概率论相关

概率的加法公式

概率的加法公式为，如果A、B是互斥事件，则满足：

P(A∪B)=P(A)+P(B)

但如果A、B两个事件不是互斥事件，则满足：

P(A∪B)=P(A)+P(B)-P(A∩B)

 例：骰子
  事件Ａ＝｛２，４，６｝
  事件Ｂ＝｛３，６｝
  Ａ∪Ｂ＝｛２，３，４，６｝
  那么，Ａ∪Ｂ的概率为：

P(A∪B)=P(A)+P(B)-P(A∩B)

P(A∪B)=\frac3{6}+\frac2{6}-\frac1{6}=\frac2{3}

条件概率

以发生事件B为前提，发生事件A的概率为条件概率，表达式为：
$$P(A|B)=\frac{P(A\cap B)}{P(B)}$$
 例：骰子
  事件Ａ为出现2的倍数＝｛２，４，６｝
  事件Ｂ大于3的数＝｛4，5，６｝
  Ａ∩Ｂ＝｛４，６｝
  那么，Ａ∩B的概率为：
$$P(A|B)=\frac{P(A\cap B)}{P(B)}$$
$$P(A|B)=\frac{\frac{1}{3}}{\frac{1}{2}}=\frac{2}{3}$$

概率的乘法公式

以条件概率公式变形。A∩B的概率为
$$P(A\cap B)=P(A)\ast P(A|B)$$
按照前面实例，A∩B的概率为：
$$P(A\cap B)=\frac{1}{2}\times \frac{2}{3}=\frac{1}{3}$$

独立事件

事件A、B任一一个事件发生后，不会印象另外一个事件的发生。
比如投骰子
$$P(A|B)=P(A)$$

随机变量与样本值

投一次骰子，样本空间Ω={正，反}，
设定结果为正面，那么：
$$X(正)=1，X（反）=0$$
X称为随机变量，随机变量法经常省略括号，多用小写来表示。
描述上述案例的表达式：
$$P(X=1)=\frac{1}{2}$$

离散型概率分布与概率质量函数

离散随机变量X，每个样本值对应的概率为：
$$P(X=x_i)=f(x_i),i=1,2,...$$
X是离散型概率分布，f(x_i)为概率质量函数。概率质量函数有两大特性：

1. 概率不小于0
   $$0\le f(x_i),i=1,2,...$$
2. 所有函数值的和为1
   $$\sum _{i=1}^{\infty }f(x_i)=1$$

连续型概率分布与概率密度函数

概率密度可以大于1。
概率密度等于一段区间(事件的取值范围)的概率除以该段区间的长度，它的值是非负的，可以很大也可以很小。

概率密度不能是负值

$$f(x)\ge 0，x\in (-\infty ,\infty )$$

在正负无穷大区间内取积分结果为1

$${\int }_{-\infty }^{\infty }f(x)dx=1$$

概率密度总和与概率密度的积分

离散数据通过概率的总和来得到各种事件概率（详见概率质量函数）。
连续数据通过概率密度的积分来得到事件概率。
Eg：
离散数据，1条、2条、3条鱼
$$P(1\le X\le 3）=\sum _{i=1}^{3}f(x_i)=1$$
连续数据，体长1.5cm,体长2.2cm的鱼
$$P(1\le X\le 3）={\int }_1^{3}f(x)dx=1$$

积分与面积的关系

将用来求面积的区间分为n个，
用△x表示底边长度，
将第i个变量记为x_i
概率密度函数就是f（x_i）
那么，矩形面积之和为：
$$矩形面积之和=\sum _{i=1}^{n}f(x_i)\times \Delta x$$
当n→∞，上述面积之和就是积分，表示为：
$${\lim }_{n\to \infty }[\sum _{i=1}^{n}f(x_i)\times \Delta x]={\int }_a^{b}f(x)dx$$
离散变量用加法，连续变量用积分

独立同分布

指随机过程中，任何时刻的取值都为随机变量，如果这些随机变量服从同一分布，并且互相独立，那么这些随机变量是独立同分布。对离散随机变量具有相同的分布律，对连续随机变量具有相同的概率密度函数，有着相同的分布函数，相同的期望、方差。如实验条件保持不变，一系列的抛硬币的正反面结果是独立同分布。

使用正态分布的概率密度函数计算概率

求体长不小于4cm且不大约5cm的概率，有概率密度函数在4到5的区间上取积分求得。转化为求-∞到5上的积分减去-∞到4的积分。需要知道均值与方差两个参数。

使用概率密度计算期望值

计算连续变量的期望值，必须计算积分。
$$\begin{gathered} \mu ={\int }_{-\infty }^{\infty }f(x)\times xdx \\ ={\int }_{-\infty }^{\infty }N(x|\mu ,{\sigma }^2)\times xdx \end{gathered}$$
在正态分布中，积分的结果就是μ。