数学基础之概率论（1）——基础知识

最新推荐文章于 2020-06-03 21:47:09 发布

ackindman

最新推荐文章于 2020-06-03 21:47:09 发布

阅读量484

点赞数 1

分类专栏： Programming学习笔记

本文链接：https://blog.csdn.net/weixin_44650011/article/details/104223789

版权

Programming学习笔记专栏收录该内容

12 篇文章 0 订阅

订阅专栏

数学基础之概率论（1）——基础知识

声明写在开头，这里介绍的仅仅只是有关概率论的简单知识，如果想要进行深入了解，我个人使用的教材是浙江大学的概率论与数理统计，B站上也有相应的网课。

1、随机现象
在个别试验中结果呈现出不确定性，在大量重复试验中结果又具有统计规律性。

2、随机试验
对随机现象的观察具有一下3个特点的实验：
a. 可在相同条件下重复进行；
b. 试验结果可能不止一个，但是可以明确指出所有的可能结果；
c. 试验前无法确定最后的结果。
随机试验通常可以简称为试验。

3、样本空间
一个随机试验的所有可能结果组成的集合，记为 $\Omega=\{\omega\},$ 有时也记为 $S=\{e\}$ 。

4、样本点
试验的每一个结果或者样本空间的每个元素，记为 $\omega$ 或者 $e$ 。

5、事件
试验中可能出现也可能不出现的情况叫做随机事件，可以简称为事件，事件本质上是样本空间的一个子集，记为 $A 、 B 、 C$ 等，有 $A\subseteq S$ 。

6、事件之间的关系
a. $A\subset B$ （包含关系）： $A$ 发生必然导致 $B$ 发生。有等价关系： $\Leftrightarrow A\subset B$ 且 $B\subset A$ 。

b. $A\cup B$ （和事件）： $A$ 与 $B$ 的并，即事件 $A$ 与 $B$ 至少有一个发生。
$∪i=1nAi \cup^{n}_{i=1}A_{i}$ ： $n$ 个事件 $A_{1},A_{2},···,A_{n}$ 至少有一个发生。

c. $A\cap B$ （积事件）： $A$ 与 $B$ 的交，即 $A$ 与 $B$ 都发生。
$∩i=1nAi \cap^{n}_{i=1}A_{i}$ ： $n$ 个事件 $A_{1},A_{2},···,A_{n}$ 同时发生。

d. $A\setminus B(A-B)$ （差事件）：事件 $A$ 发生，而 $B$ 不发生。

e. $\varnothing$ （空集）：不可能事件。

f. $A\cap B=\varnothing$ （互斥）：事件 $A$ 和 $B$ 不可能同时发生。

g. $A\cup B=S$ 且 $A\cap B=\varnothing$ （互逆）：事件 $A$ 与 $B$ 不可能同时发生，但必有一个发生。

h. $A^{c}$ （补集）： $A$ 的补集，即 $A$ 不发生。

7、事件的运算
a. 交换律：
$A\cup B=B\cup A, A\cap B=B\cap A$
b. 结合律：
$(A\cup B)\cup C=A\cup(B\cup C)$
$(A\cap B)\cap C=A\cap(B\cap C)$
c. 分配律：
$(A\cup B)\cap C=(A\cap C)\cup(B\cap C)$
$(A\cap B)\cup C=(A\cup C)\cap(B\cup C)$
d. 德摩根率：
$(A\cup B)^{c}=(A^{c})\cap(B^{c})$
$(A\cap B)^{c}=(A^{c})\cup(B^{c})$

8、频数与频率
在相同条件下，进行 $n$ 次试验，在这 $n$ 次试验中事件 $A$ 发生的次数 $n_{A}$ ，称为事件 $A$ 发生的频数，比值 $\frac{n_{A}}{n}$ 称为事件 $A$ 发生的频率，记为 $f_{n}(A)$ ，即 $f_{n}(A)=\frac{n_{A}}{n}$ 。
频率有如下5条性质：
a. $0\leqslant f_{n}(A)\leqslant 1$ ；
b. $f_{n}(S)=1,f_{n}(\varnothing)=0$ ；
c. 可加性：若 $A_{1},A_{2},···,A_{k}$ 两两不相容，则 $f_{n}(A_{1}\cup A_{2}\cup···\cup A_{k})=f_{n}(A_{1})+···+f_{n}(A_{k})$ ；
d. 随机波动性：对于同样的 $n$ ，所得的 $f_{n}$ 不一定相同；
e. 当 $n$ 充分大时，具有稳定性。

