基本概念
样本空间
事件
随机事件
事件的关系
- 互不相容(互斥)
- 差事件
- 逆事件
- 对称差
事件的运算
- B包含A
- 和事件(并)
- 积事件(交)
概率定义与基本特性
概率的三个原则
概率的特性
- 不可能事件概率为0
- 有限可加性
可减性
不降性
概率原则
加法原则
P ( A ∪ B ) = P ( A ) + P ( B ) − P ( A ∩ B ) P(A \cup B) = P(A) + P(B) - P(A \cap B) P(A∪B)=P(A)+P(B)−P(A∩B)
条件概率与乘法原理
条件概率定义
计算公式
P
(
B
∣
A
)
=
n
(
A
B
)
n
(
A
)
=
P
(
A
B
)
P
(
A
)
P(B|A) = \frac {n(AB)} {n(A)} = \frac {P(AB)} {P(A)}
P(B∣A)=n(A)n(AB)=P(A)P(AB)
乘法原理
所以就转化成了:A1的概率 * A1发生条件下A2概率 * A1A2发生条件下A3的概率 …
独立事件
概念
事件B的发生与事件A的发生是无关的,则称A、B互相立
定义(判断标准)
定理
注意
互斥有一个加法原理的应用!
全概率规则
空间S的划分
全概率公式
Bayes定理
公式
Remark1
Remark2
可把Bi理解为原因嘛,所以问题(在结果的条件下原因的概率)转变为:就是“在原因的条件下结果的概率”