事件
1.集合的运算法则一般都可以
2.事件的互斥:
A
∩
B
=
ϕ
A\cap B=\phi
A∩B=ϕ
3.事件的对立:
A
ˉ
=
B
\bar A=B
Aˉ=B
4.事件的和(并):
A
+
B
A+B
A+B 或
A
∪
B
A\cup B
A∪B
5.事件的积(交):
A
B
AB
AB 或
A
∩
B
A\cap B
A∩B
6.事件的差(
A
A
A 发生
B
B
B 不发生):
A
−
B
=
A
B
ˉ
A-B=A\bar B
A−B=ABˉ
7.事件的运算定律:交换律,结合律,分配律
8.
A
+
A
=
A
,
A
A
=
A
A+A=A,AA=A
A+A=A,AA=A
(
A
−
B
)
+
B
=
A
+
B
(A-B)+B=A+B
(A−B)+B=A+B
9.事件的独立性:
对于事件
A
,
B
A,B
A,B 当
P
(
A
B
)
=
P
(
A
)
∗
P
(
B
)
P(AB)=P(A)*P(B)
P(AB)=P(A)∗P(B) 称
A
,
B
A,B
A,B 独立
事件独立和事件互斥理解:相互独立事件之间的发生互不影响,但可能会同时发生。 互斥事件是不可能同时发生的事件,即交集为零,但可能会产生相互影响。
10.相互独立和两两独立
相互独立指的是
A
i
A_i
Ai 与其他事件任意组合都独立,两两独立知时
A
i
A_i
Ai 和
A
j
A_j
Aj 独立
概率
1.类型:
\quad
a. 古典概型:
P
(
X
)
=
M
N
P(X)=\frac{M}{N}
P(X)=NM ,有
N
N
N 种等可能结果,事件在
M
M
M 种结果中出现
\quad
b.几何概型:每个事件发生的概率只与构成该事件区域的长度(面积或体积或度数)成比例:
P
(
X
)
=
A
S
P(X)=\frac{A}{S}
P(X)=SA
2.概率加法定理:
3.条件概率:在
B
B
B 事件发生的情况下,
A
A
A 事件发生的概率
P ( A ∣ B ) = P ( A B ) P ( B ) P(A|B)=\frac{P(AB)}{P(B)} P(A∣B)=P(B)P(AB)
推广:
P
(
A
B
)
=
P
(
A
∣
B
)
∗
P
(
B
)
P(AB)=P(A|B)*P(B)
P(AB)=P(A∣B)∗P(B)
4.概率乘法定理:
两独立事件
A
,
B
A,B
A,B 满足
P
(
A
B
)
=
P
(
A
)
∗
P
(
B
)
P(AB)=P(A)*P(B)
P(AB)=P(A)∗P(B)
5.全概率公式:
当 B 1 + B 2 + . . . + B n = Ω , B i B j = ϕ ( i ≠ j ) B_1+B_2+...+B_n=\Omega,B_iB_j=\phi (i\not=j) B1+B2+...+Bn=Ω,BiBj=ϕ(i=j) ,
P ( A ) = ∑ i = 1 n P ( A B i ) = ∑ i = 1 n P ( A ∣ B i ) ∗ P ( B i ) P(A)=\sum_{i=1}^nP(AB_i)=\sum_{i=1}^nP(A|B_i)*P(B_i) P(A)=∑i=1nP(ABi)=∑i=1nP(A∣Bi)∗P(Bi)
6.叶贝斯公式:
当
B
1
+
B
2
+
.
.
.
+
B
n
=
Ω
,
B
i
B
j
=
ϕ
(
i
≠
j
)
B_1+B_2+...+B_n=\Omega,B_iB_j=\phi (i\not=j)
B1+B2+...+Bn=Ω,BiBj=ϕ(i=j) ,对于任一事件
A
A
A 有:
P
(
B
i
∣
A
)
=
P
(
A
∣
B
i
)
∗
P
(
B
i
)
∑
i
=
j
n
P
(
A
∣
B
j
)
∗
P
(
B
j
)
P(B_i|A)=\frac{P(A|B_i)*P(B_i)}{\sum_{i=j}^nP(A|B_j)*P(B_j)}
P(Bi∣A)=∑i=jnP(A∣Bj)∗P(Bj)P(A∣Bi)∗P(Bi)
期望
1.定义:
E
(
X
)
=
i
∗
P
(
X
=
i
)
E(X)=i*P(X=i)
E(X)=i∗P(X=i)
2. 期望的线性性:
E
(
X
+
Y
)
=
E
(
X
)
+
E
(
Y
)
E(X+Y)=E(X)+E(Y)
E(X+Y)=E(X)+E(Y)
证明:
注意这里并没有要求
X
,
Y
X,Y
X,Y 互斥
有更一般形式:
E
(
∑
a
i
x
i
+
b
)
=
∑
a
i
E
(
x
i
)
+
b
E(\sum a_ix_i+b)=\sum a_iE(x_i)+b
E(∑aixi+b)=∑aiE(xi)+b
3.
X
,
Y
X,Y
X,Y 独立是
E
(
X
Y
)
=
E
(
X
)
∗
E
(
Y
)
E(XY)=E(X)*E(Y)
E(XY)=E(X)∗E(Y) 的充要条件
推导:
E
(
X
Y
)
=
∑
x
∑
y
x
y
P
(
X
=
x
,
Y
=
y
)
E(XY)=\sum_x\sum_y xyP(X=x,Y=y)
E(XY)=x∑y∑xyP(X=x,Y=y)
∵
X
Y
=
ϕ
\because XY=\phi
∵XY=ϕ
∴
E
(
X
Y
)
=
∑
x
x
P
(
X
=
x
)
∑
y
P
(
Y
=
y
)
=
E
(
x
)
∗
E
(
y
)
\therefore E(XY)=\sum_xxP(X=x)\sum yP(Y=y)=E(x)*E(y)
∴E(XY)=x∑xP(X=x)∑yP(Y=y)=E(x)∗E(y)
4.
E
(
c
)
=
c
,
E
(
E
(
X
)
)
=
E
(
X
)
E(c)=c,E(E(X))=E(X)
E(c)=c,E(E(X))=E(X) (因为此时
E
(
X
)
E(X)
E(X) 已经是确定的值)
方差
- 本质:一种特殊的期望
- 定义: D ( X ) = E ( ( X − E ( X ) ) 2 ) D(X)=E((X-E(X))^2) D(X)=E((X−E(X))2)
-
D
(
X
)
=
E
(
(
X
−
E
(
X
)
)
2
)
=
E
(
X
2
−
2
∗
X
∗
E
(
X
)
+
E
2
(
X
)
)
=
E
(
X
2
)
−
E
2
(
x
)
D(X)=E((X-E(X))^2)=E(X^2-2*X*E(X)+E^2(X))=E(X^2)-E^2(x)
D(X)=E((X−E(X))2)=E(X2−2∗X∗E(X)+E2(X))=E(X2)−E2(x)
对于一些数的方差只是其一种特殊情况 - D ( c X ) = E ( ( c X ) 2 ) − E 2 ( c X ) = c 2 ( E ( X 2 ) − E 2 ( X ) ) = c 2 D ( X ) D(cX)=E((cX)^2)-E^2(cX)=c^2(E(X^2)-E^2(X))=c^2D(X) D(cX)=E((cX)2)−E2(cX)=c2(E(X2)−E2(X))=c2D(X)
- D ( X + c ) = E ( ( X + c − E ( X + c ) ) 2 ) = D ( X ) D(X+c)=E((X+c-E(X+c))^2)=D(X) D(X+c)=E((X+c−E(X+c))2)=D(X)
就先写到这里吧,差不多了…