1.什么是概率

什么是概率

概率，表示某种情况（事件）出现的可能性大小的一种数量指标，介于0与1之间。

概率可以有以下多种不同角度的理解。

1. 主观概率

对某种事件、情况发生的可能性大小的主观估计。它表示一种心态或一种倾向性。这种心态可以来自经验和知识，也可以来自于利害关系。总之，主观概率是不客观的，包含了人为的因素在里面。

不同的人对某件事发生的情况的估计会有所不同，这取决于每个人不同的心态。这些概率都是主观概率。 比如：小明认为自己期末考试能排第一名的概率为20%（可能是因为他信心不足）， 而班主任认为小明期末考试能排第一名的概率为80%（可能是基于班主任对往次考试结果的判断）

主观概率虽然不客观，但是是具有意义的：

1. 它有广泛的生活基础
2. 它可以反应认识主体的一种倾向性，具有社会意义
3. 也可以影响决策，因为许多决策都难免包含个人的判断成分

2. 古典概率

2.1 试验

什么是试验？（和实验的区别是什么）
现代汉语词典的解释：

实验（experiment）: 为了检验某种科学理论或假设而进行某种操作或从事某种活动。
试验（test）：为了察看某事的结果或某物的性能而从事某种活动

上面的解释并不是很直接。基本的区别在于：

实验会产生新鲜的事物，而试验只是在验证已有的情况。

在概率论中，试验的全部结果是在试验前就明确的（比如抛🎲，正面朝上的结果肯定是1~6之间）。可以把试验理解为观察。

注意：试验的结果可以是某个具体的值（如正面、反面；是、否；1，2，3，4，5，6），少数情况下也可以是取值范围（如：x>1000）。

2.2 事件

在概率论中，对于一个试验全部可能结果中的一个确定部分的陈述，就叫做一个事件。
比如，在投🎲的例子中，可以定义许多事件：（它们都是全部试验结果的集合(1,2,…,6)中的一部分）

• E 1 = { 🎲 正 面 为 偶 数 点 } = ( 2 , 4 , 6 ) E_1 = \{🎲正面为偶数点\} = (2,4,6) E1​={🎲正面为偶数点}=(2,4,6)
• E 2 = { 🎲 正 面 为 素 数 } = ( 2 , 3 , 5 ) E_2 = \{🎲正面为素数\} = (2,3,5) E2​={🎲正面为素数}=(2,3,5)
• E 1 3 = { 🎲 正 面 为 3 的 倍 数 } = ( 3 , 6 ) E_13= \{🎲正面为3的倍数\} = (3,6) E1​3={🎲正面为3的倍数}=(3,6)

事件是与试验结果有关的一个命题，其正确与否取决于试验结果如何。

相关概念：

1. 基本事件：把单一的试验结果称为“基本事件”。
2. 随机事件：在概率论中，事件常称为“随机事件”，就是说这个事件是否发生取决于机遇。
3. 不可能事件：试验中不可能发生的事件 （概率为0）
4. 必然事件：试验中一定会发生的事件（概率为1）

2.3 古典概率

古典概型也叫传统概率、其定义是由法国数学家拉普拉斯 (Laplace ) 提出的。

假定某个试验有有限个可能的结果$e_1,e_2,...,e_N$， 所有的结果在试验中具有同等可能的出现机会，即$1/N$的出现机会。常常把这样的试验结果称为“等可能的”。 基于“等可能”假设的概率就是古典概率。

基于古典概率可以得到“坛子模型”：

假设有一个坛子，其中包含N个大小和质地完全一样的球，M个为白球，N-M个为黑球。将N个球彻底打乱，从中抽取一个球，那么白球的概率应该为M/N。

从这个“坛子模型”出发，很多难以理解的概率可以得到感性的认识。比如事件A发生的概率是0.2， 可以理解为事件A发生的机会就好比从4黑1白中抽取白球的机会一样。

古典概型是概率论中最直观和最简单的模型，概率的许多运算规则，也首先是在这种模型下得到的。 古典概率的计算主要是基于排列组合。

3. 概率的统计定义

概率的统计定义：通过实验去估计事件概率的方法。即用频率估计概率。
直观背景：一个事件出现的可能性大小，应由在多次重复实验中其出现的频繁程度去刻画。【这个实验必须能在同样条件下大量次数重复实施】

频率估计概率，但并不是概率。概率是当试验次数无限增大时频率的极限。

概率统计定义的用途：

1. 提供了估计概率的方法：频率估计概率
2. 提供了检验理论正确与否的准则：【类似于假设检验的思想】
	假如依据一定的理论计算出某事件的概率为p， 那么可以通过大量重复的实验来验证该事件的频率是否接近p。若接近，则试验结果支持了有关理论，若不接近，那么该理论可能是错误的。

4. 概率的公理化定义

公理：一些不加证明而承认的前提。这些前提规定了所讨论的对象的一些基本关系和所满足的条件，然后以之为基础，推演出所讨论的对象的进一步内容。

概率的公里化定义（柯尔莫哥洛夫公理体系）：

1. 事件的集合记作 $\Omega$, 其中的元素$\omega$是一个基本事件。
2. $\Omega$ 的子集构成的一个集类，记作$\mathcal{F}$。 $\mathcal{F}$不必包含$\Omega$中的全部子集。$\mathcal{F}$ 中的每个成员就称为事件。
3. 定义在$\mathcal{F}$上的函数$P$， 对$\mathcal{F}$中的任一事件$A$，$P(A)$的值就是事件A的概率
4. 对函数$P$的要求（公理）:
   1. $0\le P(A)\le 1$
   2. $P(\Omega )=1$, $P(\varnothing )=0$
   3. 加法公理

柯氏公理只是界定了概率论这个概念所必须满足的一般性质，它为一种普遍而严格的数学化概率理论奠定了基础（数学上的抽象化）。