概率论知识点总复习

第一章 随机事件与概率

一、 五大公式

（1）加法
$P(A+B)=P(A)+P(B)-P(AB)$
$P(A+B+C)=P(A)+P(B)+P(C)-P(AB)-P(AC)-P(BC)+P(ABC)$

（2）减法
$P(A-B)=P(A\bar{B})=P(A)-P(AB)$

（3）乘法
$P(AB)=P(B|A)P(A)=P(A|B)P(B)$

（4）全概公式（重点）
$A_1...A_n$构成一个完全事件组，
$P(B)={\sum }_{i=1}^{n}P(B|A_i)P(A_i)$

举例来说
当考虑实际生活中的例子时，我们可以思考一个关于天气和交通状况的情景。
假设你每天通勤上班，而天气状况和交通状况是你的两个关注因素。我们定义两个事件：
事件 B₁：天气晴朗。
事件 B₂：天气多云。
另外，我们定义事件 A 为你准时到达办公室。我们想要计算事件 A 的概率。
已知以下信息：
P(B₁) = 0.6：天气晴朗的概率为 0.6。
P(B₂) = 0.4：天气多云的概率为 0.4。
P(A | B₁) = 0.9：在天气晴朗的条件下，你准时到达办公室的概率为 0.9。
P(A | B₂) = 0.7：在天气多云的条件下，你准时到达办公室的概率为 0.7。
现在，我们可以使用全概公式来计算事件 A（准时到达办公室）的概率：
P(A) = P(A | B₁) * P(B₁) + P(A | B₂) * P(B₂)
代入已知值：
P(A) = 0.9 * 0.6 + 0.7 * 0.4
= 0.54 + 0.28
= 0.82
因此，根据给定的条件，你准时到达办公室的概率为 0.82，或者说约为 82%。

（5）贝叶斯公式
相当于一个反向过程，当一个复杂问题B已经搞清楚的前提下，看受原来$A_i$影响的概率
$P(A_i|B)=\frac{P(A_{i}B)}{P(B)}=\frac{P(B|A_i)P(A_i)}{{\sum }_{i=1}^{n}P(B|A_i)P(A_i)}$

贝叶斯如何理解，详见什么是贝叶斯公式？

二、三大概型

1. 古典概型

2. 几何概型

3. 伯努利概型

（通常指n次独立重复试验）
$P(A_k)=C_n^k{p}^k(1-p{)}^{n-K}(k=0,1,2,...,n)$（对应二项概率公式）

主要确定n和p

三、条件概率与实践的独立性

1. $P(A)>0,P(B|A)=\frac{P(AB)}{P(A)}$
2. 独立性
   ① 若$P(AB)=P(A)P(B)$，则称A，B相互独立
   ② 性质：如果相互独立，A拔或B拔都对这个公式无影响
   ③ 等价说法：（即A发不发生跟B没关系）
   $P(B|A)=P(B)$
   $\iff P(B|\bar{A})=P(B)$
   $\iff P(B|A)=P(B|\bar{A})$
   $\iff P(AB)=P(A)P(B)$
   ④ （推广）三个事件独立性
   a. 两两独立
   b. 相互独立
   关系：相互独立一定两两独立；但两两独立不一定相互独立

（未完待续）