1、贝叶斯概率
例如:在历史姓氏的统计下,对某个人姓氏作出猜测,先猜“李王张刘…“,猜对的概率相对较大,这就是先验概率,姓氏的历史统计就是先验信息。
若知道某人来自“牛家村“,则猜他姓”牛“的概率相对较大,但不排除其他姓氏的可能。这就是后验概率,来自”牛家村“就是后验信息。
实例:8支步枪中有5支已校准过,3支未校准。一名射手用校准过的枪射击,中靶概率为0.8,用未校准的枪射击,中靶概率为0.3;现从8支枪中随机取一支射击,结果中靶。求该枪是已校准过的概率。
记选校准枪的事件为A1,选未校准枪为A2。中靶事件为B1,不中靶事件为B2。那么根据题意可得
2、常见分布
2.1 0-1分布(伯努利分布)
X | 1 | 0 |
---|---|---|
P | p | 1-p |
E(X)=1*p+0*(1-p)=p
D(X)=E((X-E(X))2)=E(X2)-E2(X)=p(1-p)
2.2 二项分布(X~B(n,p))
n次独立重复试验X,每次实验Xi都符合0-1分布,X~B(n,p)那么实验X发生k次的概率为:
期望和方差分别为:
2.3 泊松分布(X~π(λ))
记忆方式:考察ex麦克劳林公式
期望与方差:
在实际事例中,当一个随机事件以固定的平均瞬时速率λ随机且独立的出现时,那么这个事件在单位时间内出现的次数或个数就近似的服从泊松分布,如某一服务设施在一定时间内到达的人数,汽车站台的候客人数,自然灾害发生的次数等。
2.4 均匀分布(X~U(a,b))
均匀分布是连续分布,其概率密度函数为: