概率统计 第一章 随机事件的概率 2021.9.13

今天讲完概率统计的第一章了。概率统计从中学就开始学，暑假又听了一套网课，但是掌握情况还是达不到最理想。可能就是因为心里缺少一个完整而又清晰的体系架构。所以做一个知识梳理，希望能达到提纲挈领的效果吧。

1.1 随机事件与样本空间

1.随机试验与随机事件

2.样本空间

3.随机事件的关系和运算

关系：

不相容/互斥

互逆/对立

运算：

1. 交换律
2. 结合律
3. 分配律
4. 德摩根公式

1.2 古典概率 几何概率 统计概率

1.古典概型与概率的古典定义

定义1（古典型随机事件）

有限个基本事件

每个基本事件发生等可能

定义2（古典概率）

$$P(A)=\frac{k}{n}=\frac{事件A所包含基本事件的个数}{基本事件总数}$$

古典概率的性质

1. 非负性：对任意事件A，$0\le P(A)\le 1$成立
2. 规范性：$P(S)=1$
3. 有限可加性：若事件$A_1,A_2,...,A_m$互不相容，则有

$$P(\sum _{i=1}^m{A}_i)=\sum _{i=1}^{m}P(A_i)$$

4. $P(\overline{A})=1-P(A)，P(A)=1-P(\overline{A})$

几个记号规定

1. 排列数$A_n^k$
2. 全排列数$P_n$
3. 组合数$C_n^k$

2. 几何概型与概率的几何定义

定义3（几何概率）

$$P(A)=\frac{L(A)}{L(C)}$$

L(A)：事件A的度量

几何概率的性质

1. 非负性：对任意事件A，$0\le P(A)\le 1$成立
2. 规范性：$P(S)=1$
3. 有限可加性：若事件$A_1,A_2,...,A_m$互不相容，则有

$$P(\sum _{i=1}^m{A}_i)=\sum _{i=1}^{m}P(A_i)$$

4. 可列可加性（完全可加性）：若事件$A_1,A_2,...,A_n,...$互不相容，则有

$$P(\sum _{n=1}^{+\infty }{A}_n)=\sum _{n=1}^{+\infty }P(A_n)$$

3.概率的统计定义

引进：事件不是等可能的情形

定义4（频率）

$$f_n(A)=\frac{n_A}{n}$$

n：发生的次数

频率的性质

1. 非负性：对任意事件A，$0\le f_n(A)\le 1$成立
2. 规范性：$f_n(S)=1$
3. 有限可加性：若事件$A_1,A_2,...,A_m$互不相容，则有

$$P(\sum _{i=1}^m{A}_i)=\sum _{i=1}^{m}P(A_i)$$

频率稳定性的观察发现与首创验证

定义5（统计概率/经验概率）

$$P(A)=p$$

概率近似求法

$$\begin{gathered} P(A)约等于f_n(A)=\frac{n_A}{n} \\ (或写成\underset{n\to \infty }{\lim }{f}_n(A)=P(A)) \end{gathered}$$

1.3 概率的公理化定义

事件域F

定义（概率测度函数）

1.4 条件概率与乘法公式

1.条件概率的概念

定义（条件概率）

$$\begin{gathered} 在事件B发生的条件下事件A发生的概率： \\ P(A|B)=\frac{P(AB)}{P(B)} \\ 其中P(B)>0 \end{gathered}$$

条件概率的性质：

1. 非负性
2. 规范性
3. 可列可加性（此时B不变，A从A_1取到A_n）
4. 对任意事件A，有$P(\overline{A}|B)=1-P(A|B)$

2.乘法公式

$$\begin{gathered} P(AB)=P(B)P(A|B),(P(B)>0); \\ P(AB)=P(A)P(B|A),(P(A)>0). \end{gathered}$$

