【考研数学1·概率论与数理统计(1)】随机事件与概率

1.基本概念

1. 随机试验（E）

   • 满足：可重复、所有可能结果明确可知且不止一个、每次出现哪个结果事先不知道

2. 随机事件

   • 在一次试验中可能出现，也可能不出现的结果

   • 必然事件($\Omega$)：每次试验中一定发生的事件

   • 不可能事件($\varnothing$)：每次试验中一定不发生的事件

3. 样本空间

   • 样本点($\omega$)：随机试验的每一个可能结果
   • 样本空间($\Omega$)：样本点的全体组成的集合， Ω = { ω } \Omega=\{\omega\} Ω={ω}
   • 基本事件：由一个样本点构成的事件

2.事件的关系与运算

2.1.关系

1. 包含$A\subset B$

2. 相等$A=B$

3. 积事件（交事件）$A\cap B$或$AB$

4. 相容$AB\ne \varnothing$

   互斥$AB=\varnothing$

5. 和事件（并事件）$A\cup B$

6. 差事件$A-B$

7. 逆事件（对立事件）$\overline{A}$

8. 完备事件组$A_1,A_2,\cdots ,A_n,\bigcup _{i=1}^{n/\infty }{A}_i=\Omega ,A_i{A}_j=\varnothing$

2.2.运算法则

1. 吸收律 $A\subset B\Rightarrow A\cup B=B,A\cap B=A$
2. 交换律 $A\cup B=B\cup A,A\cap B=B\cap A$
3. 结合律 $(A\cup B)\cup C=A\cup (B\cup C),(A\cap B)\cap C=A\cap (B\cap C)$
4. 分配律 $A\cap (B\cup C)=(A\cap B)\cup (A\cap C),A\cup (B\cap C)=(A\cup B)\cap (A\cup C),A\cap (B-C)=(A\cap B)-(A\cap C)$
5. 对偶律（德·摩根律）$\overline{A\cup B}=\overline{A}\cap \overline{B},\overline{A\cap B}=\overline{A}\cup \overline{B}$

3.概率的定义

3.1.描述性定义

• 通常将随机事件$A$发生的可能性大小的度量（非负值）称为事件$A$的发生概率，记为$P(A)$

3.2.统计性定义

• 频率：在相同条件下做重复试验，事件$A$出现的次数$k$和总的试验次数$n$之比$\frac{k}{n}$

• 概率：当$n$充分大时，频率稳定于某常数$p$

• 频率$\ne$概率，统计性定义无法准确给出某事件的概率

3.3.公理化定义

$$\begin{array}{rl}& 设随机试验的样本空间为\Omega ,如果对每一个事件A都有一个确定的实数P(A),且事件函数P(\cdot )满足:\\ & (1)非负性:P(A)⩾0\\ & (2)规范性:P(\Omega )=1\\ & (3)可列可加性:对任意可列个两两互不相容事件A_1,A_2,\cdots ,A_n,\cdots (A_i{A}_j=\varnothing ),有P(\bigcup _{i=1}^{\infty }{A}_i)=\sum _{i=1}^{\infty }P(A_i)\\ & 称P(\cdot )为概率,P(A)为事件A的概率.\end{array}$$

4.古典概型和几何概型

4.1.古典概型

• 样本空间满足：

  1. 只有有限个样本点（基本事件）
  2. 每个样本点发生的可能性都一样

• $P(A)=\frac{事件A所含基本事件的个数}{基本事件总数}$

• 计数方法

  1. 列举法
  2. 集合对应法
     • 加法原理、乘法原理、排列、组合
  3. 逆数法
     • $P(A)=1-P(\overline{A})$

• 常见类型

  1. 直接用定义求概率

  2. 随机分配，将n个可辨质点随机地分配到N个盒子中

  3. 简单随机抽样

     抽样方式	抽法总数
     先后有放回取$n$次	$N^n$
     先后无放回取$n$次	$P_N^n=N(N-1)\cdots (N-n+1)$
     任取$n$个	$C_N^n$

