概率统计学习笔记——1.随机事件与随机变量

概率统计学习笔记——1.随机事件与随机变量

注： 由于这都是《概率论与数理统计》一书中的知识，那么这里就不再过多重复阐述有关的概念定义了，我们整理一下其中重要的知识点。

---

一、随机事件

1.基本概念：

随机现象 、 样本空间 $\Omega$ 、 样本点 $\omega$ 、 随机事件 、必然事件（ $\Omega$就是一个必然事件）、不可能事件

---

2.概率：

主要性质：

• 对于任一事件$A$，均有$P(\overline{A})=1-P(A)$.
• 对于两个事件$A$和$B$，若$A\subset B$，则有
  $P(B-A)=P(B)-P(A),P(B)>P(A)$.
• 对于任意两个事件$A$和$B$，有
  $P(A\cup B)=P(A)+P(B)-P(A\cap B)$.

---

3.等可能概型（古典概型）

古典概型概率公式：
若事件 $A$ 包含个$m$ 个样本点，则事件 $A$ 的概率定义为：
$P(A)=\frac{m}{n}=\frac{事件A包含的基本事件数}{基本事件总数}$。

概率论的历史上有一个颇为著名的问题生日问题：求 k 个同班同学没有两人生日相同的概率，就是一个古典概型。视一年365天，那么他们的生日各不同的概率为 $\frac{365\ast 364\ast ...\ast (365-k+1)}{365^k}$,普遍性地写成公式：
$P(A)=\frac{C_l^k\ast k！}{l^k}=\frac{l！}{l^k\ast （l-k）!}$

编写一段简单Python来解决生日问题：

#只要稍加修改或者包装成一个函数就可以实现类似问题的求解
#我们采用函数的递归的方法计算阶乘：
def factorial(n):
    if n == 0:
        return 1;
    else:
        return (n*factorial(n-1))

l_fac = factorial(365);          #l的阶乘
l_k_fac = factorial(365-40)      #l-k的阶乘
l_k_exp = 365**40                #l的k次方


P_B =  l_fac /(l_k_fac * l_k_exp)     #P(B）
print("事件B的概率为：",P_B)
print("40个同学中至少两个人同一天过生日的概率是：",1 - P_B)

---

4.条件概率

条件概率公式：
设 $A$ 和 $B$ 是两个事件，且$P(B)>0$，称
$$P(A|B)=\frac{P(AB)}{P(B)}$$ 为在事件 $B$ 发生的条件下，事件 $A$ 发生的概率。

---

5.全概率公式和贝叶斯公式

• 重要的知识认知：

  • 概率乘法公式：
    $P(AB)=P(B|A)P(A)=P(A|B)P(B)$
  • 如果事件组，满足
  1. $B_1,B_2,...$ 两两互斥，即 B i ∩ B j = ϕ ， i ≠