一、
1、贝叶斯公式
(相当于全概率公式的反运算)
定理:
假设 A 1 . . A n A_1..A_n A1..An为完备事件组,假设 B B B为任意事件, P ( A i ) > 0 P(A_i)>0 P(Ai)>0,
P ( B ) > 0 P(B)>0 P(B)>0, P ( A k ∣ B ) = P ( A k B ) P ( B ) P(A_k|B)=\frac{P(A_kB)}{P(B)} P(Ak∣B)=P(B)P(AkB)
2、事件独立性
定理:事件 A , B A,B A,B独立的充要条件为 P ( A B ) = P ( A ) P ( B ) P(AB)=P(A)P(B) P(AB)=P(A)P(B)
若 P ( A ) = 0 或 P ( B ) = 0 P(A)=0或P(B)=0 P(A)=0或P(B)=0,则事件 A , B A,B A,B独立
结论:不可能事件与必然事件对任意事件 A A A独立
定理:
若A,B独立,则 ! A , ! B , ! A , B , A , ! B !A,!B,!A,B,A,!B !A,!B,!A,B,A,!B都独立
独立与互不相容不同时成立
3、伯努利模型
独立实验序列: E 1 , E 2 , E 3 . . . E n E_1,E_2,E_3...E_n E1,E2,E3...En,相互独立的实验
n重独立实验: E , E , E . . E E,E,E..E E,E,E..E,相同的相互独立实验,记作 E n E^n En
伯努利实验:实验结果只有两种
n重伯努利实验:n次,独立,实验结果只有两种
定理:
P ( k ) = C n k ∗ p k ∗ ( 1 − p ) ( n − k ) P(k)=C_{n}^{k}*p^k*(1-p)^{(n-k)} P(k)=Cnk∗pk∗(1−p)(n−k)
二、
1、频率密度直方图
·小长方形的面积是该组的频率
·所有小长方形面积之和为1
2、连续性随机变量及其密度函数
定义:
非负可积函数 f ( x ) f(x) f(x), f ( x ) > 0 f(x)>0 f(x)>0, P ( a < X ≤ b ) = ∫ a b f ( x ) d x P(a<X\leq b)=\int_a^b f(x)\,dx P(a<X≤b)=∫abf(x)dx,则f(x)为概率分布密度函数。
性质:
· ∫ − ∞ + ∞ f ( x ) d x = 1 \int_{-\infty}^{+\infty} f(x)\,dx = 1 ∫−∞+∞f(x)dx=1
·个别点的概率为0(所以概率为0的事件不一定是不可能事件)
·端点无所谓(概率为1的时事件不一定是必然事件)
3、分布函数
定义:
设 X X X为随机变量, x x x为任意实数,令 F ( x ) = P ( X < = x ) F(x)=P(X<=x) F(x)=P(X<=x),称 F ( x )