一、事件的概率
在相同条件下随机试验n次,某事件A出现m次(m<=n),则比值m/n称为事件A发生的频率。随着n的增大,该频率围绕某一常数p上下波动,且波动的幅度逐渐减小,趋于稳定,这个频率的稳定值即为该事件的概率,记为:
P(A)= m/n = p
概率运算法则:
![31d43e9d92a9b486650bd058317e6ec9.png](https://img-blog.csdnimg.cn/img_convert/31d43e9d92a9b486650bd058317e6ec9.png)
二、随机变量
随机变量是随机事件结果的数量化表示。例如,抛一枚硬币可能出现正面指定为0,可能出现的反面指定为1。
随机变量分为两类:离散型(discrete)随机变量和连续型(continuous)随机变量。
2.1 离散型随机变量
![1d6c0e451520634ad79c8636bac12821.png](https://img-blog.csdnimg.cn/img_convert/1d6c0e451520634ad79c8636bac12821.png)
2.2 连续型随机变量
![0399de65644611581d2cea1363e13ac3.png](https://img-blog.csdnimg.cn/img_convert/0399de65644611581d2cea1363e13ac3.png)
2.3 期望的性质
1、设X是随机变量,C是常数,则E(CX) = CE(X)。
2、设X,Y是任意两个随机变量,则有E(X+Y) = E(X)+E(Y)。
3、设X,Y是相互独立的随机变量,则有E(XY)= E(X)E(Y)。
4、设C为常数,则E(C)=C
2.4 方差的性质
1、设C是常数,则D(C) = 0
2、设X是随机变量,C是常数,则有
![c69fea8f4fbf8ba7576eaf4c22952711.png](https://img-blog.csdnimg.cn/img_convert/c69fea8f4fbf8ba7576eaf4c22952711.png)
3、设 X 与 Y 是两个随机变量,则
![8b1f7ac94ac538c6226a1b54ee55a3ef.png](https://img-blog.csdnimg.cn/img_convert/8b1f7ac94ac538c6226a1b54ee55a3ef.png)
特别的,当X,Y是两个不相关的随机变量则
![7ce40662988ea4fd6163442dcdd10f3a.png](https://img-blog.csdnimg.cn/img_convert/7ce40662988ea4fd6163442dcdd10f3a.png)
2.5 其他重要公式
![43cb942bf14490990db24fc4e6356a82.png](https://img-blog.csdnimg.cn/img_convert/43cb942bf14490990db24fc4e6356a82.png)
三、离散型随机变量常见概率分布
3.1 伯努利分布
伯努利分布(Bernoulli distribution)又名0-1分布,是单次伯努利试验结果的离散概率分布,研究的是“是或否”问题。伯努利试验是只有两种可能结果的单次随机试验。
![c64f2a5193e33843ccc5403eaa34d46e.png](https://img-blog.csdnimg.cn/img_convert/c64f2a5193e33843ccc5403eaa34d46e.png)
python示例:
import scipy.stats as stats
import numpy as np
import matplotlib.pyplot as plt
'''1、定义随机变量X
抛一次硬币正面向上为1,反面向上为0'''
X = np.arange(0,2,1)
X
![3d868bb3f54d471e987646321b5b5045.png](https://img-blog.csdnimg.cn/img_convert/3d868bb3f54d471e987646321b5b5045.png)
'''2、概率质量函数PMF'''
p=