9、概率的定义
概率的统计定义：
实践证明，当试验次数 $n$ 增大时， $f_{n}(A)$ 逐渐趋向一个稳定值，可将此稳定值记为 $P (A)$ ，作为事件 $A$ 的概率。

概率的公理化定义：
若对随机试验 $E$ 所对应的样本空间 $S$ 中的每一个事件 $A$ ，均赋予一实数 $P (A)$ ，集合函数 $P (A)$ 满足条件：
$(1)$ 非负性： $P(A)\geqslant 0$ ；
$(2)$ 规范性： $P (S) = 1$ ；
$(3)$ 可列可加性：设 $A_{1},A_{2},A_{3}···$ 是一系列两两无关的事件，即 $A_{i}\cap A_{j}=\varnothing,(i\neq j$ 且 $i, j = 1, 2, 3, \cdot \cdot \cdot)$ ，有
$P(\cup_{k=1}^{\infty}A_{k})=\sum_{k=1}^{\infty}P(A_{k})$ ，
则称 $P (A)$ 为事件 $A$ 的概率。

10、概率的性质
a. $P(\varnothing)=0$ 。

b. 若 $A_{1},A_{2},···,A_{n}$ 是两两无关的事件，则有 $P(A_{1}\cup A_{2}\cup···\cup A_{n})=P(A_{1})+P(A_{2})+···+P(A_{n})$ （概率的有限可加性）。

c. 单调不减性：设 $A, B$ 为两个事件，且 $A\subset B$ ，则 $P(A)\leqslant P(B),P(B-A)=P(B)-P(A)$ 。

d. 事件差的公式：对于任意事件 $A, B$ ，有
$P(A-B)=P(A)-P(A\cap B)$ 。

e. 互补公式：对于任意事件 $A$ ，有 $P(A^{c})=1-P(A)$ 。

f. 加法公式：对于任意事件 $A, B$ ，有
$P(A\cup B)=P(A)+P(B)-P(A\cap B)$
推广可得 $n$ 个事件和的情况：
$P(\cup_{i=1}^{n}A_{i})=\sum_{i=1}^{n}P(A_{i})-\sum_{1\leqslant i<j\leqslant n}P(A_{i}\cap A_{j})+\sum_{1\leqslant i<j<k\leqslant n}P(A_{i}\cap A_{j}\cap A_{k})+···+(-1)^{n-1}P(A_{1}\cap A_{2}\cap···\cap A_{n})$ 。

11、古典概型
若试验 $E$ 满足
$(1)$ 有限性：样本空间 $S=\{e_{1},e_{2},···,e_{n}\}$ ；
$(2)$ 等可能性：（公认） $P(e_{1})=P(e_{2})=···=P(e_{n})$ 。
则称 $E$ 为古典概型，也称为等可能概型。

在古典概型中，设事件 $A$ 中所含样本点个数为 $N (A)$ ，以 $N (S)$ 记样本空间 $S$ 中样本点总数，则有 $P(A)=\frac{N(A)}{N(S)}$ 。 $P (A)$ 具有如下性质：
$(1)$ $0\leqslant P(A) \leqslant 1$ ；
$(2)$ $P(S)=1,P(\varnothing)=0$ ；
$(3)$ $A\cap B=\varnothing,$ 则 $P(A\cup B)=P(A)+P(B)$ 。

古典概型的几类基本问题：
$(1)$ 摸球问题
$(2)$ 分球入盒问题
$(3)$ 分组问题
$(4)$ 随机取数问题
$(5)$ 抽签问题

12、排列与组合的基本概念
a. 乘法定理：设完成一件事需要分两步，第一步有 $n_{1}$ 种方法，第二步有 $n_{2}$ 种方法，则完成这件事共有 $n_{1}n_{2}$ 种方法。

b. 加法定理：设完成一件事可有两种途径，第一种途径有 $n_{1}$ 种方法，第二种途径有 $n_{2}$ 种方法，则完成这件事共有 $n_{1}+n_{2}$ 种方法。

c. 有重复排列：从含有 $n$ 个元素的集合中随机抽取 $k$ 次，每次取一个，记录结果后放回，将记录结果排成一列。共有 $n^{k}$ 种排列方式。

d. 无重复排列：从含有 $n$ 个元素的集合中随机抽取 $k$ 次，每次取一个，取后不放回，将所取元素排成一列。共有 $A^{k}_{n}=n(n-1)(n-2)···(n-k+1)$ 种排列方式。

e. 组合：从含有 $n$ 个元素的集合种随机抽取 $k$ 个，共有
$C_{n}^{k}=(^{n}_{k})=\frac{A^{k}_{n}}{k!}=\frac{n!}{k!(n-k)!}$ 种取法。

