本文是陈希儒老师的《概率论与数理统计》读书笔记,如有转载请标明原作者,谢谢。理解不当之处还请指出。
1.事件的互斥和概率的加法定理
若两事件A,B不能在同一次试验中都发生(但可以都不发生),则称它们是互斥的。如果一些事件中任意两个都互斥,则称这些事件是两两互斥的,或简称互斥的。
事件的和:即把各事件的那些试验结果并在一起所构成的事件。
推广到一般,设有多个事件A1,A1,……An,它们的和A,定义为事件A,A=A1+A2+……+An
若干个互斥事件之和的概率,等于各事件的概率之和,即
P(A1+A2+……)=P(A1)+P(A2)+……
事件个数可以是有限或无限个,这个定理就称为(概率的)加法定理,其重要条件是各事件必须两两互斥。
事件的积:同属于这个集合的那些试验结果组成,即这两个事件的交叉。
条件概率是附加一定的条件之下所计算的概率。当说到条件概率时,总是指另外附加的条件,其形式总可归结为“已知某事发生了”。
条件概率的一般公式是:
P(A|B)=P(AB)/P(B)
2.事件的独立性和概率的乘法定理
有两个事件A和B,若P(A)=P(A|B),即B的发生与否对A发生的可能性毫无影响,则称A,B两事件独立。
若干个独立事件A1,A1,……An之积的概率,等于各事件概率的乘积
P(A1…An)=P(A1)…P(An)
它被称为概率的乘法定理,其重要条件是两事件相互独立。相加是互斥,相乘是独立。
3.全概率公式
设B1,B2……组成一个完备事件群,即:
BiBj=空集,B1+B2+…=OU(必然事件),那么,
P(A)=P(B1)P(A|B1)+P(B2)P(A|B2)+……
上式被称为全概率公式,A事件被分成了很多部分之和。
4.贝叶斯公式
在全概率公式的假定之下,有
P(Bi|A)=P(ABi)/P(A)=[P(Bi)*P(A|Bi)]/[P(B1)*P(A|B1)+P(B2)*P(A|B2)+…]
这个公式叫做贝叶斯公式,是概率论中一个著名的公式。
如果说,把事件A看成是结果,把诸事件B1,B2,…看成是导致这个结果的可能的原因,那么全概率公式可以看做是“由原因推结果”。而贝叶斯公式则恰好相反,其作用在于由结果推原因:现在有一个结果A已发生了,在众多可能的原因中,到底是哪一个导致了这个结果?这是一个在日常生活中和科学技术中经常遇到的问题。例如,某地区发生了一起刑事案件,按照平常掌握的资料,嫌疑犯有张三李四等人,在不知道案情细节(事件A)之前,人们对它们犯罪的可能性有个认识,那是基于警局的记录,但当知道案情细节时,这个估计就有了变化,原来不可能的张三,现在成了重点嫌疑犯。
以上的讨论可看出贝叶斯公式在统计上的作用。在统计学中,是依靠收集的数据去寻找所感兴趣的问题的答案,这是一个由结果找原因性质的过程,故而贝叶斯公式有用武之地。事实上,依据这个公式的思想发展了一整套统计推断的方法,叫做贝叶斯统计。