概率论与数理统计：概率论基础

最新推荐文章于 2024-07-23 22:59:42 发布

一只鱼er~

最新推荐文章于 2024-07-23 22:59:42 发布

阅读量431

点赞数

分类专栏：概率论与数理统计文章标签：概率论

本文链接：https://blog.csdn.net/qq_66346698/article/details/130589808

版权

概率论与数理统计专栏收录该内容

1 篇文章 0 订阅

订阅专栏

概率论与数理统计是研究随机现象规律性的数学分支。在现实生活中，许多事件的发生都与概率相关，因此掌握概率论和数理统计的知识对于我们正确理解事物具有重要意义。

一、随机试验与样本空间

随机试验是指在相同的条件下，每次试验的结果可能有多种，但每种结果发生的概率是确定的。样本空间是指随机试验中所有可能的结果构成的集合，通常用 Ω 表示。样本点是指样本空间中的每一个元素，它表示试验的一个可能结果。例如，掷一枚硬币是一个随机试验，样本空间是 {正, 反}，两个样本点分别表示硬币出现正面和反面。

二、随机事件及其概率

随机事件是指在样本空间中选取某些样本点的集合，通常用大写字母表示。例如，在掷一枚硬币的随机试验中，事件 A 表示“硬币朝上是正面”，用 A={正} 表示。概率是指随机事件发生的可能性大小，通常用 P(A) 表示。概率的取值范围在 0 到 1 之间，当概率为 0 时表示事件不可能发生，当概率为 1 时表示事件一定会发生。

在概率论中，事件运算满足以下定理：

交换律：对于任意两个事件 A 和 B，A∪B = B∪A 且 A∩B = B∩A。

结合律：对于任意三个事件 A、B 和 C，(A∪B)∪C = A∪(B∪C) 且 (A∩B)∩C = A∩(B∩C)。

分配律：对于任意三个事件 A、B 和 C，A∩(B∪C) = (A∩B)∪(A∩C) 且 A∪(B∩C) = (A∪B)∩(A∪C)。

对偶律：对于任意事件 A，有 A^𝑐（即 A 的补事件）与 S 的差集 S^ 相等，即 A^𝑐 = S^ - A，即“事件 A 不发生”等于“事件 A 的补事件发生”。

这些定理可以用来简化事件的运算和计算复杂概率的值。同时，这些定理还可以被拓展到更多事件的情况下，例如对于四个事件 A、B、C 和 D，分配律可以表示为：

A∪(B∩C∩D) = (A∪B)∩(A∪C)∩(A∪D)

概率性质：

$0 \leqslant f_{_{n}}(A)\leqslant 1$

$f_{n}(\Omega ) = 1$

若事件A1，A2，......，Ak两两相斥，则：

$f_{n}(\bigcup_{i=1}^{k}) = \sum_{i=1}^{k}f_{n}(A_{i})$

概率的公理化定义与性质：

非负性：对于任意事件 A，它的概率 P(A) 必须非负，即 0 ≤ P(A)。

规范性：在随机试验中，样本空间 S 中的所有事件的概率之和等于 1，即 P(S) = 1。

可列可加性：对于一个可数的事件序列 {A1, A2, ...} 且其互不相容，即 A_i ∩ A_j = Ø (i ≠ j)，那么它们的并集的概率等于它们各自概率之和，即 P(A1 ∪ A2 ∪ ...) = P(A1) + P(A2) + ...。

利用概率的公理化定义，可以导出以下性质：

性质一：

$P(\varnothing ) = 0$

性质二：（有限可加性）

若事件A1，A2，......，An两两相斥，则有：

P(A1 U A2 U ... U An) = P(A1) + ... + P(An)

性质三：对任意事件A，有：

$P(\bar{A}) = 1 - P(A)$

性质四：对任意两个事件A，B，有：

， $P(A)\geqslant P(B)$

性质五：（加法公式）

对于任意两事件A，B，有：

$P(A\cup B) = P(A) + P(B) - P(AB)$

三、古典概率与几何概率

古典概率是指在随机试验中每种结果出现的可能性相等的情况下，某个事件发生的概率。例如，掷一枚硬币的古典概率是 1/2。几何概率是指在样本空间中所有可能结果的面积、体积等相等的情况下，某个事件发生的概率。

例如，一个点在正方形中的几何概率是点所在的面积与正方形总面积之比。

P(A) = A中元素的个数 / 样本空间中元素的个数

把n个物品分成k组，使第一组有n1个，第二组有n2个，......，第k组有nk个，且

n1 + n2 + ... + nk = n

则不同的分组方法数有：

$\frac{n!}{n_{1}!n_{2}!...n_{k}!}$

四、条件概率与乘法公式

条件概率是指在已知事件 B 发生的条件下，事件 A 发生的概率。通常用 P(A|B) 表示，读作“在 B 发生的条件下 A 发生的概率”。一般情况下：

$P(A|B)\neq P(A)$

设A与B是同一样本空间中的两个事件，若P(A) > 0，则称：

$P(B|A) = \tfrac{P(AB)}{P(A)}$

为在事件A发生下的事件B发生的条件概率。

条件概率的性质：

非负性：对任意事件B，P(B|A) >= 0
规范性：P(Ω|A) = 1
可列可加性：设事件B1，B2，...，Bn，...两两互不相容，则： $P(\bigcup_{i=1}^{\infty }B_{i} | A) = \sum_{i=1}^{\infty }P(B_{i} | A)$

乘法公式是指两个事件 A、B 的联合概率可以表示为条件概率和边际概率的乘积：

P(A∩B) = P(A|B) × P(B)。

五、全概率公式和贝叶斯公式

全概率公式是指，如果事件 B1、B2、B3……Bn 互不相交且它们的并集等于样本空间，那么事件 A 发生的概率可以表示为：

P(A) = P(A|B1) × P(B1) + P(A|B2) × P(B2) + ……+ P(A|Bn) × P(Bn)

贝叶斯公式是在已知事件 A 发生的条件下，反推事件 B 发生的概率。公式表达为：

P(B|A)=P(A|B)×P(B)/P(A)

六、独立性

独立性是指两个事件 A、B 在它们之间没有任何依赖关系的情况下，它们的联合概率等于它们的边际概率的乘积，即

P(A∩B) = P(A) × P(B)

如果 A、B 不独立，则它们是依赖事件。

一只鱼er~

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
概率论与数理统计：概率论基础

对偶律：对于任意事件 A，有 A^𝑐（即 A 的补事件）与 S 的差集 S^ 相等，即 A^𝑐 = S^ - A，即“事件 A 不发生”等于“事件 A 的补事件发生”。分配律：对于任意三个事件 A、B 和 C，A∩(B∪C) = (A∩B)∪(A∩C) 且 A∪(B∩C) = (A∪B)∩(A∪C)。结合律：对于任意三个事件 A、B 和 C，(A∪B)∪C = A∪(B∪C) 且 (A∩B)∩C = A∩(B∩C)。交换律：对于任意两个事件 A 和 B，A∪B = B∪A 且 A∩B = B∩A。
复制链接

扫一扫

专栏目录