概率论及数理统计相关概念

最新推荐文章于 2024-07-12 19:31:05 发布

lx_xin

最新推荐文章于 2024-07-12 19:31:05 发布

阅读量1.3k

点赞数

分类专栏：其他文章标签：数学基础概率论

本文链接：https://blog.csdn.net/lx_xin/article/details/82751941

版权

其他专栏收录该内容

2 篇文章 0 订阅

订阅专栏

事件及事件运算

随机事件记为A，全体事件记为S
事件的包含（A发生则B必然发生，B包含A(开口向谁则谁大)）： $A\subset B$
事件的相等（AB互相包含）： $A = B$
事件的交（积，两个事件同时发生）： $A\cap B$ 或 $A B$
事件的并（和，两个事件同时发生）： $A\cup B$ 。当 $AB=\varnothing$ 时， $A\cup B=A+B$
互斥事件（AB不可能同时发生）： $AB=\varnothing$
对立事件（A不发生的事件）： $\overline{A}$ 。 $A\overline{A}=\varnothing$
事件的差（A发生而B不发生）： $A - B$ 。 $A-B=A-AB=A\overline{B}=A\cup B-B$
事件的独立性：若 $P (A B) = P (A) P (B)$ ，则称A、B相互独立。 $A与B相互独立\Leftrightarrow A与\bar B相互独立\Leftrightarrow \bar A与 B相互独立\Leftrightarrow \bar A与\bar B相互独立$ 。注意，独立与互斥不能共存，因为 $P(AB)=P(A)P(B)\neq 0=\varnothing$ 。通常互不相容可用图形表示，独立不能用图形表示。多个事件相互独立可以推得这些事情两两独立，反之则不成立。利用独立可以简化和或积的运算。

事件的运算性质

交换律： $A\cup B=B\cup A,AB=BA$
结合律： $(A\cup B)\cup C=A\cup( B\cup C),(AB)C=A(BC)$
分配律： $(A\cup B)C=(AC)\cup (BC),(AB)\cup C=(A\cup C)(B\cup C)$
对偶原则（德-摩根律）： $\overline{A\cup B}=\bar{A} \bar{B},\overline{AB}=\bar{A}\cup \bar{B}$

排列与组合

加法原理：完成一件事有m种方法，则共有n1+n2+···+nm种方法
乘法原理：完成一件事有r个步骤，则共有n1n2···*nr种方法
全排列：将n个不同元素按不同次序排成一列，共有 $n!=n(n-1)(n-2)\cdots 2*1$ 种方法
排列：从n个不同元素中取k(1=<k<=n)个排成一列，共有 $A_{n}^{k}=n(n-1)(n-2)\cdots (n-k+1)=\frac{n!}{(n-1)!}$ 种方法，当k=n时即为全排列。若允许元素重复（有放回），则共有 $n*n*n\cdots n=n!$ 种方法。
组合：从n个不同元素中取k个组成一组（无次序）称为组合，共有 $C_{n}^{k}=\frac{n!}{(n-1)!k!}=\frac{A_{n}^{k}}{k!}$ 。 $C_{n}^{k}$ 常记为 $\binom{n}{k}$ ，称为组合数。

频率

某事件A在n次实验中出现了m次， $f(A)=\frac{m}{n}$ 称为A的相对频率。在充分多次试验中，频率逐渐稳定于A的概率，称为频率的稳定性。当n充分大时， $f(A)\approx P(A)$ 。

概率

概率即事件A发生可能性大小的数值，记为 $P (A)$ ，概率是随机事件的函数。
公理化定义：满足以下三个条件的P(A)可称为A的概率

非负性—— $P(A)\geq 0$ ；
规范性—— $P (S) = 1$ ；
可列可加性——若A1、A2···互不相容，则 $P (A 1 + A 2 + \cdot \cdot \cdot) = P (A 1) + P (A 2) + \cdot \cdot \cdot$

古典概率：1、有限性：只有有限个样本点；2、等可能性：每个样本点发生的可能性相等。古典概率计算公式为 $P(A)=\frac{A所含样本点数}{总样本点数}$
几何概率：1、无限性：有无限个样本点；2、等可能性：每个样本点发生的可能性相等。几何概率计算公式为 $P(A)=\frac{A几何度量}{S几何度量}=\frac{L(A)}{L(S)}$

