概率论与数理统计教程(一)-随机事件与概率03：概率的性质

§ 1.3概率的性质
利用概率的公理化定义
(非负性、正则性和可列可加性),可以导出概率的一系列性质.
以下我们逐个给出概率的一些常用性质.
首先,在概率的正则性中说明了必然事件 $\Omega$ 的概率为 1 .
那么可想而知,不可能事
件 $\varnothing$ 的概率应该为 0,下面性质正说明了这一点.
性质 1.3.1 $P(\varnothing )=0$.
证明由于任何事件与不可能事件之并仍是此事件本身,所以
$$\Omega =\Omega \cup \varnothing \cup \varnothing \cdots \cup \varnothing \cup \cdots .$$
因为不可能事件与任何事件是互不相容的,故由可列可加性公理得
$$P(\Omega )=P(\Omega )+P(\varnothing )+\cdots +P(\varnothing )+\cdots ,$$
从而由$P(\Omega )=1$得
$$P(\varnothing )+P(\varnothing )+\cdots =0,$$
再由非负性公理,必有
$$P(\varnothing )=0.$$
结论得证.
1.3.1概率的可加性
概率的可列可加性说明了对可列个互不相容的事件$A_1,A_2,\cdots$,
其可列并的概率可以分别求之再相加,那么对有限个互不相容的事件
$A_1,A_2,\cdots ,A_n$,其有限并的概率是否也可以分别求之再相加呢?下面性质回答了这个问题.
性质 1.3.2 (有限可加性) 若有限个事件$A_1,A_2,\cdots ,A_n$
互不相容,则有
$$P\left(\bigcup _{i=1}^n{A}_i\right)=\sum _{i=1}^{n}P\left(A_i\right).$$
证明对
$A_1,A_2,\cdots ,A_n,\varnothing ,\varnothing ,\cdots$应用可列可加性,得
$$\begin{array}{rl}P\left(A_1\cup A_2\cup \cdots \cup A_n\right)& =P\left(A_1\cup A_2\cup \cdots \cup A_n\cup \varnothing \cup \varnothing \cup \cdots \right)\\ & =P\left(A_1\right)+P\left(A_2\right)+\cdots +P\left(A_n\right)+P(\varnothing )+P(\varnothing )+\cdots \\ & =P\left(A_1\right)+P\left(A_2\right)+\cdots +P\left(A_n\right).\end{array}$$
结论得证.
由有限可加性,我们就可以得到以下求对立事件概率的公式.
性质 1.3.3 对任一事件 $A$,有
$$P(\bar{A})=1-P(A).$$
证明 因为 $A$ 与 $\bar{A}$互不相容, 且 $\Omega =A\cup \bar{A}$.
所以由概率的正则性和有限可加性得1 $=P(A)+P(\bar{A})$.
由此得$P(\bar{A})=1-P(A)$.
有些事件直接考虑较为复杂,而考虑其对立事件则相对比较简单.
对此类问题就可以利用性质 1.3 .3 ,见下面例子.
例 1.3.1 36 只大小、形状相同的灯泡中 4 只是$6\mathrm{W}$, 其余都是
$4\mathrm{W}$ 的. 现从中任取 3只,求至少取到一只 $6\mathrm{W}$
灯泡的概率.
解 记事件 $A$为 “取出的 3 只中至少有一只 $6\mathrm{W}$”, 则 $A$
包括三种情况:取到一只 $6\mathrm{W}$ 两只 $4\mathrm{W}$,
或取到两只$6\mathrm{W}$ 一只 $4\mathrm{W}$, 或取到三只
$6\mathrm{W}$.而 $A$ 的对立事件 $\bar{A}$ 只包括一种情况, 即 “取出的 3
只全部是$4\mathrm{W}$”, 由例 1.2 .3抽样模型可知
$$P(\bar{A})=\frac{\left(\begin{array}{c}32\\ 3\end{array}\right)}{\left(\begin{array}{c}36\\ 3\end{array}\right)}=\frac{248}{357}=\mathrm{0.695.}$$
所以
$$P(A)=1-P(\bar{A})=\frac{109}{357}=\mathrm{0.305.}$$
例1.3.2 抛一枚硬币 5 次, 求既出现正面又出现反面的概率.
解 记事件 $A$为 “抛 5 次硬币中既出现正面又出现反面”, 则 $A$
的情况较复杂,因为出现正面的次数可以是 1 次至 4 次,而 $A$ 的对立事件
$\bar{A}$则相对简单: 5 次全部是正面 (记为 $B$ ), 或 5 次全部是反面 (记为
$C$), 即 $\bar{A}=B\cup C$, 其中 $B$ 与 $C$
互不相容,所以由对立事件公式和概率的有限可加性得
$$\begin{array}{rl}P(A)& =1-P(\bar{A})=1-P(B\cup C)=1-P(B)-P(C)\\ & =1-\frac{1}{2^5}-\frac{1}{2^5}=\frac{15}{16}.\end{array}$$
1.3.2概率的单调性
可以想象: 当 $B$ 被 $A$ 包含时 (即 $B$发生必然导致 $A$ 发生), 说明事件
$A$ 比事件 $B$ 更容易发生, 那么$A$ 的概率应该比 $B$ 的概率大,
这可由以下性质 1.3 .4的推论说明.
性质 1.3.4 给出了两个有包含关系事件差的概率公式,而性质 1.3 .5
给出了任意两个事件差的概率公式.
性质 1.3.4 若$A\supset B$, 则
$$P(A-B)=P(A)-P(B).$$
证明 因为$A\supset B$, 所以
$$A=B\cup (A-B),$$
且 $B$ 与 $A-B$互不相容,由有限可加性得
$$P(A)=P(B)+P(A-B),$$
即得
$$P(A-B)=P(A)-P(B).$$
结论得证.
推论(单调性) 若 $A\supset B$, 则$P(A)⩾P(B)$.
很容易举例说明: 以上推论的逆命题不成立, 即由$P(A)⩾P(B)$
无法推出 $A\supset B$.
性质 1.3.5对任意两个事件 $A,B$, 有
$$P(A-B)=P(A)-P(AB).$$
证明 因为$A-B=A-AB$, 且 $AB\subset A$, 所以由性质 1.3.4得
$$P(A-B)=P(A-AB)=P(A)-P(AB).$$
结论得证.
利用性质1.3.4,我们可以求一些较为复杂的事件的概率.
例 1.3.3 口袋中有编号为$1,2,\cdots ,n$ 的