//这部分主要是总结一些概率论的基本知识,有一定了解的读者可以自行跳过
样本空间(Sample Space):我们进行一项实验,并且有一个可能的结果的集合。这个
就被称为:样本空间。样本空间可以使离散的,也可以是连续的。
事件(Event):样本空间的子集
Theorem:
条件概率(Conditional Probability): where P{F}>0
事件E与F相互独立:
注意到如果E与F相互独立,则,即E不会受到F的影响
事件E与F互斥(Mutually exclusive):
当E与F互斥时,E与F绝对不是相互独立的。因为
全概率公式(Law of total probability):F1,F2......Fn分割样本空间。那么有
贝叶斯公式(Bayes Law):
贝叶斯公式的延伸(Extended Bayes Law):
离散:
概率质量函数(probability mass function-pmf):
积累分布函数(cumulative distribution function):
伯努利分布-Bernoulli(p):X 是投单个硬币的结果
Px(1)=p,Px(0)=1-p
二项分布-Binominal(n,p):在投n次硬币后,X为结果为head的次数
where i=0,1,2,3.....n
几何分布-Geometric(p):X为硬币直到出现head的投掷次数
i=1,2,3....n
泊松分布-Poisson(λ): where i=0,1,2,3....
连续:
概率密度函数(Probability density function): and
积累分布函数(cumulative distribution function):
两者的关系:
平均分布-Uniform(a,b):
指数分布-Exponention(λ):
Pareto(α),0<α<2:
where x>1
Normal(μ,)
期望:
Discrete case:
continuous case:
Bernoulli(p):
Binomial(n,p):
Geometric(p):
Poisson(λ):
Exp(λ):
Uniform(a,b):
Pareto(α):
Normal(μ,):
联合概率与独立:
离散:,
连续:
独立:如果X与Y相互独立则写成X⊥Y,同样如果,则我们说X,Y相互独立
期望的线性性质:E[X+Y]=E[X]+E[Y](这里不需要X⊥Y)
练习:
这里提供一个书上的练习,并提供解答,供各位理解。
期望脑筋急转弯:有一个朋友告诉我,在他上学的第一年,他从未参加过不到90名学生的课程。他说几乎所有的朋友都有相同的经历。然而,院长缺坚持认为平均新生班级规模为30名学生。为什么会这样?
解答:这里我们必须注意两种不同的测量方法。Dean:aspect over classes;Students:aspect over what students see.
比如这里我们有10个班级,每个班5个人,另有一个班有280人。对于院长来说期望为。从学生的视角来看,朋友在280人班级的概率为
,在5人班级的概率为
。对于学生来说,平均期望为