随机事件与概率
-
研究任何一个随机试验,每一个可能的结果被称为随机试验E的样本点或基本事件,记为 ω \omega ω
-
全体样本点所构成的集合称为样本空间,通常用 Ω \Omega Ω表示, Ω \Omega Ω可以是有限集,也可以是无限集
事件间的关系与运算
设随机试验的样本空间为 Ω \Omega Ω,而A,B, A K ( K = 1 , 2 , . . . ) A_K(K=1,2,...) AK(K=1,2,...)是 Ω \Omega Ω的子集
1.事件的包含关系
若事件A的发生必然导致事件B的发生,则称事件B包含事件A,记为A
⊂
\subset
⊂ 或B
⊃
\supset
⊃ A,此时A是B的子集
例 掷一骰子,设A={掷出6点} B={掷出的点数为偶数}
2.事件相等或等价
当事件B包含事件A且事件A也包含事件B时,称事件A与事件B相等(等价),记为A=B
例 事件C={掷出的点数最大}
3.对立事件
对于事件A,由所有不包含在A中的样本点所组成的事件称为事件A的对立事件或逆事件,记为
A
ˉ
\bar{A}
Aˉ,
A
ˉ
\bar{A}
Aˉ发生等价于
A
A
A不发生,
A
ˉ
ˉ
\bar{\bar{A}}
Aˉˉ=
A
A
A
4.事件的并
"两事件A与B中至少有一件发生"为事件A与B的并,记为
A
∪
B
A\cup B
A∪B
5.事件的交
"两事件A与B都发生"为事件A与B的交,记为
A
∩
B
A\cap B
A∩B或
A
B
AB
AB
6.事件的差
即集合的差,记为
A
−
B
A-B
A−B,表示去掉A中与B相交的部分,故也可表示为A-AB,A-B发生等价于A发生而B不发生
7.事件的互不相容(互斥)
若两事件A与B不可能同时发生,即
A
B
=
ϕ
AB=\phi
AB=ϕ,这时A与B的并可以表示为A+B
运算律
(1)交换律:
A
∪
B
=
B
∪
A
;
A
∩
B
=
B
∩
A
A \cup B=B \cup A;A \cap B=B \cap A
A∪B=B∪A;A∩B=B∩A
(2)结合律:
A
∪
(
B
∪
C
)
=
(
A
∪
B
)
∪
C
;
A
∩
(
B
∩
C
)
=
(
A
∩
B
)
∩
C
A \cup (B \cup C)=(A \cup B) \cup C;A \cap (B \cap C)=(A \cap B) \cap C
A∪(B∪C)=(A∪B)∪C;A∩(B∩C)=(A∩B)∩C
(3)分配律:
A
∪
(
B
∩
C
)
=
(
A
∪
B
)
∩
(
A
∪
C
)
;
A
∩
(
B
∪
C
)
=
(
A
∩
B
)
∪
(
A
∩
C
)
A \cup (B \cap C)=(A \cup B)\cap(A \cup C);A \cap (B \cup C)=(A \cap B)\cup(A \cap C)
A∪(B∩C)=(A∪B)∩(A∪C);A∩(B∪C)=(A∩B)∪(A∩C)
(4)对偶律:
A
∪
B
‾
=
A
‾
∩
B
‾
;
A
∩
B
‾
=
A
‾
∪
B
‾
\overline{A \cup B}=\overline{A}\cap \overline{B};\overline{A \cap B}=\overline{A} \cup \overline{B}
A∪B=A∩B;A∩B=A∪B
推广为n个事件
∪
i
=
1
n
A
i
‾
=
∩
i
=
1
n
A
i
‾
,
∩
i
=
1
n
‾
=
∪
i
=
1
n
A
i
‾
\overline{\cup_{i=1}^{n}A_i}=\cap_{i=1}^{n}\overline{A_i},\overline{\cap_{i=1}^{n}}=\cup_{i=1}^n\overline{A_i}
∪i=1nAi=∩i=1nAi,∩i=1n=∪i=1nAi
概率
-
设E是随机试验, Ω \Omega Ω是它的样本空间,对于E的每一事件A赋予一个实数,记为P(A),成为事件A的概率,如果集合函数 P ( ⋅ ) P(\cdot) P(⋅)满足以下条件:
(1)非负性:对于每一个事件A,有 P ( A ) ≥ 0 P(A)\ge0 P(A)≥0;
(2)规范性:对于必然事件 Ω \Omega Ω,有 P ( Ω ) = 1 P(\Omega)=1 P(Ω)=1;
