目录
1.随机试验
随机现象:在个别试验中其结果呈现出不确定,在大量实验中其结果又具有统计规律性的现象。
概率论与数理统计研究的对象是随机现象。概率论是研究随机现象的模型(即概率分布),数理统计是研究随机现象的数据收集与处理。
将具有以下三个特点的试验称为随机试验:
(1)可以在相同的条件下重复;
(2)每次试验的可能结果不止一个,并且能事先明确试验的所有可能的结果;
(3)进行一次试验之前不能确定哪一个结果会出现。
2.样本空间
随机现象的一切可能基本结果组成的集合称为样本空间,记为 Ω = { ω } , 其 中 ω \Omega = \{ \omega\},其中\omega Ω={
ω},其中ω表示基本 结果,又称样本点.
离散样本空间:样本的个数为有限个或可列个
连续样本空间:样本点的个数为不可列无限个
3.随机事件
随机现象的某些样本点组成的集合,即样本空间 Ω \Omega Ω的子集称为随机事件。
4.基本事件
由样本空间 Ω \Omega Ω中的单个元素组成的子集称为基本事件。
5.频率
在n次重复试验中,记n(A)为事件A出现的次数,又称n(A)为事件A的频数,称 f n ( A ) = n ( A ) n f_n(A)= \frac{n(A)}{n} fn(A)=nn(A)为事件A出现的频率。
6.概率
概率的公理化定义:
设 Ω 为 一 个 样 本 空 间 , F 为 Ω 的 某 些 子 集 组 成 的 一 个 事 件 域 。 如 果 对 任 意 事 件 A ∈ F , 定 义 在 F 上 的 一 个 实 值 函 数 P ( A ) 满 足 : \Omega为一个样本空间,{\mathcal{F}}为 \Omega 的某些子集组成的一个事件域。如果对任意事件A \in {\mathcal{F}},定义在{\mathcal{F}}上的一个实值函数P(A)满足: Ω为一个样本空间,F为Ω的某些子集组成的一个事件域。如果对任意事件A∈F,定义在F上的一个实值函数P(A)满足:
(1)非负性: 若 A ∈ F , 则 P ( A ) ≥ 0 若A\in {\mathcal{F}},则P(A) \geq 0 若A∈F,则P(A)≥0,
(2)正则性: P ( Ω ) = 1 P(\Omega)=1 P(Ω)=1
(3)可列可加性: 若 A 1 , A 2 , . . . , A n . . . 互 补 相 容 , 则 若A_1,A_2,...,A_n...互补相容,则 若A1,A2,...,An...互补相容,则
P ( ⋃ i = 1 ∞ A i ) = ∑ i = 1 ∞ P ( A i ) P(\bigcup_{i=1}^{\infty}A_i)= \sum_{i=1}^{\infty}P(A_i) P(i=1⋃∞Ai)=i=1∑∞P(Ai)
则称P(A)为事件A的概率,称三元素 ( Ω , F , P ) (\Omega,{\mathcal{F}},P) (Ω,F,P)为概率空间。
简而言之,概率就是定义在事件域上满足非负、规范、可列可加性的实值函数。
而随机变量是定义在样本空间上的实值函数。
7.古典概型
确定概率的古典方法是概率论史上最先开始研究的情形,它简单直观不需要做大量重复试验,而是在经验事实的基础上,对被考察事件的可能性进行逻辑分析后得出该事件的概率。
古典概型的基本思想:
(1)所涉及的随机现象只有有限个样本点。
(2)每个样本点发生的可能性相等。
(3)若事件A 含有k个样本点,则事件A的概率为:
P ( A ) = 事 件 A 所 含 样 本 点 的 个 数 Ω 中 所 含 样 本 点 的 个 数 = k n P(A) = \frac{事件A所含样本点的个数}{\Omega 中所含样本点的个数}= \frac{k}{n} P(A)=Ω中所含样本点的个数事件A所含样本点的个数=nk
容易验证,上式确定的概率满足概率的公理化定义。
8.A的对立事件 A ˉ \bar{A} Aˉ及其概率
P ( A ˉ ) = 1 − P ( A ) P(\bar{A}) = 1-P(A) P(Aˉ)=1−P(A)
9.两个互不相容事件的和事件的概率
A 1 , A 2 互 不 相 容 , 则 P ( A 1 ⋃ A 2 ) = P ( A 1 ) + P ( A 2 ) A_1,A_2互不相容,则P(A_1 \bigcup A_2) = P(A_1) + P(A_2) A1,A2互不相容,则P(A1⋃A2)