13、条件概率
a. 符号解释：
在已知事件 $A$ 发生的条件下，事件 $B$ 发生的概率称为 $A$ 发生条件下 $B$ 发生的条件概率，记为 $P (B ∣ A)$ 。

b. 条件概率定义：
一般的，设 $A, B$ 是 $S$ 中的两个事件， $P(A)\neq 0$ ，则
$P(B|A)=\frac{P(A\cap B)}{P(A)}$
称为事件 $A$ 发生的条件下事件 $B$ 发生的条件概率。

c. 条件概率性质： $(P(A)\neq0)$
$(1)$ $P(B|A)\geqslant0$ ；
$(2)$ $P (S ∣ A) = 1$ ；
$(3)$ 对一系列两两无关的事件 $A_{1},A_{2},A_{3}···$ ，有
$P(A_{1}\cup A_{2}\cup···|A)=P(A_{1}|A)+P(A_{2}|A)+···$

d. 乘法公式：设 $A, B$ 为两事件， $P (A) > 0$ ，则 $P(A\cap B)=P(A)P(B|A)$ ，并且该公式可以推广为： $P(A_{1}\cap A_{2}\cap···\cap A_{n})=P(A_{1})P(A_{2}|A_{1})···P(A_{n}|A_{1}\cap A_{2}\cap···\cap A_{n-1})$ 。

14、独立性
a. 两个事件的独立性：设 $A, B$ 是两个事件，若 $P(A\cap B)=P(A)P(B)$ ，则称事件 $A$ 与 $B$ 相互独立，简称独立。
定理：以下四种情形等价
$(1)$ 事件 $A, B$ 相互独立；
$(2)$ 事件 $A^{c},B$ 相互独立；
$(3)$ 事件 $A,B^{c}$ 相互独立；
$(4)$ 事件 $A^{c},B^{c}$ 相互独立。

b. 多个事件的独立性：一般的，设 $A_{1},A_{2},···,A_{n}$ 是 $n$ 个事件，如果对任意 $k(1<k\leqslant n)$ ，任意的 $1\leqslant i_{1}<i_{2}<···<i_{k}\leqslant n$ ，具有等式
$P(A_{i_{1}}\cap A_{i_{2}}\cap···\cap A_{i_{k}})=P(A_{i_{1}})P(A_{i_{2}})···P(A_{i_{k}})$ ，
则称 $n$ 个事件 $A_{1},A_{2},···,A_{n}$ 相互独立。

15、全概率公式与贝叶斯公式
a. 划分的定义：事件组 $A_{1},A_{2},···,A_{n}(n$ 可为 $\infty)$ ，称为样本空间 $S$ 的一个划分，如果满足：
$(1)$ $\cup_{i=1}^{n}A_{i}=S$ ；
$(2)$ $A_{i}A_{j}=\varnothing,(i\neq j$ 且 $i, j = 1, 2, \cdot \cdot \cdot, n)$ 。
即 $A_{1},A_{2},···,A_{n}$ 任意两个不可能同时发生，但必有一个发生。

b. 全概率公式：设 $A_{1},A_{2},···,A_{n}$ 是 $S$ 的一个划分，且 $P(A_{i})>0,(i=1,2,···,n)$ ，则对任何事件 $B$ 有
$P(B)=\sum_{i=1}^{n}P(A_{i})P(B|A_{i})$ ，
上式即称为全概率公式。

c. 贝叶斯公式：设 $A_{1},A_{2},···,A_{n}$ 是 $S$ 的一个划分，且 $P(A_{i})>0,(i=1,2,···,n)$ ，则对任何事件 $B ， P (B) > 0$ ，有
$P(A_{j}|B)=\frac{P(A_{j})P(B|A_{j})}{\sum_{i=1}^{n}P(A_{i})P(B|A_{i})},(j=1,2,···,n)$ ，
上式即称为贝叶斯公式。

ackindman

关注

1
点赞
踩
2

收藏

觉得还不错? 一键收藏
0
评论
数学基础之概率论（1）——基础知识

数学基础之概率论声明写在开头，这里介绍的仅仅只是有关概率论的简单知识，如果想要进行深入了解，我个人使用的教材是浙江大学的概率论与数理统计，B站上也有相应的网课。事件与概率【概念】1、随机现象：在个别试验中结果呈现出不确定性，在大量重复试验中结果又具有统计规律性。2、随机试验：对随机现象的观察具有一下3个特点的实验：a. 可在相同条件下重复进行；b. 试验结果可能不止一个，但是可以明确...
复制链接

扫一扫