乘法公式的推广：
$$\begin{gathered} P(A_1{A}_2\cdot \cdot \cdot A_n)=P(A_1)P(A_2|A_1)P(A_3|A_1{A}_2)\cdot \cdot \cdot P(A_n|A_1{A}_2\cdot \cdot \cdot A_{n-1}) \\ P(A_1{A}_2{A}_3)=P(A_1)P(A_2|A_1)P(A_3|A_1{A}_2) \\ P(A_1{A}_2|B)=P(A_1|B)P(A_2|A_{1}B) \\ P(A_1{A}_2{A}_3|B)=P(A_1|B)P(A_2|A_{1}B)P(A_3|A_1{A}_{2}B) \end{gathered}$$

1.5 全概率公式与贝叶斯公式

• 这一节重要的思想基础：导致事件$A$发生的全部“原因”：$B_1,B_2...,B_n$

1. 全概率公式

定理1（全概率公式）

对于任意事件A：
$$P(A)=\sum _{i=1}^{n}P(B_i)P(A|B_i)$$
其中，

1. ${\sum }_{i=1}^n{B}_i=S$
2. $B_1,B_2,...,B_i$互不相容
3. $P(B_i)>0,i=1,2,...,n$

注意：

1. 定理1中条件1可以减弱为${\sum }_{i=1}^n{B}_i\supset A$

2. 事件组可以是可列无穷多个事件$B_1,B_2,...,B_n$

定义1’（推广到无限可列个的全概率公式）

2.贝叶斯公式

定理2（贝叶斯公式）

对于任意事件A：
$$P(B_i|A)=\frac{P(A{B}_i)}{P(A)}=\frac{P(B_i)P(A|B_i)}{{\sum }_{j=1}^{n}P(B_j)P(A|B_j)})$$
其中，

1. ${\sum }_{i=1}^n{B}_i=S$
2. $B_1,B_2,...,B_i$互不相容
3. $P(B_i)>0,i=1,2,...,n$

1.6 事件的独立性

定义1（独立）

$$P(AB)=P(A)P(B)$$

概率为0或1的事件与任意事件相互独立。特别地，S和Φ与任意事件独立

1. 事件相互独立判别法

定理1

$$若P(B)>0,A与B独立⇿P(A|B)=P(A)$$

定理2

$$若P(B)>0,P(\overline{B}>0),则A与B独立⇿P(A|B)=P(A|\overline{B})$$

2. 独立事件的性质

$$\begin{gathered} A与B, \\ \overline{A}与B, \\ A与\overline{B}, \\ \overline{A}与\overline{B} \end{gathered}$$ 的独立可以互推

3. 有限多个事件的独立性和无穷多个事件的独立性

定义2

1. 若事件$A_1,A_2...,A_n$满足
   $$P(A_i{A}_j)=P(A_j)P(A_j),其中1\le i<j\le n,$$

则称n个事件$A_1,A_2...,A_n$是两两独立的。

2. 若事件$A_1,A_2...,A_n$，对任意整数$k,2\le k\le n$和$1\le i_1<i_2<...<i_n\le n$，恒有

$$P(A{i}_1{A}_{i_2}...A_{i_j})=P(A_{i_1})P(A_{i_2})...P(A_{i_j}),其中1\le i<j\le n,$$

则称n个事件$A_1,A_2...,A_n$相互独立。

3. 对于可列无穷多个事件$A_1,A_2...,A_n,...$，若其中任意有限多个事件都相互独立

，则称可列无穷多个事件$A_1,A_2...,A_n,...$相互独立。

若事件事件$A_1,A_2...,A_n$，是两两独立的，则事件$A_1,A_2...,A_n$未必相互独立！！！

定理4

若事件$A_1,A_2...,A_n$相互独立，则事件$B_1,B_2...,B_n$也相互独立，其中$B_i$为$A_i$或$\overline{A_i}$，$i=1,2,...,n$

4.独立条件下一些概率的计算公式

设事件$A_1,A_2...,A_n$相互独立，则有
$$\begin{gathered} 1)P(A_1{A}_2...A_n)=P(A_1)P(A_2)...P(A_n) \\ 2)P(A_1+A_2+...+A_n)=1-P(\overline{A_1})P(\overline{A_2})...P(\overline{A_n}) \\ 2)P(\overline{A_1}+\overline{A_2}+...+\overline{A_n})=1-P(A_1)P(A_2)...P(A_n) \end{gathered}$$
2)和3)的证明用到了德摩根公式