1.随机试验(E)
在相同条件下可重复
结果不止一个(事先知道所有结果)
无法预测是哪个结果
2.样本空间(S)
随机试验E的所有可能结果组成的集合
样本点:样本空间的元素
3.事件(随机事件):各种结果
基本事件 相对于实验目的 不能再分(不必再分)(由一个样本点组成的样本集)
复合事件 由基本事件复合
必然事件 每次实验一定发生的结果 (S)
不可能事件 一定不发生 (空集Ø)
4.事件间的关系
1)包含 A发生必然导致B发生
2)相等 且 即A=B
3)和事件(事件A与B的并) A,B中至少有一个发生时 事件发生
Tip:
4)积事件(事件A与B的交) A,B同时发生时 事件 发生
Tip:
5)差事件 A发生而B不发生时 事件发生
6)互不相容事件(两事件互斥) A和B不能同时发生
Tip:基本事件两两互不相容
7)对立事件(逆事件) 且 A,B中有且只有一个发生
Tip:
A与B的差事件可以表示为:
5.运算律
1)交换律
2)结合律
3)分配律
4) 德摩根律
6.频率
n次试验中 事件A发生的次数na称为事件A发生的频数
比值na/n称为事件A发生的频率 记成
性质:1)非负 [0,1]
2)规范 若为必然事件 频率=1
3)可加
7.概率
1)非负 对每个事件A P(A)>=0
2)规范 对于必然事件S 有P(S)=1
3)可列可加
性质:1)
2)有限可加性
3)若 有P(B-A)=P(B)-P(A) P(B)>=P(A)
Tip:一般情况下P(B-A)=P(B)-P(AB)
4)对任一事件A P(A)<=1
5)对任一事件A
6)加法公式 P()=P(A)+P(B)-P(AB)
8.条件概率
1)A、B是两个事件 且P(A)>0 称为事件A发生的条件下事件B发生的条件概率
2)非负性
3)规范性
4)可列可加性
5)
6)
7)乘法定理:P(AB)=P(B|A)P(A)
9.全概率公式和贝叶斯公式
1)全概率公式 设试验E的样本空间为S A为E的事件 B1,B2,...,Bn为S的一个划分 且P(Bi)>0
则P(A)=P(A|B1)P(B1)+P(A|B2)P(B2)+...+P(A|Bn)P(Bn)
2)贝叶斯公式 设试验E的样本空间为S A为E的事件 B1,...,Bn为S的一个划分 P(Bi)>0 P(A)>0
则
10.独立性:设A、B是两事件 若满足P(AB)=P(A)P(B) 则称A、B相互独立 简称A、B独立。
互斥与独立不能同时成立
n个事件相互独立:任意k(2<=k<=n)个事件满足P(A1~Ak)=P(A1)P(A2)...P(Ak)
11.随机变量:随机试验的样本空间S={e} 随机变量X=X(e)是定义在样本空间S上的实值单值函数
离散型随机变量:取到的值是有限个或可列无限多个
(0-1)分布(两点分布):
X服从(0-1)分布(两点分布) 记为X~B(1,p)
X | 0 | 1 |
Pk | 1-p | p |
伯努利试验:试验E只有两个可能结果 n重伯努利试验:将E独立重复地进行n次
二项分布:设X表示n重伯努利试验中事件A发生的次数 可能取值为0,1,2...,n
n>=1 0<p<1
X服从二项分布 记为X~B(n,,p)
泊松分布: λ大于0 是常数
X服从参数为λ的泊松分布 记为X~π(λ)
当二项分布中n很大 p很小时 可以用λ=np的泊松分布近似
几何分布: 其中k=1,2,3... 0<p<1
12.随机变量的分布函数
X是一个随机变量 x是任意实数 函数F(x)=P{X<=x}称为X的分布函数
有时也写为
有
有
一般离散型随机变量的分布函数为阶梯函数 设分布律为 k=1,2...
X的分布函数为
且F(x)在处有跳跃 跳跃值为
13.离散型随机变量分布函数的性质
1) 0<=F(x)<=1
2) F(x)单调不减
3) F(-∞)=0 F(+∞)=1
4) F(x)是右连续函数 即F(x+0)=F(x)
14.连续型随机变量与概率密度函数(概率密度)
对于随机变量X的分布函数F(x) 若存在非负的函数f(x) 使对于任意实数x有
则称X为连续型随机变量 f(x)为X的概率密度函数 有时写为
有概率密度的一定为连续型随机变量 F(x)图像连续
15.概率密度f(x)的性质
1) f(x)>=0 f(x)的值可以大于1
2)
3) 对于任意实数
4) 对任意实数a P{X=a}=0
5) P(x1<X<=x2)=P(x1<X<x2)
6) 若f(x)在点x处连续 则
16.均匀分布:X的概率密度函数为
称X服从(a,b)上的均匀分布 记为X~U(a,b)
均匀分布具有等可能性 X落入(a,b)中的等长度的任意子区间上是等可能的
17.指数分布:X的概率密度函数为
其中θ>0 称X服从参数为θ的指数分布 记为X~E(θ)
随机变量X分布函数为
指数分布具有无记忆性
18.正态分布:X的概率密度为
称X服从参数为的正太分布(或高斯分布) 记为
f(x)关于x=μ对称
x<=μ时 f(x)是严格单调递增函数
μ为位置参数:当固定σ 改变μ的大小时 f(x)图形形状不变 只是沿着x轴作平移变换
σ为尺度参数:当固定μ 改变σ的大小时 f(x)图形对称轴不变 σ越小 图形越高越瘦
19.标准正态分布:若Z~N(0,1) 称Z服从标准正态分布
Z的概率密度函数为
Z的分布函数
关于y轴对称 则有
当时
20.随机变量的函数的分布
已知X的概率分布 Y=g(X) 求Y的概率分布:给出Y的可能取值+等价事件
若g()为严格单调函数 则Y=g(X)的概率密度为
其中h(y)是g(x)的反函数
21.二维随机变量:样本空间S={e} 由定义在S上的随机变量X=X(e) Y=Y(e)构成的向量(X,Y)
22.二维随机变量(X,Y)的分布函数(随机变量X,Y的联合分布函数):
记成
性质:1)是变量x和y的不减函数.
2)0<=F(x,y)<=1
对于任意固定的y
对于任意固定的x
3)F(x,y)关于x和y右连续
23.二维离散型随机变量:二维随机变量(X,Y)全部可能取到的值是有限对或无限可列多对
称为二维离散型随机变量(X,Y)的分布律(X和Y的联合分布律)