(3)可列可加性:设 A 1 , A 2 , … A_1,A_2,\ldots A1,A2,…是两两互不相容的事件,即对于 A i A j = ϕ , i ≠ j , i , j = 1 , 2 , … , A_iA_j=\phi,i \neq j,i,j=1,2,\ldots, AiAj=ϕ,i=j,i,j=1,2,…,有: P ( A 1 ∪ A 2 ∪ … ) = P ( A 1 ) + P ( A 2 ) + … P(A_1 \cup A_2 \cup \ldots)=P(A_1)+P(A_2)+\ldots P(A1∪A2∪…)=P(A1)+P(A2)+…
定理:
定理1:不可能事件
ϕ
\phi
ϕ的概率为0,
P
(
ϕ
)
=
0
P(\phi)=0
P(ϕ)=0
证:由于可列个不可能事件之并仍是不可能事件,所以
Ω
=
Ω
∪
ϕ
∪
ϕ
∪
ϕ
∪
⋯
∪
ϕ
∪
…
\Omega = \Omega \cup \phi \cup \phi \cup \phi \cup \dots \cup \phi \cup \dots
Ω=Ω∪ϕ∪ϕ∪ϕ∪⋯∪ϕ∪…,因为不可能事件与任何事件是互不相容的,故由可加性公理得
P
(
Ω
)
=
P
(
Ω
)
+
P
(
ϕ
)
+
⋯
+
P
(
ϕ
)
+
…
P(\Omega)=P(\Omega)+P(\phi)+\dots+P(\phi)+\dots
P(Ω)=P(Ω)+P(ϕ)+⋯+P(ϕ)+…从而由
P
(
Ω
)
=
1
P(\Omega)=1
P(Ω)=1得
P
(
ϕ
)
+
P
(
ϕ
)
+
⋯
=
0
P(\phi)+P(\phi)+\dots=0
P(ϕ)+P(ϕ)+⋯=0再由非负性公理,必有
P
(
ϕ
)
=
0
P(\phi)=0
P(ϕ)=0
定理2:有限可加性:若
A
1
,
A
2
,
…
,
A
n
A_1,A_2,\dots,A_n
A1,A2,…,An是两两互不相容的事件,则有
P
(
A
1
∪
A
2
∪
…
A
n
)
=
P
(
A
1
)
+
P
(
A
2
)
+
⋯
+
P
(
A
n
)
P(A_1 \cup A_2 \cup \dots A_n)=P(A_1)+P(A_2)+\dots+P(A_n)
P(A1∪A2∪…An)=P(A1)+P(A2)+⋯+P(An),此式称为概率的有限可加性
证:令
A
n
+
1
=
A
n
+
2
=
⋯
=
ϕ
A_{n+1}=A_{n+2}=\dots =\phi
An+1=An+2=⋯=ϕ,即有
A
i
A
j
=
ϕ
,
i
≠
j
,
i
,
j
=
1
,
2
,
…
A_iA_j=\phi,i \neq j,i,j=1,2,\dots
AiAj=ϕ,i=j,i,j=1,2,…,由定理1得:
P
(
A
1
∪
A
2
∪
⋯
∪
A
n
)
=
P
(
∪
k
=
1
∞
A
k
)
=
∑
k
=
1
∞
P
(
A
k
)
=
∑
k
=
1
n
P
(
A
k
)
+
0
=
P
(
A
1
)
+
P
(
A
2
)
+
⋯
+
P
(
A
n
)
P(A_1 \cup A_2 \cup \dots \cup A_n)=P(\cup_{k=1}^\infty A_k)=\sum_{k=1}^\infty P(A_k)=\sum_{k=1}^nP(A_k)+0=P(A_1)+P(A_2)+\dots+P(A_n)
P(A1∪A2∪⋯∪An)=P(∪k=1∞Ak)=∑k=1∞P(Ak)=∑k=1nP(Ak)+0=P(A1)+P(A2)+⋯+P(An)
定理3:设A,B是两个事件,若
A
⊂
B
A \subset B
A⊂B,则有
P
(
B
−
A
)
=
P
(
B
)
−
P
(
A
)
;
P
(
B
)
≥
P
(
A
)
P(B-A)=P(B)-P(A);P(B) \ge P(A)
P(B−A)=P(B)−P(A);P(B)≥P(A)
证:由
A
⊂
B
A \subset B
A⊂B知
B
=
A
∪
(
B
−
A
)
B=A \cup (B-A)
B=A∪(B−A) ,且
A
(
B
−
1
)
=
ϕ
A(B-1)=\phi
A(B−1)=ϕ则由概率的有限可加性有:
P
(
B
)
=
P
(
A
)
+
P
(
A
−
B
)
P(B)=P(A)+P(A-B)
P(B)=P(A)+P(A−B)再由概率的非负性,
P
(
B
−
1
