概率论学习
文章平均质量分 67
一只特立独行的猫
转行web3中。。。
展开
-
概率论 随机变量及常用6大分布整理
随机变量随机变量定义:样本空间为Ω,随机变量X表示样本空间Ω中的一个样本点(样本空间和随机变量的关系类似于实数轴上的x轴和自变量x的区别)。如随机抛掷一枚骰子,X就是表示骰子的点数。分布函数分布函数定义:F(X)=P(X<=x)离散型随机变量的分布函数:连续性随机变量的分布函数:分布函数的性质:1.非降性F(x)是一个非递减函数2.归一性在x趋向于+∞时,F(x)趋向于13右连续性因为 F(x)是单调有界非减函数,所以其任一点x0的右极限F(x0+0)必存在。数学期望原创 2021-06-03 12:09:31 · 20900 阅读 · 1 评论 -
条件概率、全概率公式
条件概率定义:设A,B为两个事件,,且P(B)>0,则称P(A|B)=P(AB)P(B)\frac {P(AB)}{P(B)}P(B)P(AB)为事件B已经发生的条件下,事件A发生的概率,即P(A∣B)=P(AB)P(B)P(A|B)=\frac {P(AB)}{P(B)}P(A∣B)=P(B)P(AB)条件概率有如下性质:1.任意A,P(AB)≥02.P(Ω|B)=13.A1,A2,...AnA_1,A_2,...A_nA1,A2,...An两两互斥,则P(∪i=1∞Ai)=原创 2021-05-08 22:17:51 · 9478 阅读 · 1 评论 -
概率、古典概型
频率定义:随机事件A在n次试验中发生了k次,则频率fn(A)=knf_n(A)=\frac k nfn(A)=nk注:0≤fn(A)f_n(A)fn(A)≤1fn(Ω)=1f_n(Ω)=1fn(Ω)=1(Ω表示必然事件)当A,B为互斥事件时,fn(A∪B)=fn(A)+fn(B)f_n(A∪B)=f_n(A)+f_n(B)fn(A∪B)=fn(A)+fn(B)概率(概率为0不一定是不可能事件)概率有两个定义统计定义:事件A在n次独立重复事件中发生了k次,当n很大时,kn\f原创 2021-05-07 23:34:34 · 510 阅读 · 0 评论 -
概率论的基本概念
第一节 样本空间与随机事件知识点总结试验(E)要成为一个试验要具备的条件1.重复性在相同条件下可重复进行2.多样性试验产生的结果不止一个3.未知性在试验前不能确定哪一个结果会出现例:1.投掷两颗骰子,观察出现的点数。2.在一批电视中任意抽取一台,测定寿命。3.城市某一交通路口在一定时间内的车流量。4.一昼夜的最高和最低气温。以上都是随机试验。样本空间(Ω)定义:随机试验所有可能的结果的集合例:1.同时投掷三个骰子,记录骰子点数之和。Ω={3,4…,18}2,生产产原创 2021-04-26 23:09:52 · 600 阅读 · 0 评论 -
泊松公式推导
泊松分布是二项式分布的一种极限情况,一般用于时间或者面积这种可以无限细分的抽象概念。问题引入在一段时间T里面期望发生n次事件a,求在时间段T发生k次事件a的概率。(这里的期望指的是数学期望,就是n重伯努利试验中事件发生的概率乘以n)推导过程1.假设时间T是一个线,事件a发生在线T上的某一个点上,不妨先把点看成是一跟无限短的线。2.将T进行n等分均分,并保证每等分的情况∈{发生一次,没有发生},这就将题目变成了一个二项分布的问题(二项等概率事件在n次实验下发生k次的概率问题),。3.根据2就可以原创 2021-03-04 09:54:34 · 8263 阅读 · 3 评论 -
贝叶斯公式
贝叶斯公式就是一种由结果推导原因的公式,再浅显一点说就是发生了一个事件,根据已经有的知识,推测这个事件发生的原因。例子:A:守信人的概率。B:按时还款的概率。银行进行信用评估,先假设每个人是守信人的概率是0.5,不守信人的概率是0.5,即P(A)=0.5,P(A’)=0.5。守信人还款的概率是P(B|A)=0.9,不还款的概率是P(B’|A)=0.1,不守信人还款的概率是P(B|A’)=0.5,还款的概率是P(B’|A’)=0.5。因为还款的概率是长期总结产生的,可以把它看成是一个恒定值,现在需要原创 2021-02-24 19:20:25 · 1362 阅读 · 0 评论