学习不易,加油!本文在描述公式和概率时尝试以文字来描述,看完或许对公式会有不一样的理解。
目录
一 基本概念
1.理解概念
随机试验:可在相同条件下重复进行、试验结果不唯一且值域已知、试验前不能确定结果
样本空间:随机试验E的结果的集合
基本事件:仅含有一个元素的随机事件(样本空间S的某一个样本点)
随机事件:样本空间S的一个子集是E的随机事件
2.随机事件之间的关系和运算
关系:①相等、②互斥(不相交)、③对立(互斥的进阶,不相交且并集为全集)、④不相关、⑤相互独立。
(注意:相互独立一定不相关,但是不相关不一定独立,因为不相关指的是线性不相关,可能从其他角度看是有关系的,但是相互独立表示两个指标之间没有任何的关系,因此相互独立的要求更加严苛。)
德摩根律:A或B不发生=A不发生且B不发生
3.概率的性质
A或B发生的概率=A的发生概率加上B的发生概率减去A和B共同发生的概率。
A或B或C发生的概率=P(A)+P(B)+(C)-P(AB)-P(AC)-P(BC)+P(ABC)(不能重复)。
4.古典概型(等可能概型)
特性:元素有限、基本事件等可能
概率:P(A)=k/n
特殊的古典概型:超几何分布。
5.条件概率
P(A/B)=P(AB)/P(B)。(B发生的条件下A发生的概率=在B这个圆里面A的大小占比)
(乘法定理:P(AB)=P(A/B)*P(B))
6.全概率公式(由因得果)
(A发生的概率等于A的所有前置事件发生的概率乘以在该前置事件发生的情况下A发生的概率)
7.贝叶斯公式(执果索因)
二 随机变量及其分布
1.表现方式
描述法、列表法、公式法
2.三种分布
①0-1分布(x的取值只能为0或1)
②二项分布(x的取值只能为x1或x2)
(0-1分布是特殊的二项分布(当x1=0,x2=1时))
③泊松分布
3.随机变量分布函数
分布函数的定义:若 F(x) = P { X <= x } , x∈R ,则 F(x) 是X的分布函数。
基本规律:P(x1<X<=x2) = F(x2) - F(x1)
该函数的三条性质:
不减性、右连续、值域在[0,1]之间
4.连续型随机变量及其概率密度
(1)概率密度
定义:若对于分布函数F(x),有非负函数f(x)对于任意x,均有:,那么称f(x)为x的概率密度函数
(2)常见连续型随机变量及其概率分布(掌握定义、性质、相关计算)
①均匀分布
②指数分布
性质:无记忆性 —— P({X>s+t | X>s})=P{X>t}
③正态分布
三 多维随机变量及其分布
本章以二维随机变量为例进行讲解。
1.二维随机变量 (x,y)
性质:
①分布函数F(x,y)=P{(X<=x)∩(Y<=y)}
②值域:[0,1]
③F(-∞,y)=0(根据定义,X<=负无穷是不可能的)
,F(X,+∞)=1(同理)
④关于x/y右连续
⑤F(x2,y2)-F(x2,y1)-F(x1,y2)+F(x1,y1)>=0(可画图理解,也可类比二维前缀和算法,实际上最后剩下的是以(x1,y1),(x2,y2)作为对角线顶点的一个四边形来对概率密度积分的结果)
2.二维离散型变量
概率:P{x=i,y=j}
3.二维连续型变量
P{(x,y)∈G}=f(x,y)在G区域内的积分(概率密度在G区域内的和)
(待续...)