基本概念
1.随机试验和随机事件
定义1.1 随机试验:在相同条件下对某随机现象进行的大量重复观测的实验。
例子1.1.1 掷一枚硬币,观察正反面出现的情况;
例子1.1.2 将一枚硬币连续抛
n
n
n次,观察正反面出现的情况;
定义1.2 随机事件: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)。
例子1.2.1 在抛掷一枚均匀硬币的试验中,“正面向上”是一个随机事件;
例子1.2.2 在连续抛掷一枚硬币
n
n
n次的试验中,“正面向上
5
5
5次”是一个随机事件;
定义1.3 样本空间:随机事件
E
E
E的所有基本结果组成的集合为
E
E
E的样本空间。样本空间的元素称为样本点或基本事件。
例子1.3.1 设随机试验
E
E
E为“抛一颗骰子,观察出现的点数”。那么
E
E
E的样本空间
S
S
S:{
1
,
2
,
3
,
4
,
5
,
6
1,2,3,4,5,6
1,2,3,4,5,6};
例子1.3.2 设随机试验
E
E
E为“抛一枚硬币,观察出现的正面还是反面”。那么
E
E
E的样本空间
S
S
S:{正面,反面};
2.概率
定义2.1 概率: 反映随机事件出现的可能性大小的量度。设
E
E
E是随机试验,
S
S
S是它的样本空间。对于E的每一事件A赋于一个实数,记为
P
r
(
A
)
Pr(A)
Pr(A),称为事件
A
A
A的概率。
计算方法:
P
r
(
T
)
=
M
/
N
Pr(T) = M/N
Pr(T)=M/N
例子2.1.1 抛掷一枚均匀硬币,正面朝上的概率为
1
2
\frac{1}{2}
21
例子2.1.2 生日悖论: 如果一个房间里有
23
23
23个或
23
23
23个以上的人,那么至少有两个人的生日相同的概率要大于
50
50%
50。不计特殊的年月,如闰二月。对于已经确定的个人,生日不同的概率会发生变化,先计算房间里所有人的生日都不相同的概率,那么:
- 第一个人的生日是 365 365 365 选 365 365 365
- 第二个人的生日是 365 365 365 选 364 364 364
- 第三个人的生日是 365 365 365 选 363 363 363
- … … … … … … … … … … …
- 第n个人的生日是 365 365 365 选 365 − ( n − 1 ) 365-(n-1) 365−(n−1)
所以所有人生日都不相同的概率是:
P
r
(
所
有
人
生
日
都
不
相
同
)
=
365
365
×
364
365
×
363
365
×
362
365
×
.
.
.
.
.
.
×
365
−
(
n
−
1
)
365
Pr(所有人生日都不相同)=\frac{365}{365}\times\frac{364}{365}\times\frac{363}{365}\times\frac{362}{365}\times......\times\frac{365-(n-1)}{365}
Pr(所有人生日都不相同)=365365×365364×365363×365362×......×365365−(n−1)
那么,
n
n
n个人中有至少两个人生日相同的概率就是:
P
r
(
至
少
两
个
人
生
日
相
同
)
=
1
−
365
365
×
364
365
×
363
365
×
362
365
×
.
.
.
.
.
.
×
365
−
(
n
−
1
)
365
Pr(至少两个人生日相同)=1-\frac{365}{365}\times\frac{364}{365}\times\frac{363}{365}\times\frac{362}{365}\times......\times\frac{365-(n-1)}{365}
Pr(至少两个人生日相同)=1−365365×365364×365363×365362×......×365365−(n−1)
所以当
n
=
23
n=23
n=23的时候,概率约为
0.507
0.507
0.507
当
n
=
100
n=100
n=100的时候,概率约为
0.999999692751072
0.999999692751072
0.999999692751072
定义2.2 随机变量 :表示随机试验各种结果的实值单值函数(映射关系)
定义2.3 几何分布 :在
n
n
n次随机试验中,试验
k
k
k次才得到第一次成功的机率。详细地说是:前
k
−
1
k-1
k−1次皆失败,第
k
k
k次成功的概率。
计算方法:
P
r
(
X
=
k
)
=
(
1
−
p
)
k
−
1
×
p
Pr(X=k)=(1-p)^{k-1}\times p
Pr(X=k)=(1−p)k−1×p
例子2.3.1:
例子2.3.2:
定义2.4 二项分布
3.期望
定义3.1 期望:试验中每次可能结果的概率乘以其结果的总和,反映随机变量平均取值的大小。类似加权平均数。
例子3.1.1
例子3.1.2 几何分布的期望
几何分布的期望