随机事件和随机变量

第一部分
1、随机现象：在一定条件下，一件事件，所得的结果不能预先完全确定，而只能确定是多种可能结果中的一种。
2、随机试验：实现随机现象的过程，记为E。
3、随机试验满足三个条件：
（1）可以在相同条件下重复进行；
（2）结果有多种可能性，并且所有可能结果事先已知；
（3）作一次试验究竟哪个结果出现，事先不能确定。
4、样本空间：随机试验的所有可能结果组成的集合。记为Ω
5、样本点：试验的每一个可能结果。记为ω
6、随机事件：样本空间Ω中满足一定条件的子集。用大写字母A,B,C…表示。PS：随机事件在随机试验中可能出现也可能不出现。
7、概率：随机试验E的样本空间为Ω，对于每个事件A，定义一个实数P(A)与之对应。
若函数P()满足条件：
（1）对每个事件A，均有0<P(A)<=1;
（2）P(Ω)=1;
（3）若事件A1，A2，A3，…两两互斥，即对于i不等于j,Ai∩Aj​=ϕ，均有
P(A1∪A2∪…)=P(A1)+P(A2)+…
则称P(A)为事件A的概率。
8、古典概型：设随机事件E的样本空间中只有有限个样本点，即Ω={ω1,ω2,…,ωn}，其中，n为样本点的总数。每个样本点ωi(i=1,2,…,n)出现是等可能的，并且每次试验有且仅有一个样本点发生。
9、古典概型计算要点：关键在于求出样本空间中样本点总数及事件A所包含的样本点个数。
10、条件概率：
（1）已知事件A发生的条件下，事件B发生的概率称为A条件下B的条件概率。

（2）当给定条件发生变化后，会导致事件发生的可能性发生变化。
11、全概率公式
（1）概率的乘法公式。

（2）样本空间划分

（3）全概率公式

（4）全概率就是表示达到某个目的，有多种方式（或者造成某种结果，有多种原因），问达到目的的概率是多少（造成这种结果的概率是多少）？
12、贝叶斯公式
（1）贝叶斯公式

（2）贝叶斯公式就是当已知结果，问导致这个结果的第i原因的可能性是多少？执果索因！
图1 全概率公式的例子

第二部分
1、随机变量
（1）设E是随机试验，Ω是样本空间。如果对于每一个ω∈Ω，都有一个确定的实数X(ω)与之对应，若对于任意实数x∈R，有｛ω：X（ω）<x｝∈F，则称上的单值实函数X(ω)为一个随机变量。
（2）将随机试验的结果与实数对应起来。
（3）随机变量是定义在样本空间Ω，取值在实数域上的函数。
（4）自变量是随机试验的结果，而随机试验结果的出现具有随机性，因此，随机变量的取值也具有一定的随机性。
2、随机变量的分布函数

3、离散型随机变量
（1）随机变量X的全部可能取值只有有限多个或可列无穷多个，则称X为离散型随机变量。
（2）离散型随机变量 X 的分布律

4、离散型随机变量的分布函数

5、伯努利试验

6、数学期望
（1）离散型
设离散型随机变量X的分布律为P{X=xi}=pi,i=1，2，…，若级数∑i|xi|pi收敛，（收敛指会聚于一点，向某一值靠近，相对于发散）。则称级数∑i|xi|pi的和为随机变量X的数学期望。记为E(X)。

（2）连续型
设连续型随机变量X的概率密度函数为f(x) ,若积分 ∫+∞−∞|x|f(x)dx收敛，称积分 ∫+∞−∞|x|f(x)dx的值为随机变量X的数学期望，记为E(X) 。

7、方差

8、协方差和相关系数
（1）协方差和相关系数都是描述随机变量X与随机变量 Y之间的线性联系程度的数字量。
（2）协方差


（3）相关系数


（4）相关系数来衡量两个变量之间的相关程度。

感谢datawhale组织的活动。