空间

样本空间：实验的所有可能结果所组成的集合称为样本空间。
样本点：实验的单个结果或样本空间的单元素称为样本点。
由样本组成的单点集称为基本事件。

1.3随机事件

样本空间的任意一个子集称为随机事件。
任何时间均可表示为样本空间的某个子集。
（既然事件是一个集合，那么有关时间之间的关系、运算规则也按照集合的规则处理）

1.4古典概型

若某实验满足：
①样本空间有限性②等可能性
则称为古典概型。

概率：
若事件$A$中所含的样本点的个数为$N(A)$，以$N(\Omega )$记样本空间$\Omega$的样本点总数，则
$P(A)=\frac{N(A)}{N(\Omega )}$
$P(A+B)=P(A)+P(B)$

2.概率的定义和计算

2.1频率与概率：

当试验次数较大时，可认为概率近似等于频率。

2.2定义：

若对随机实验E所对应的样本空间$\Omega$中的每一事件$A$，均赋予一实数$P(A)$，集合函数$P(A)$满足条件：
1.$P(A)\ge 0$
2.$P(\Omega )=1$
3.可列可加性：设$A_1,A(2),...,$是一列两两互不相容的事件，有
$P(A_1\cup A_2\cup ...)=P(A_1)+P(A_2)+...$
则称P(A)为事件A的概率。

2.3概率的性质

1.有限可加性
2.单调不减性
3.事件差 $P(A-B)=P(A)-P(AB)$
4.加法公式
$P(A\cup B)=P(A)+P(B)-P(AB)$
5.可分性
$P(A)=P(A\bar{B})+P(AB)$

3.条件概率

3.1条件概率公式：

$P(B|A)=\frac{P(AB)}{P(A)}$

3.2全概率公式：

$P(B)={\sum }_{i=1}^{n}P(A_i)P(B|A_i)$

3.3贝叶斯公式：

$P(A_j|B)=\frac{P(A_j)P(B|A_i)}{{\sum }_{i=1}^{n}P(A_i)P(B|A_i)}$

4.事件的独立性

4.1两事件独立：

$P(B)=P(B|A)$，则称A和B相互独立
等价于$P(AB)=P(A)P(B)$

4.2多个事件独立

若事件A,B,C满足：
1.$P(AB)=P(A)P(B),P(AC)=P(A)P(C),P(BC)=P(B)P(C)$,则称$A,B,C$两两相互独立。
在此基础上还满足：
2.$P(ABC)=P(A)P(B)P(C)$
则称事件A,B,C相互独立。