概率论知识点总结

概率论知识点总结

第一章：概率论的基本概念

1、样本空间：对于随机试验来说，由于可以事先明确试验所有可能的结果，因此称随机试验所有可能结果的集合为随机试验的样本空间，记为$\Omega$。称随机试验中一个可能结果为一个样本点，记为$\omega$，从而样本空间就是样本点的集合，即 Ω = { ω } \Omega=\{ \omega \} Ω={ ω}。
2、随机事件：一般的，称随机试验的样本空间$\Omega$的子集为随机试验的随机事件，简称事件。在每次实验中，当且仅当随机事件所包含的样本点重点一个样本点出现时，称为这一事件发生。特别的，有一个样本点组成的单点集，称为基本事件。
3、事件的运算与关系：
Ⅰ.事件的运算
1）和事件：称事件A与事件B中至少有一个发生的事件为事件A和B的和事件。记作$A\cup B$
2）积事件：称事件A和事件B同时发生的事件为A事件与B事件的积事件。记为$A\cap B$
3）差事件：称事件A发生而事件B不发生的事件为事件A和事件B的差事件。记为$A-B$
4）运算律：
吸收律：$若A\subset B，则A\cup B=B，AB=A$
交换律：$若A\cup B=B\cup A，AB=BA$
结合律：$若A\cup (B\cup C)=(A\cup B)\cup C，A(BC)=(AB)C$
分配律：$若A(B\cup C)=AB\cup AC，A\cup (BC)=(A\cup B)(A\cup C)$
对偶律：$\overline{{\cup }_{i=1}^n{A}_i}={\cap }_{i=1}^n\overline{A_i}，\overline{{\cap }_{i=1}^n{A}_i}={\cup }_{i=1}^n\overline{A_i}$
Ⅱ.事件的关系
1）包含关系：设A与B事件，如果A事件的发生必然导致事件B的发生则称事件B包含事件A，或称事件A是事件B的子事件，记为$A\subset B$
2）相等关系：设A与B事件，如果$A\subset B$且$B\subset A$，则称事件A与事件B相等，记为$A=B$
3）互不相容（互斥）关系：设A与B事件，如果事件A和事件B同时发生是不可能的，即$AB=\varnothing$，则称事件A与事件B是互不相容的
4）对立关系：设A与B事件，如果$A\cup B=\Omega$且$AB=\varnothing$，则称事件A与事件B是相互对立的，称事件B是事件A的逆事件或对立事件，记为$\overline{A}$
4、概率：
$P(\varnothing )=0$
$P({\cup }_{i=1}^n{A}_i)={\Sigma }_{i=1}^{n}P(A_i)$
$P(B-A)=P(B)-P(A)$
$P(A)\le 1$
$P(\overline{A})=1-P(A)$
$P(A\cup B)=P(A)+P(B)-P(AB)$
${\lim }_{n\to \infty }P(A_n)=P({\cup }_{n=1}^{\infty }{A}_n)$
${\lim }_{n\to \infty }P(A_n)=P({\cap }_{n=1}^{\infty }{A}_n)$
5、古典概型（几何概率）
设随机试验的样本空间 Ω = { ω 1 、 ω 2 、 ω 3 、 ω 4 ⋯ ω n } \Omega=\{ \omega_1、\omega_2、\omega_3、\omega_4 \cdots \omega_n\} Ω={ ω1​、ω2​、ω3​、ω4​⋯ωn​}，n为有限的正整数，且每个基础事件（两两互不相容的事件）${\omega }_i(i=1、2、3、4\cdots ，n)$发生的可能性相同，则称这种随机试验为古典概型，或称等可能概型。
计算公式：$P(A)=\frac{k}{n}=\frac{有利于事件A发生的基本事件数}{\Omega 中基本事件的总数}$
6、条件概率和概率的三大公式
$P(B|A)=\frac{P(AB)}{P(A)}$
1）乘法公式：$P(AB)=P(A|B)P(B)=P(B|A)P(A)$
2）全概率公式：
$P(A)={\Sigma }_{i=1}^{n}P(B_i)P(A|B_i)$
$P(B_i|A)=\frac{P(B_i)P(A|B_i)}{{\Sigma }_{j=1}^{n}P(B_j)P(A|B_j)}$
7、事件的独立性
1）$P(AB)=P(A)P(B)$
2）Ａ，B相互独立，A的运算与B的运算也相互独立
3）Ａ，B，C相互独立，A,B,C任意两者的运算和第三事件的运算相互独立。若事件$A_1,A_2\cdots A_n$相互独立，则其两两独立，但反之不然。
4）$A_1,A_2\cdots A_n$相互独立，则
①其中任意k个事件也相互独立
②将其中任意K个事件换成它们各自的对立事件，所得到的n个事件也相互独立
③将$A_1,A_2,\cdots ,A_n$任意分为k个没有相同事件的不同小组，并对每个小组中的事件施以和、积、差、逆运算后，所得到的k个事件也相互独立。

第二章：随机变量及其分布

1、随机变量的分布函数
设X是一个随机变量，称函数$F(x)=P(X\le x)$为随机变量X的分布函数。
从几何上看，如果把X看成数轴上的随机点坐标，那么分布函数F（x）就是在x处的函数值就表示X落在区间$（-\infty ,x]$上的（即随机点落在点x的左边）概率。
1）$P(x_1<X\le x_2)=F(x_2)-F(x_1)$
2）$0\le F(x)\le 1$且$F（-\infty ）=0,F(+\infty )=1$
3）F（x）函数是单调不递减函数
4）F（x）是右连续的，即$F（x+0）=F(x)$
2、离散型随机变量的分布律
设X是离散型随机变量，其可能的取值为$x_1,x_2,\cdots ，x_i\cdots$，称$P(X=X_i)=p_i，i=1，2，\cdots$为X的分布律。【可能值+可能值出现概率】
或表示为

X	$x_1$	$x_2$	$\cdots$	$x_i$	$\cdots$
P	$p_1$	$p_2$	$\cdots$	$p_i$	$\cdots$

求离散型随机变量X的分布律，其方法是：X可能的取值便是分布函数F（x）的间断点（分界点）$x_i(i=1,2,\cdots )$，从而X的分布律为$p_i=P(X=x_i)=F(x_i+0)-F(x_i-0)=F(x_i)-F(x_i-0)$
3、几种重要的离散型随机变量
1）0-1分布
离散型随机变量X只能取0和1两个值，他的分布律为
$$P(X=k)=p^k(1-p{)}^{1-k}，0<p$$