DataWhale-概率论与数理统计（1）随机事件和随机变量

随机事件

基本概念

1. E :随机试验
   特点：可重复；所有结果已知；结果不确定性

2. $\Omega$：样本空间
   E中的所有可能结果，又称必然事件

3. $\omega$：样本点
   每一个可能结果，$\omega \in \Omega$

4. A、B……：随机事件，$A\in \Omega$

概率

运算规律：

1. $P(\bar{A})=1-P(A)$
2. 若$A\subset B$,$P(B-A)=P(B)-P(A)$
3. $P(A\cup B)=P(A)+P(B)-P(A\cap B)$

古典概型

随机事件中每个结果发生的概率等可能，且每次试验中结果只有一个样本点发生。

条件概率

在B 事件发生的条件下A事件发生的概率$P(A|B)=\frac{P(AB)}{P(B)}$

全概率公式和贝叶斯公式

随机变量

随机变量及其分布

􏰙􏰚􏳬􏵙􏱋􏰓􏰶􏱚􏰰􏰱􏰲􏰳 􏱒􏰃􏰜􏵚􏱚􏱛􏲞􏵞􏱒􏰋􏴰􏰙􏰚􏳬􏵙􏱋􏰓􏰶􏱚􏰰􏰱􏰲􏰳 􏱒􏰃􏰜􏵚􏱚􏱛􏲞􏵞􏱒􏰋随机变量是在样本空间$\Omega$上，取值在实数域上的函数。
概率累计函数是随机变量的分布函数
离散型随机变量的全部可能取值只有有限多个或可列无穷多个。

常用离散型分布

• 伯努利实验、二项分布
  伯努利实验：随机试验中只出现两种结果，非此即彼（抛硬
  币）
  当伯努利实验进行n次重复，即出现二项分布 $B(n,k)$,n为伯努利实验重复次数，k为随机事件发生一次的概率

随机变量的数字特征

• 数学期望（均值）：级数之和
  计算规则：
  1、$E(c)=c$,c是常数
  2、$E(aX+bY)=aE(X)+bE(Y)$,ab常数
  3、$E(XY)=E(X)E(Y)$,两事件独立
• 方差：随机变量取值相对于均值离散程度的量
• 协方差：两个事件间线性相关程度的数字量