本文探讨概率论中的核心概念，包括随机事件的定义、互不相容与独立的区分，以及全概率和Bayes公式的应用。进一步，介绍了随机变量的分类、分布及其数学期望的计算，并阐述了正态分布的特性、大数定律和中心极限定理的研究问题。重点讨论了伽玛、指数和卡方分布的关系，以及如何通过特征函数和分布函数理解随机变量的性质。
1.随机事件的定义是什么?
答：随机事件是在随机试验中，可能出现也可能不出现，而在大量重复试验中具有某种规律性的事件叫做随机事件(简称事件)。
2.随机事件的互不相容与相互独立如何区分?
答：互不相容又叫互斥，即两个事件不能同时发生，强调“不能同时发生”，可以通过画Venn图判断两事件是否互不相容。而相互独立是通过概率定义的概念，即若两事件相互独立，当且仅当他们各自发生的概率的乘积等于他们的交事件（又称积事件）发生的概率，不能通过画Venn图判断两事件是否相互独立。“互不相容”与“相互独立”没有必然联系，不能由其中一个推出另一个。
3.积事件与条件事件的区别是什么？
积事件是指两事件的交集，即两事件同时发生的情形。因此积事件可以为空集也可以就等于其中一个事件（当其中一个事件包含在另一个事件中时）。积事件的概率本质上还是事件的概率。
条件事件是指在一个事件发生的条件下，另一个事件发生。条件事件是否与确定条件的那个事件相关，需根据这两个事件的独立性来判断。条件事件的概率为条件概率。
4.什么情况下用全概率公式?
全概率公式的应用情景：对于一个较复杂的事件A，直接计算A的概率会比较复杂。这时换一种思路，若能找到一个互不相容的事件列
最低0.47元/天 解锁文章
扫一扫
7060
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