)
≥
0
P(B-1) \ge 0
P(B−1)≥0得:
P
(
B
)
≥
P
(
A
)
P(B) \ge P(A)
P(B)≥P(A)
定理4:对于任一事件A,
P
(
A
)
≤
1
P(A) \le 1
P(A)≤1
证:因
A
⊂
Ω
A \subset \Omega
A⊂Ω,由定理3知:
P
(
A
)
≤
P
(
Ω
)
P(A) \le P(\Omega)
P(A)≤P(Ω)
定理5:逆事件的概率:对于任一事件A,有
P
(
A
ˉ
)
=
1
−
P
(
A
)
P(\bar A)=1-P(A)
P(Aˉ)=1−P(A)
证:因
A
∪
A
ˉ
=
Ω
A \cup \bar{A}=\Omega
A∪Aˉ=Ω,且
A
A
ˉ
=
ϕ
A\bar{A}=\phi
AAˉ=ϕ,得:
1
=
P
(
Ω
)
=
P
(
A
∪
A
ˉ
)
=
P
(
A
)
+
P
(
A
ˉ
)
1=P(\Omega)=P(A \cup \bar{A})=P(A) + P(\bar{A})
1=P(Ω)=P(A∪Aˉ)=P(A)+P(Aˉ)
定理6:加法公式:对于任意两事件A,B有
P
(
A
∪
B
)
=
P
(
A
)
+
P
(
B
)
−
P
(
A
B
)
P(A \cup B)=P(A)+P(B)-P(AB)
P(A∪B)=P(A)+P(B)−P(AB)
证:因
A
∪
B
=
A
∪
(
B
−
A
B
)
A \cup B=A \cup (B-AB)
A∪B=A∪(B−AB)且
A
(
B
−
A
B
)
=
ϕ
;
A
B
⊂
B
A(B-AB)=\phi;AB \subset B
A(B−AB)=ϕ;AB⊂B故由定理2及定理3得:
P
(
A
∪
B
)
=
P
(
A
)
+
P
(
B
−
A
B
)
=
P
(
A
)
+
P
(
B
)
−
P
(
A
B
)
P(A \cup B)=P(A)+P(B-AB)=P(A)+P(B)-P(AB)
P(A∪B)=P(A)+P(B−AB)=P(A)+P(B)−P(AB)
将上式推广到多个事件,例如三个事件,则有:
P
(
A
1
∪
A
2
∪
A
3
)
=
P
(
A
1
)
+
P
(
A
2
)
+
P
(
A
3
)
−
P
(
A
1
A
2
)
−
P
(
A
2
A
3
)
−
P
(
A
1
A
3
)
+
P
(
A
1
A
2
A
3
)
P(A_1 \cup A_2 \cup A_3)=P(A_1)+P(A_2)+P(A_3)-P(A_1A_2)-P(A_2A_3)-P(A_1A_3)+P(A_1A_2A_3)
P(A1∪A2∪A3)=P(A1)+P(A2)+P(A3)−P(A1A2)−P(A2A3)−P(A1A3)+P(A1A2A3)
一般,对于任意n个事件
A
1
,
A
2
,
…
,
A
n
A_1,A_2,\dots, A_n
A1,A2,…,An可以用归纳为:
P
(
A
1
∪
A
2
⋯
∪
A
n
)
=
∑
i
=
1
n
P
(
A
i
)
−
∑
1
≤
i
<
j
≤
n
P
(
A
i
A
j
)
+
∑
1
≤
i
<
j
≤
n
P
(
A
i
A
j
A
k
)
+
⋯
+
(
−
1
)
n
−
1
P
(
A
1
A
2
…
A
n
)
P(A_1 \cup A_2 \dots \cup A_n)=\sum_{i=1}^{n}P(A_i)-\sum_{1 \le i<j \le n}P(A_iA_j)+\sum_{1 \le i<j \le n}P(A_iA_jA_k)+ \dots +(-1)^{n-1}P(A_1A_2 \dots A_n)
P(A1∪A2⋯∪An)=∑i=1nP(Ai)−∑1≤i<j≤nP(AiAj)+∑1≤i<j≤nP(AiAjAk)+⋯+(−1)n−1P(A1A2…An)
古典概型
-
设试验E的样本空间有有限多个样本点,即 Ω = { ω 1 , ω 2 , … , ω n } \Omega=\lbrace \omega_1,\omega_2,\ldots,\omega_n \rbrace Ω={ω1,ω2,…,ωn},且每个样本点出现的可能性相同,此试验即被成为古典概型
几何概型
-
