概率论与统计
第一章 基本概念
1.1 基础概念
确定性现象
:在一定条件下必会发生的现象。
统计规律性
:在大量重复试验中呈现出的固有规律性。
随机现象
:在个别试验中呈现出不确定性,在大量重复试验中其结果又具有统计规律性的现象。
随机试验
:概率论中,我们将具有下面三个特点的试验称为随机试验,
- 可在相同条件下重复进行;
- 每次试验的可能结果不止一个,并且能事先明确试验的所有可能结果;
- 在一次试验之前不能确定哪一个结果会出现。
比如抛硬币 100 次就属于随机试验。
样本空间
:随机试验 E 的所有可能结果组成的集合,记作 S 。S 中的单个元素被称为样本点
。
随机事件
:样本空间 S 的子集,简称事件
。在每次试验中,当且仅当这一子集中的一个样本点出现时,称这一事件发生
。
事件中有一个基本事件或者子集发生,就称这个事件发生。
基本事件
:由单个样本点所组成的集合。如抛硬币 {头朝上},{尾朝上}。基本事件彼此之间是互不相容的。
必然事件
:必然发生的事件,即 S 本身。
不可能事件
:不可能发生的事件,记作 Φ。
1.2 事件间的关系与事件的运算
事件是由事件或者基本事件组成的集合,所以可以套用集合论中的知识。
事件间的关系与运算 |
描述 |
A⊂B |
A 为 B 的子集 |
A=B |
$(A \subset B) \and (B \subset A) $ |
A∪B |
A 与 B 的和事件 |
A∩B |
A 与 B 的积事件 |
A−B |
A 与 B 的差事件 |
互斥 |
A∩B=Φ |
对立 |
(A∪B=S)∧(A∩B=Φ) |
运算律 |
描述 |
交换律 |
A∪B=B∪AA∩B=B∩A |
结合律 |
A∪(B∪C)=(A∪B)∪CA∩(B∩C)=(A∩B)∩C |
分配律 |
A∪(B∩C)=(A∪B)∩(A∪C)A∩(B∪C)=(A∩B)∪(A∩C) |
德摩根律 |
A∪B=Aˉ∩BˉA∩B=Aˉ∪Bˉ |
1.3 概率
1.3.1 定义
概率
:
任何形式的概率都有三个基本的性质:非负性、规范性、可列可加性。
1.3.2 概率的性质
-
P(Φ)=0
-
(有限可加性)若 A1,A2,⋯,An 是两两互不相容的事件,则有 P(A1∪A2∪⋯∪An)=P(A1)+P(A2)+⋯+P(An)
-
若 A⊂B,则有 P(B−A)=P(B)−P(A) 和 P(B)≥P(A)
-
对于任意事件 A ,P(A)≤1
-
P(Aˉ)=1−P(A)
-
(加法公式)P(A∪B)=P(A)+P(B)−P(AB)
推广:P(A1∪A2∪A3)=P(A1)+P(A2)+P(A3)−P(A1A2)−P(A1A3)−P(A2A3)+P(A1A2A3)
1.4 等可能概型(古典概型)
1.4.1 定义
1.4.2 公式
1.5 条件概率
P(B∣A)=P(A)P(AB)
1.6 乘法定理
P(AB)=P(B∣A)P(A)(P(A)>0)
推广:
P(ABC)=P(C∣AB)P(B∣A)P(A)
P(A1A2⋯An)=P(An∣A1A2⋯An−1)P(An−1∣A1A2⋯An−2)⋯P(A2∣A1)P(A1)
1.7 全概率公式和贝叶斯公式
划分
:
全概率公式
:
贝叶斯公式
:
上式分母部分就是一个全概率公式。
1. 8 独立性
1.8.1 定义
如抛硬币,A 事件为第一次抛硬币正面朝上的概率,B 事件为第二次抛硬币正面朝上的概率,很明显这两个事件是相互独立的,显然 P(AB)=P(A)P(B).
1.8.2 定理
对于定理二可以这么理解:Aˉ 的意思是 A 不发生,那么既然 A 发生与否与 B 没有关系,那么 A 不发生与否肯定跟 B 也有没有关系。比如抛硬币,假如 A 指代第一次抛硬币正面朝上的概率,B 事件指代第二次抛硬币正面朝上的概率,那么 A 不发生,也就是第一次抛硬币没有正面朝上,并不会影响 B 事件发生的概率。
推论:
第二章 随机变量及其分布
随机变量
:
离散型随机变量及其分布律
离散型随机变量
:全部可能取到的值为有限个或可列无限多个的随机变量。
离散型随机变量的分布律
:(式 2.1)
分布律也可用表格的形式表示:
为什么叫分布律?概率 1 以一定的规律分布在各个可能值上。
三个重要的离散型随机变量
① (0-1)分布
② 伯努利试验、二项分布
③ 泊松分布
随机变量的分布函数
分布函数的性质:
-
F(x) 是一个不减函数
-
0≤F(x)≤1,且 F(−∞)=limx→−∞F(x)=0,F(∞)=limx→∞F(x)=1
-
F(x+0)=F(x),即 F(x) 是右连续的。
怎样理解离散型随机变量分布函数的右连续性? - 阿门的回答 - 知乎 https://www.zhihu.com/question/25694816/answer/437574669
连续型随机变量及其概率密度
若对于随机变量 X 的分布函数 F(x),存在非负函数 f(x),使对于任意实数 x 有
F(x)=∫−∞xf(t)dt
则称 X 为连续型随机变量
,其中 f(x) 称为 X 的概率密度函数
,简称概率密度
。
概率密度 f(x) 的性质:
- f(x)≥0
- ∫−∞∞f(x)dx=1
- 对于任意实数 x1,x2(x1≤x2),P{x1<X≤x2}=F(x2)−F(x1)=∫x1x2f(x)dx
- 若 f(x) 在点 x 处连续,则有 F′(x)=f(x)
三种重要的连续型随机变量
① 均匀分布
② 指数分布
③ 正态分布
第三章 多维随机变量及其分布
性质:
离散型随机变量: