目录
1.充要条件; 2.条件概率: 3. 全概率公式 4.贝叶斯公式
1. 随机变量 2. 分布函数的三个基本性质: 3. 概率分布列:
7 期望的数学性质: 8 标准差 9 切比雪夫不等式【chebyshev's theorem】
随机事件与概率
1.充要条件
A的充要条件是B,则充分性是:; 必要性是:
2.条件概率:
设A,B是两个事件,若 ,则称 为“在事件B发生的前提下,事件A发生的概率"
3. 全概率公式
设 互不相容,且 ,如果 ,则对任意事件A有.
4.贝叶斯公式
设 互不相容,且 ,如果 ,则
.
其中 为 的先验概率, 为 的后验概率,表示在“事件A发生”这个新信息后,对 的概率作出的修正。
随机变量及其分布
1. 随机变量
- 离散型:仅取有限个或可列个值,
- 连续型:取值充满某个区间(a,b)其中a 可取 ,b可取。
2. 分布函数的三个基本性质:
单调性,有界性,右连续性
3. 概率分布列:
两个基本性质:1)非负性,2)正则性 :
离散型:
概率密度函数:
两个基本性质:1)非负性,2)正则性 :
零概率(概率为0)的事件不一定是不可能事件,因为连续变量的概率就在具体的某个点都为零。
连续型的分布函数F(x)是(,)上的连续函数,(除可能在有限个点或可列个点上不可导以外)与概率密度函数p(x)的关系:
4. 数学期望:
对于离散型随机变量:
对于连续型随机变量:
期望是分布的位置特征,方差是分布的离散特征/散步特征。
5 期望的数学性质:
假定以下所涉及的数学期望与方差均存在:
- X的某一函数 的数学期望为:
【X离散时】:
【X连续】:
- 若c是常数,则
- 对任意常数a,有
- 对任意的两个函数 和 ,有
6. 方差:
随机变量X对其期望 的偏差平方的数学期望,是分布的散布特征
7 方差的数学性质:
假定以下所涉及的方差均存在:
- 若c是常数,则
- 对任意常数a,b,有
- 若随机变量X的方差存在,则 的充要条件是,X几乎处处为某个常数a, 即
8 标准差
方差的正平方根 即为标准差;
9 切比雪夫不等式【chebyshev's theorem】
设X的数学期望与方差都存在,则对任意常数 ,有
或者
切比雪夫不等式 给出了随机变量取值的大偏差(指事件 )发生的概率的上限,该 上限与分布的方差成正比。
10 随机变量的标准化
对任意随机变量X,如果X的数学期望与方差存在,则称 为X的标准化随机变量,此时有
11 期望的另外两个性质:
- 设随机变量X的分布函数为 ,且 存在,则
- 设g(x)为随机变量X取值的集合上的非负不减函数,且 存在,则对任意的 有
参考资料: