概率论-1 随机事件 & 概率
1 随机事件的关系 & 运算
1.1概念
随机事件:随机试验的结果,用A B C表示
![image-20210623161036232](https://tva1.sinaimg.cn/large/008i3skNgy1grs9mo2pe3j30v40j347x.jpg)
![image-20210623161043387](https://tva1.sinaimg.cn/large/008i3skNgy1grs9msecy3j30v40j347x.jpg)
![image-20210623161106395](https://tva1.sinaimg.cn/large/008i3skNgy1grs9n6vx74j30v40bhdl5.jpg)
![image-20210623161123697](https://tva1.sinaimg.cn/large/008i3skNgy1grs9nhnq7uj30v409gn26.jpg)
样本空间:一切基本事件的总和
2 随机事件的概率
2.1 公理化定义
![image-20210623161214631](https://tva1.sinaimg.cn/large/008i3skNgy1grs9oddzftj30v4077goq.jpg)
2.2 条件概率
![image-20210623161252343](https://tva1.sinaimg.cn/large/008i3skNgy1grs9p1b101j30v4049myz.jpg)
注意:
1)条件概率也是一种概率,所有的概率的性质都适用
2)计算条件概率的两种方法
i)根据所给的条件缩小样本空间
ii)直接计算P(AB)和P(A)
2.3概率的基本公式
2.3.1 基本性质
2.3.2基本公式
1)乘法公式
P
(
A
B
)
=
{
P
(
A
)
P
(
B
∣
A
)
,
当
P
(
A
)
>
0
P
(
B
)
P
(
A
∣
B
)
,
当
P
(
B
)
>
0
\boldsymbol{P}(A B)=\left\{\begin{array}{ll} \boldsymbol{P}(A) \boldsymbol{P}(B \mid A), & \text { 当 } \boldsymbol{P}(A)>0 \\ \boldsymbol{P}(B) \boldsymbol{P}(A \mid B), & \text { 当 } \boldsymbol{P}(B)>0 \end{array}\right.
P(AB)={P(A)P(B∣A),P(B)P(A∣B), 当 P(A)>0 当 P(B)>0
P ( A 1 A 2 ⋯ A n ) = P ( A 1 ) P ( A 2 ∣ A 1 ) P ( A 3 ∣ A 1 A 2 ) ⋯ P ( A n ∣ A 1 ⋯ A n − 1 ) ⋅ ( P ( A 1 ⋯ A n − 1 ) > 0 ) \boldsymbol{P}\left(A_{1} A_{2} \cdots A_{n}\right)=\boldsymbol{P}\left(A_{1}\right) \boldsymbol{P}\left(A_{2} \mid A_{1}\right) \boldsymbol{P}\left(A_{3} \mid A_{1} A_{2}\right) \cdots \boldsymbol{P}\left(A_{n} \mid A_{1} \cdots A_{n-1}\right) \cdot\left(\boldsymbol{P}\left(A_{1} \cdots A_{n-1}\right)>0\right) P(A1A2⋯An)=P(A1)P(A2∣A1)P(A3∣A1A2)⋯P(An∣A1⋯An−1)⋅(P(A1⋯An−1)>0)
2)全概率公式
事件完备组中所有事件的集合
P
(
B
)
=
∑
i
=
1
n
P
(
B
A
i
)
=
∑
i
=
1
n
P
(
A
i
)
P
(
B
∣
A
i
)
\boldsymbol{P}(B)=\sum_{i=1}^{n} \boldsymbol{P}\left(B A_{i}\right)=\sum_{i=1}^{n} \boldsymbol{P}\left(A_{i}\right) \boldsymbol{P}\left(B \mid A_{i}\right)
P(B)=i=1∑nP(BAi)=i=1∑nP(Ai)P(B∣Ai)
当n=2时,上述公式可以写成:
P
(
B
)
=
P
(
A
)
P
(
B
∣
A
)
+
P
(
A
ˉ
)
P
(
B
∣
A
ˉ
)