4.2.几何概型

• 满足：
  1. 样本空间$\Omega$是一个可度量的有界区域
  2. 每个样本点发生的可能性都一样
• $P(A)=\frac{S_A的几何度量}{\Omega 的几何度量}$

5.概率的基本性质与公式

5.1.性质

1. 有界性：$0⩽P(A)⩽1,P(\varnothing )=0,P(\Omega )=1$
2. 单调性：$A\subset B\Rightarrow P(B-A)=P(B)-P(A),P(B)⩾P(A)$

• 注：$A=\varnothing \Rightarrow P(A)=0,P(A)=0\nRightarrow A=\varnothing$

  $A=\Omega \Rightarrow P(A)=1,P(A)=1\nRightarrow A=\Omega$

5.2.公式

5.2.1.逆事件概率公式

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

5.2.2.加法公式

$P(A\cup B)=P(A)+P(B)-P(AB)$

$P(A\cup B\cup C)=P(A)+P(B)+P(C)-P(AB)-P(AC)-P(BC)+P(ABC)$

$P(\bigcup _{i=1}^n{A}_i)=\sum _{i=1}^{n}P(A_i)-\sum _{1⩽i_i<i_2⩽n}^{n}P(A_{i_1}{A}_{i_2})+\dots +{(-1)}^{n-1}P(\bigcap _{i=1}^n{A}_i)$

5.2.3.减法公式

$P(A-B)=P(A)-P(AB)=P(A\overline{B})$

5.2.4.条件概率

$P(B|A)=\frac{P(AB)}{P(A)},P(A)\ne 0$

$P(\overline{B}|A)=1-P(B|A)$

5.2.5.乘法公式

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

$P(A_1{A}_2\dots A_n)=P(A_1)P(A_2|A_1)P(A_3|A_1{A}_2)\dots P(A_n|A_1{A}_2\dots A_{n-1})$

5.2.6.全概率公式

$P(B)=\sum _{i=1}^{n}P(A_i)P(B|A_i)(A_i为完备事件组)$

5.2.7.贝叶斯公式(逆概率公式)

$P(A_j|B)=\frac{P(A_j)P(B|A_j)}{\sum _{i=1}^{n}P(A_i)P(B|A_i)}(A_i为完备事件组)$

6.事件的独立性和独立重复试验

6.1.事件的独立性

1. 定义
   • $A$与$B$相互独立$\iff P(AB)=P(A)P(B)$
   • $A、B、C$相互独立$\iff \{\begin{array}{l}\begin{array}{c}P(AB)=P(A)P(B)\\ P(BC)=P(B)P(C)\\ P(AC)=P(A)P(C)\end{array}\}两两独立\\ P(ABC)=P(A)P(B)P(C)\end{array}$
2. 判定
   • $A$与$B$相互独立$\iff A$与$\overline{B}$相互独立$\iff \overline{A}$与$B$相互独立$\iff \overline{A}$与$\overline{B}$相互独立
   • 对独立事件组不含相同事件作运算，得到的新事件组仍独立
   • $A$与$B$相互独立$\iff P(B|A)=P(B)(P(A)>0)$
   • $A$与$B$相互独立$\{\begin{array}{l}\iff P(B|\overline{A})=P(B|A)\\ \iff P(B|A)+P(\overline{B}|\overline{A})=1\end{array}(0<P(A)<1)$
   • $P(A)=0$或$P(A)=1\Rightarrow A$与任意事件$B$相互独立
   • $0<P(A)<1,0<P(B)<1$，$A$与$B$互斥或存在包含关系$\Rightarrow A$与$B$一定不独立

6.2.试验的独立性

各个试验结果相互独立.

6.3.独立试验序列概型与n重伯努利概型

• 独立试验序列概型：在同样条件下独立重复地进行一系列完全相同的试验
• n重伯努利概型：每次试验只有两个结果$A$和$\overline{A}$，独立重复$n$次