若样本空间 Ω \Omega Ω可以构成n维空间中的一个有限区域G,而事件 A ⊂ Ω A\subset \Omega A⊂Ω构成了G中某一部分区域g则称 P ( A ) = g 的 测 度 G 的 测 度 P(A)=\frac{g的测度}{G的测度} P(A)=G的测度g的测度为事件A的几何概率,当 A = ϕ A=\phi A=ϕ时,规定 P ( A ) = 0 P(A)=0 P(A)=0
会面问题
甲、乙两人约定某日下午两点至下午两点半在某地会面,先到者等候15分钟后即离去,假设每人可在指定时间内任一时刻到达,试求两人能会面的概率
解:记下午两点为会面的起点时刻0,设x,y分别为甲、乙两人到达的时刻,A表示两人能会面,则A发生的充要条件是
∣
x
−
y
∣
≤
15
|x-y| \le 15
∣x−y∣≤15这个问题可归结为几何概型:向平面区域
Ω
=
{
(
x
,
y
)
∣
0
≤
x
,
y
≤
30
}
\Omega=\lbrace (x,y)|0 \le x,y \le 30 \rbrace
Ω={(x,y)∣0≤x,y≤30}内随机投点,事件A即点投入
Ω
\Omega
Ω中的区域
A
=
{
(
x
,
y
)
∣
∣
x
−
y
∣
≤
15
}
A=\lbrace (x,y)| |x-y| \le 15 \rbrace
A={(x,y)∣∣x−y∣≤15}中,于是
P
(
A
)
=
A
的
面
积
Ω
的
面
积
=
3
0
2
−
1
5
2
3
0
2
=
3
4
P(A)=\frac{A的面积}{\Omega的面积}=\frac{30^2-15^2}{30^2}=\frac{3}{4}
P(A)=Ω的面积A的面积=302302−152=43
条件概率
-
设A,B是事件,P(A)>0,已知事件A发生的条件下,事件B发生的概率,称为条件概率
条件概率公式:如果P(A)>0,则 P ( B ∣ A ) = P ( A B ) P ( A ) P(B|A)=\frac{P(AB)}{P(A)} P(B∣A)=P(A)P(AB)
全概率公式
定理7:设A与B是任意两个事件,假如
0
<
P
(
B
)
<
1
0<P(B)<1
0<P(B)<1,则
P
(
A
)
=
P
(
A
∣
B
)
P
(
B
)
+
P
(
A
∣
B
ˉ
)
P
(
B
ˉ
)
P(A)=P(A|B)P(B)+P(A|\bar{B})P(\bar{B})
P(A)=P(A∣B)P(B)+P(A∣Bˉ)P(Bˉ)
证:由
B
∪
B
ˉ
=
Ω
B \cup \bar{B}=\Omega
B∪Bˉ=Ω和事件运算性质有:
A
=
A
Ω
=
A
(
B
∪
B
ˉ
)
=
A
B
∪
A
B
ˉ
A=A\Omega=A(B \cup \bar{B})=AB \cup A\bar{B}
A=AΩ=A(B∪Bˉ)=AB∪ABˉ,显然
A
B
AB
AB与
A
B
ˉ
A\bar{B}
ABˉ是互不相容事件,由加法和乘法公式得:
P
(
A
)
=
P
(
A
B
)
+
P
(
A
B
ˉ
)
=
P
(
A
∣
B
)
P
(
B
)
+
P
(
A
∣
B
ˉ
)
P
(
B
ˉ
)
P(A)=P(AB)+P(A\bar{B})=P(A|B)P(B)+P(A|\bar{B})P(\bar{B})
P(A)=P(AB)+P(ABˉ)=P(A∣B)P(B)+P(A∣Bˉ)P(Bˉ)由于
P
(
B
)
P(B)
P(B)不为0和1,所以
P
(
B
ˉ
)
>
0
P(\bar{B})>0
P(Bˉ)>0从而上述两个条件概率
P
(
A
∣
B
)
P(A|B)
P(A∣B)与
P
(
A
∣
B
ˉ
)
P(A|\bar{B})
P(A∣Bˉ)都是有意义的
-
把样本空间 Ω \Omega Ω分为n个事件 B 1 , B 2 , … , B n B_1,B_2,\dots,B_n B1,B2,…,Bn若
(1) P ( B i ) > 0 , i = 1 , 2 , … , n P(B_i)>0,i=1,2,\dots,n P(Bi)>0,i=1,2,…,n
(2) B 1 , B 2 , … , B n B_1,B_2,\dots,B_n B1,B2,…,Bn互不相容
(3) ∪ i = 1 n B i = Ω \cup_{i=1}^nB_i=\Omega ∪i=1nBi=Ω则称事件组 B 1 , B 2 , … , B n B_1,B_2,\dots,B_n B1,B2,…,Bn为样本空间 Ω \Omega Ω的一个分割