1 随机试验的特点
概念
- 可以在相同的条件下重复地进行;
- 每次试验的可能结果不止一个,并且都事先明确试验地所有可能结果;
- 进行一次试验之前不能确定哪一个结果会出现;
2样本空间、随机事件
概念
- 样本空间
随机试验E的所有可能结果组成的集合称为E的样本空间,记为S - 样本点
样本空间的元素,即E的每个结果,成为样本点 - 事件
试验E的样本空间S的子集为E的随机事件 - 事件发生
在每次试验中,当且仅当这一子集中的一个样本点出现 - 基本事件
由一个样本点组成的单点集 - 必然事件
样本空间S包含所有的样本点是S自身的子集,在每次试验中总是发生的
事件关系与事件的运算
- 包含
若A ⊂ \subset ⊂B,则称事件B包含事件A,这指的是事件A发生必导致事件B的发生。 - 相等
若A ⊂ \subset ⊂B,且B ⊂ \subset ⊂A,即A=B,则称事件A与事件B相等。 - 和事件
事件A ⋃ \bigcup ⋃B={x|x ∈ \in ∈A或 ∈ \in ∈B},即当且仅有A,B中至少有一个发生时,事件A ⋃ \bigcup ⋃B发生。 ⋃ k = 1 n A k \displaystyle\ \bigcup_{k=1}^nA_k k=1⋃nAk 称为n个事件 A 1 A_1 A1, A 2 A_2 A2, ⋯ \cdots ⋯ A n A_n An的和事件。 - 积事件
事件A ⋂ \bigcap ⋂B={x|x ∈ \in ∈A且 ∈ \in ∈B}称为事件A与事件B的积事件,当且仅当A,B同时发生时,事件A ⋂ \bigcap ⋂B发生,A ⋂ \bigcap ⋂B也记作AB。类似的, ⋂ k = 1 n A k \displaystyle\ \bigcap_{k=1}^n A_k k=1⋂nAk为n个事件 A 1 A_1 A1, A 2 A_2 A2, … \ldots … A n A_n An的积事件。 - 差事件
事件A-B={x ∈ \in ∈A且x ∉ \notin ∈/B}称为事件A与事件B的差事件,当且仅当A发生,B不发生时,事件A-B发生。 - 互不相容
A ⋂ \bigcap ⋂B= ∅ \emptyset ∅,则称事件A与事件B是互不相容的,或者互斥的,这里是指事件A与事件B不能同时发生,基本事件是两两互不相容的。 - 逆事件、对立事件
A ⋂ \bigcap ⋂B= ∅ \emptyset ∅$且 A ⋃ \bigcup ⋃ B=S,则称事件A与事件B互为逆事件,又称事件A与事件B护卫对立事件。对于每次实验而言,事件A、B中必有一个发生,且只有一个发生。
定律
- 交换律
A ⋃ \bigcup ⋃B=B ⋃ \bigcup ⋃A
A ⋂ \bigcap ⋂B=B ⋂ \bigcap ⋂A - 结合律
A ⋃ ( B ⋃ C ) = ( A ⋃ B ) ⋃ C \bigcup(B\bigcup C)=(A\bigcup B)\bigcup C ⋃(B⋃C)=(A⋃B)⋃C
A ⋂ ( B ⋂ C ) = ( A ⋂ B ) ⋂ C \bigcap(B\bigcap C)=(A\bigcap B)\bigcap C ⋂(B⋂C)=(A⋂B)⋂C
分配律
A ⋃ ( B ⋂ C ) = ( A ⋃ B ) ⋂ ( A ⋃ C ) A \bigcup( B\bigcap C)=(A \bigcup B)\bigcap(A\bigcup C) A⋃(B⋂C)=(A⋃B)⋂(A⋃C)
A ⋂ ( B ⋃ C ) = ( A ⋂ B ) ⋃ ( A ⋂ C ) A\bigcap(B\bigcup C)=(A\bigcap B)\bigcup(A\bigcap C) A⋂(B⋃C)=(A⋂B)⋃(A⋂C) - 德摩根律
A ⋃ B ‾ \overline{A\bigcup B} A⋃B= A ‾ \overline{A} A ⋂ \bigcap ⋂ B ‾ \overline{B} B
A ⋂ B ‾ \overline{A\bigcap B} A⋂B= A ‾ \overline{A} A ⋃ \bigcup ⋃ B ‾ \overline{B} B
3 频率与概率
频率
- 概念
描述事件发生的频繁程度,表征事件在一次试验中发生的可能性大小的数。
在相同的条件下,进行了 n n n次试验,在这 n n n次试验中,事件A发生的次数 n A n_A nA称为事件A发生的频数,比值 n A / n n_A/n nA/n称为事件A发生的频率,并记成 f n ( A ) f_n(A) fn(A) - 性质
0 ≤ \leq ≤ f n ( A ) f_n(A) fn(A) ≤ \leq ≤ 1
f n ( S ) f_n(S) fn(S)=1
若 A 1 A_1 A1, A 2 A_2 A2, … \ldots …, A k A_k Ak是两两互不相容的事件,则
f n ( A 1 ⋃ A 2 ⋃ … ⋃ A k ) = f n ( A 1 ) + f n ( A 2 ) + … + f n ( A k ) f_n(A_1\bigcup A_2\bigcup \ldots\bigcup A_k)=f_n(A_1)+f_n(A_2)+\ldots+f_n(A_k) fn(A1⋃A2⋃…⋃Ak)=fn(A1)+fn(A2)+…+fn(Ak)
概率
- 定义
- 非负性:对于每一个事件A,都有 P ( A ) ≥ 0 P(A)\geq0 P(A)≥0
- 规范性:对于必然事件S,有P(S)=1
- 可列可加性:设
A
1
,
A
2
,
…
A_1,A_2,\ldots
A1,A2,…是两两互不相容的事件,即对于
A
i
A
j
=
∅
A_iA_j=\empty
AiAj=∅,
i
i
i≠$j,
i
,
j
=
1
,
2
,
…
i,j=1,2,\dots
i,j=1,2,…,有
P ( A 1 ⋃ A 2 ⋃ …   ) = P ( A 1 ) + P ( A 2 ) + … P(A_1\bigcup A_2\bigcup\dots)=P(A_1)+P(A_2)+\dots P(A1⋃A2⋃…)=P(A1)+P(A2)+…
- 性质1
设A,B是两个事件,若 A ⊂ B A\subset B A⊂B,则有 P ( B − A ) = P ( B ) − P ( A ) ; P(B-A)=P(B)-P(A); P(B−A)=P(B)−P(A); P ( B ) ≥ P ( A ) P(B) \geq P(A) P(B)≥P(A) - 性质2
对于任意两事件A,B有
P ( A ⋃ B ) = P ( A ) + P ( B ) − P ( A B ) P(A\bigcup B)=P(A)+P(B)-P(AB) P(A⋃B)=P(A)+P(B)−P(AB)
对于任意n个事件 A 1 , A 2 , … , A n A_1,A_2,\dots,A_n A1,A2,…,An,可以用归纳法证得
P ( A 1 ⋃ A 2 ⋃ ⋯ ⋃ A n ) = ∑ i = 1 n P ( A i ) − ∑ 1 ≤ i < j ≤ n P ( A i A j ) + ∑ 1 ≤ i < j < k ≤ n P ( A i A j A k ) + ⋯ + ( − 1 ) n − 1 P ( A 1 A 2 … A n ) P(A_1\bigcup A_2 \bigcup \dots \bigcup A_n)=\displaystyle \sum_{i=1}^nP(A_i)-\displaystyle \sum_{1\leq i<j\leq n}P(A_iA_j)+\displaystyle \sum_{1\leq i<j<k\leq n}P(A_iA_jA_k)+\dots+(-1)^{n-1}P(A_1A_2\dots A_n) P(A1⋃A2⋃⋯⋃An)=i=1∑nP(Ai)−1≤i<j≤n∑P(AiAj)+1≤i<j<k≤n∑P(AiAjAk)+⋯+(−1)n−1P(A1A2…An)