条件概率

定义： $P(A|B)=\frac{P(AB)}{P(B)},P(B)>0$
注意区分 $P (A B) 与 P (A ∣ B)$ ，前者中B为结果，后者中B为条件。
乘法定理： $P (A B) = P (A) P (B ∣ A) = P (B) P (A ∣ B), P (A) > 0, P (B) > 0$ 。
Ploya模型：
Polya模型

全概率公式与贝叶斯公式

全概率公式：设A1、A2···An两两互斥，且P(Ai)>0。若对于任意事件B有 $(A1+A2+···+An)\supset B$ ，则 $P(B)=\sum_{i=1}^{n}P(A_{i}B)=\sum_{i=1}^{n}P(A_{i})P(B|A_{i})$
贝叶斯公式：在满足全概率公式的情况下 $P(A_{i}|B)=\frac{P(A_{i})P(B|A_{i})}{\sum_{j=1}^{n}P(A_{j})P(B|A_{j})}$ 其中 $P(A_{i})$ 称为先验概率， $P(A_{i}|B)$ 称为后验概率。贝叶斯公式即利用先验概率与似然函数计算后验概率的方法。
关于贝叶斯公式的理解还可参考贝叶斯公式由浅入深大讲解—AI基础算法入门

伯努利试验与二项概率公式

伯努利试验：若一项实验结果只有两种 $A和\bar A$ ，且满足每次A发生的概率相同，各次试验之间互不影响，则称为伯努利试验。
二项概率公式：在n次伯努利试验中，每次A发生的概率为p，则A发生k次的概率为
$P_{n}(k)=C_{n}^{k}p^{k}q^{n-k},其中q=1-p,n=0,1,...n$
推论： $\sum_{k=0}^{n}P_{n}(k)=(p+q)^{n}=1$ 。这里应用了牛顿二项式定理，定理如下：

逐步补充中…

功能快捷键

撤销：Ctrl/Command + Z
重做：Ctrl/Command + Y
加粗：Ctrl/Command + Shift + B
斜体：Ctrl/Command + Shift + I
标题：Ctrl/Command + Shift + H
删除线：Ctrl/Command + Shift + S
无序列表：Ctrl/Command + Shift + U
有序列表：Ctrl/Command + Shift + O
检查列表：Ctrl/Command + Shift + C
插入代码：Ctrl/Command + Shift + K
插入链接：Ctrl/Command + Shift + L
插入图片：Ctrl/Command + Shift + G

合理的创建标题，有助于目录的生成

直接输入1次#，并按下space后，将生成1级标题。
输入2次#，并按下space后，将生成2级标题。
以此类推，我们支持6级标题。有助于使用TOC语法后生成一个完美的目录。

如何改变文本的样式

强调文本 强调文本

加粗文本 加粗文本

标记文本

~~删除文本~~

引用文本

H₂O is是液体。

2¹⁰ 运算结果是 1024.

插入链接与图片

链接: link.

图片:

带尺寸的图片:

当然，我们为了让用户更加便捷，我们增加了图片拖拽功能。

如何插入一段漂亮的代码片

去博客设置页面，选择一款你喜欢的代码片高亮样式，下面展示同样高亮的 代码片.

// An highlighted block
var foo = 'bar';

生成一个适合你的列表

项目
- 项目
  - 项目

项目1
项目2
项目3

计划任务
完成任务

创建一个表格

一个简单的表格是这么创建的：

项目	Value
电脑	$1600
手机	$12
导管	$1

设定内容居中、居左、居右

使用:---------:居中
使用:----------居左
使用----------:居右

第一列	第二列	第三列
第一列文本居中	第二列文本居右	第三列文本居左

SmartyPants

SmartyPants将ASCII标点字符转换为“智能”印刷标点HTML实体。例如：

TYPE	ASCII	HTML
Single backticks	`'Isn't this fun?'`	‘Isn’t this fun?’
Quotes	`"Isn't this fun?"`	“Isn’t this fun?”
Dashes	`-- is en-dash, --- is em-dash`	– is en-dash, — is em-dash