概率应用1-基础概念:实验, 事件,样本,随机变量,概率

要用好概率,必须彻底理解概率

概率应分为 概率估计和概率分析

• 实验前概率计算是概率预估,
• 实验后概率计算是概率分析.

实验, 事件(结果),样本,随机变量,概率

概率分析 就是为了分析实验结果 ,实验产生了哪些情况, 这些情况占比如何, 这些情况分布如何 等等.

• 随机事件:　就是实验可能发生的所有结果(所有可能性)，或者说一种结果就是一类事件输出（随机事件简称事件）
• 随机变量: 只有在事件输出值作为概率函数输入值时,才叫随机变量
• 样本:　是一次实验相关数据　包含所有输入参数和输出结果
• 样本空间：　是所有有效记录的实验样本数据

随机变量 = 概率函数自变量 = 事件值 = 某种实验结果值

实验:

传入单次实验参数 --> 进行实验 ----> 输出实验结果
直到多次实验结束, 输出多次结果 .

有些结果实验前就知道(比如抛硬币中的正面或反面 ) ,
有的结果必须实验才知道( 比如彩票中奖号码),
总之 每次实验至少产生一个结果, 有的实验一次会产生多个结果(彩票,有多个号码)

实验前的概率预估:

通常针对没有参数的实验:通过观察就可以在实验之前, 计算出最大概率
方法1: 排列 组合 统计所有可能性 n,计算某种结果出现的概率 =1/n
方法2: 枚举 列举所有可能性 n ,某种结果的概率 =1/n

实验结束后概率分析:

所有实验结束或告一段落以后, 才能进行概率分析 , 概率是对所有实验样本的分析和应用,

• 分析1: 分析实验参数对结果的影响 , 条件概率
• 分析2: 分析实验结果的近似分布, 概率分布
• 分析3: 分析实验结果的均值, 概率期望和结果平均值
• 分析4: 分析某种实验结果的在所有实验中的占比, 一般概率
• 分析5: 当结果互斥时, 已知一种结果概率 t, 另一种结果概率 p=1-t

随机变量代表了不同的实验结果(也叫做随机事件) 为概率函数的输入参数, 求事件(结果)的概率:
概率函数(事件,所有事件) ==> 事件概率

概率应用的一个案例

已知扔硬币的正面概率=1/2 , 那么假设我连续扔出了10次正面,那么接下来我扔出正面的概率是多少?

1/2 就是实验前的概率预估, 谁扔都是1/2 ,但是 经过我10次实验以后, 我认为 这个概率不是1/2

因为不是别人扔,是我扔, 所以必须考虑实验参数是我,
而根据现有实验数据,我扔10次都正面这个概率是100% ,所以接下来扔正面的概率还是100%

不考虑实验只是一味套概率公式,是有问题的,必须分析实验条件和环境,再结合概率才能用好概率