\boldsymbol{P}(B)=\boldsymbol{P}(A) \boldsymbol{P}(B \mid A)+\boldsymbol{P}(\bar{A}) \boldsymbol{P}(B \mid \bar{A})
P(B)=P(A)P(B∣A)+P(Aˉ)P(B∣Aˉ)
3)贝叶斯公式
事件完备组中任何一个事件的概率
P
(
A
m
∣
B
)
=
P
(
B
A
m
)
P
(
B
)
=
P
(
A
m
)
P
(
B
∣
A
m
)
∑
i
=
1
n
P
(
A
i
)
P
(
B
∣
A
i
)
(
1
⩽
m
⩽
n
)
\boldsymbol{P}\left(A_{m} \mid B\right)=\frac{\boldsymbol{P}\left(B A_{m}\right)}{\boldsymbol{P}(B)}=\frac{\boldsymbol{P}\left(A_{m}\right) \boldsymbol{P}\left(B \mid A_{m}\right)}{\sum_{i=1}^{n} \boldsymbol{P}\left(A_{i}\right) \boldsymbol{P}\left(B \mid A_{i}\right)}(1 \leqslant m \leqslant n)
P(Am∣B)=P(B)P(BAm)=∑i=1nP(Ai)P(B∣Ai)P(Am)P(B∣Am)(1⩽m⩽n)
全概率公式和贝叶斯公式的关键在于找出完备事件组
2.4计算概率
1)直接算
i)古典概型
P
(
A
)
=
A
所包含的基本事件个数
k
基本事件的总数
n
=
k
n
.
\boldsymbol{P}(A)=\frac{A \text { 所包含的基本事件个数 } k}{\text { 基本事件的总数 } n}=\frac{k}{n} \text { . }
P(A)= 基本事件的总数 nA 所包含的基本事件个数 k=nk .
ii)几何概型
P
(
A
)
=
S
A
S
Ω
\boldsymbol{P}(A)=\frac{S_{A}}{S_{\Omega}}
P(A)=SΩSA
几何概型的样本空间无限,而古典概型的样本空间有限
2)概率分布计算:见第二章
3)频率估计概率
f
n
(
A
)
=
A
在
n
次试验中出现的次数
k
试验次数
n
f_{n}(A)=\frac{A \text { 在 } n \text { 次试验中出现的次数 } k}{\text { 试验次数 } n}
fn(A)= 试验次数 nA 在 n 次试验中出现的次数 k
4)概率推算
3 事件的独立性 & 独立重复实验
3.1 事件的独立性
3.1.1 独立性的定义
1)两个事件满足下式
P
(
A
B
)
=
P
(
A
)
P
(
B
)
\boldsymbol{P}(A B)=\boldsymbol{P}(A) \boldsymbol{P}(B)
P(AB)=P(A)P(B)
2)三个事件满足下式
![image-20210623163152440](https://tva1.sinaimg.cn/large/008i3skNgy1grsa8snr65j30v403475s.jpg)
3)n个事件发生的概率等于其概率的乘积
3.1.2 独立性的性质
1)AB为独立事件:
![image-20210623163321762](https://tva1.sinaimg.cn/large/008i3skNgy1grsaacj83mj30v408277q.jpg)
2)n个事件相互独立
![image-20210623163352118](https://tva1.sinaimg.cn/large/008i3skNgy1grsaavnalvj30v403g0vn.jpg)
3.2 独立重复实验 & 伯努利公式
3.2.1 独立重复实验
各事件相互独立,出现的概率相同,这样的实验叫做独立重复实验
如果事件数量=2,则为伯努利实验
3.2.2 伯努利公式-服从二项分布 B(n,p)
只管次数,不管顺序
P
(
A
k
)
=
C
n
k
p
k
q
n
−
k
(
k
=
0
,
1
,
2
,
⋯
,
n
)
,
其
中
0
<
p
<
1
,
q
=
1
−
p
\boldsymbol{P}\left(A_{k}\right)=\mathrm{C}_{n}^{k} p^{k} q^{n-k} \quad(k=0,1,2, \cdots, n), \quad 其中 0<p<1, q=1-p
P(Ak)=Cnkpkqn−k(k=0,1,2,⋯,n),其中0<p<1,q=1−p
4 总结
![image-20210623163925398](https://tva1.sinaimg.cn/large/008i3skNgy1grsagnoeayj30v40gq7wh.jpg)