概率论

1.概率的基本概念
确定性现象：在一定的条件下必然发生的现象，如同性电荷相互排斥；
统计规律性：在大量重复实验或者观察中所呈现出的固有规律性，如多次抛一枚硬币正面朝上大约有一半；
随机现象：在个别的实验中其结果呈现出不确定性，在大量的重复实验中又具有统计规律性的现象
2.条件概率
条件概率是概率中重要而实用的概念。所考虑的是事件A已发生的条件下事件B发生的概率。
设A，B是两事件，且$P(A)>0$,称

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

为在事件A发生的条件下事件B发生的条件概率。
不难验证，条件概率 $P(.|A)$符合概率定义中的三个条件：
1. 对于每一事件B，有 $P(B|A)\geqslant0$；
2. $P(S|A)=1$；
3. 设B 是两两不相容的事件，则有 ，
既然条件概率符合上述的三个条件，故有对于任意事件 有

2.1随机变量
设随机试验的样本空间为 是定义在样本空间S上的实值单值函数，称 为D随机变量。

2.2离散型随机变量及其分布律

有一些随机变量，它的全部可能的取值是有限个或者可能是无限多个，这种随机变量称为离散型随机变量。
要掌握一个离散型随机变量X的统计规律，必须且只需要知道X的所有可能取值及取每一个可能值的概率。
设离散型随机变量X所有可能的取值为$x_k(k=1,2,..)$ ，X取各个可能值的概率，即事情$\{X=x_k\}$ 的概率为$P\{X=x_k\}=p_k,k=1,2,..$： 称此式为离散型随机变量X的分布律，分布律也可以使用表格的方式表示：

$X$	$x_1$	$x_2$	$...$	$x_n$	$...$
$p_k$	$p_1$	$p_2$	$...$	$p_n$	$...$

2.3.随机变量的分布函数：

【定义】设X是一个随机变量， $x$是任意实数，函数：

$$F(x)=P\{X<=x\}$$ 称为 $X$的分布函数
对于任意的实数 $x_1$， $x_2$ ( $x_1<x_2$)有:

$$P(x_1<X<=x_2)=P\{X<=x_2\}-P\{X<=x_1\}=F(x_2)-F(x_1)$$

因此，若已知X的分布函数，我们就可以知道X落在任意一区间$(x_1,x_2]$的概率 ，从这个意义上说，分布函数完整地描述了随机变量的统计规律性。
意义:如果将 看成是数轴上的随机点的坐标，那么，分布函数$F(x)$ 在$X$ 处的函数值就表示 落在区间$(-\infty,x]$ 上的概率。
性质：
1） 是一个不减函数，
对于任意实数 有
2)

2.4.连续性随机变量和概率密度：

如果随机变量$X$的分布函数 $F(x)$，存在非负函数$f(x)$ ，使得对于任意实数$x$ 有:

$$F(x)=\int_ \infty^x f(t) {\rm d}t$$
则称 $X$为连续型随机变量，其中函数 $f(x)$ 称为 $X$的概率密度函数，简称概率密度
性质：
1）连续型随机变量的分布函数是连续函数;
2) $f(x)>=0$;
3) $\int_ \infty^\infty f(x) {\rm d}x=1$
4) 对于任意的实数 $x_1$， $x_2$ ( $x_1<x_2$)有:

$$P(x_1<X<=x_2)==F(x_2)-F(x_1)=\int_ {x_1}^{x_2} f(x) {\rm d}x$$
5)若 $f(x)$在点 $x$处连续，则 $F'(x)=f(x)$

正态分布：

若连续随机变量$X$的概率密度函数是

f(x)=12π−−√σe−(x−u)22σ