概率论(一):概率论的基本概念

随机试验

将具有以下三个特点的试验称为随机试验:

  • 可以在相同的条件下重复地进行
  • 每次的试验结果可能不止一个,并且能事先明确试验的所有可能结果
  • 进行一次试验之前不能确定哪一个结果会出现

如:我们将一枚硬币抛掷三次,观察正面H,反面T出现的情况。

样本空间及随机事件

样本空间

我们将随机试验E所有可能结果组成的集合称为E样本空间,记为S。样本空间的元素,称为样本点。如上述随机试验的样本空间S为:S=\left \{ HHH,HHT,HTH,THH,HTT,THT,TTH,TTT \right \}

随机事件

一般,我们称试验E的样本空间S子集E随机事件,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
特别,由一个样本点组成的单点集,称为基本事件。例如上述试验有8个基本事件。样本空间本身就是一个随机事件,且每次试验总是发生,S称为必然事件;空集\varnothing也是S的子集,且每次试验都不发生,\varnothing称为不可能事件

事件间的关系与事件的运算

由定义知,事件即随机事件是一个集合,所以事件的有关操作等同于对应的集合操作。

  • 包含"\subset":A \subset B,即事件B包含事件A
  • 相等"=":A=B\Leftrightarrow A\subset BB\subset A,事件A与事件B相等
  • 和"\cup":A\cup B=\left \{ x|x\in A 或 x\in B \right \},事件A与事件B的和事件,当A与B中至少一个发生时,事件A\cup B发生
  • 积"\cap":A\cap B=\left\{x|x\in A 且x\in B\right\},事件A与事件B的积事件,当A与B同时发生时,事件A\cap B(也记作AB)发生
  • 差"-":A-B=\left \{ x|x\in A且 x\notin B \right \},事件A与事件B的差事件,当A发生B不发生时,事件A-B发生
  • 互不相容事件:A\cap B=\varnothing,事件A与事件B不能同时发生
  • 对立事件:A\cup B=S且A\cap B=\varnothing,事件A与事件B互为逆事件,也称互为对立事件。指每次试验中,事件A,B必有一个发生。

事件运算时,可以用以下定律

  • 交换律:A\cup B=B\cup A;A\cap B= B\cap A
  • 结合律:A\cup (B\cup C)=(A\cup B)\cup C;A\cap (B\cap C)=(A\cap B)\cap C
  • 分配律:A\cup (B\cap C)=(A\cup B)\cap (A\cup C);A\cap (B\cup C)=(A\cap B)\cup (A\cap C)
  • 德摩根律:\overline{A\cup B}=\overline{A}\cap \overline{B};\overline{A\cap B}=\overline{A}\cup \overline{B}

频率与概率

频率

假设同一个试验进行了n次,其中事件A发生的次数n_{A}称为事件A发生的频数。比值n_{A}/n就是事件A发生的频率,记作f_{n}(A)
频率有以下基本性质:

  • 0\leqslant f_{n}(A) \leqslant 1
  • f_{n}(S)=1
  • A_{1},A_{2},\dots ,A_{k}是两两互不相容的事件,则f(A_{1}\cup A_{2}\cup \dots \cup A_{k})=f_{n}(A_{1})+f_{n}(A_{2})+\dots +f_{n}(A_{k})

概率

在一定条件下,重复做n次试验,n_{A}n次试验中事件A发生的次数,如果随着n逐渐增大,频率n_{A}/n逐渐稳定在某一数值p附近,则数值p称为事件A在该条件下发生的概率,记做P(A)=p。这个定义称为概率的统计定义。

  • P(\varnothing)=0
  • A_{1},A_{2},\dots ,A_{k}是两两互不相容的事件,则P(A_{1}\cup A_{2}\cup \dots \cup A_{k})=P_{n}(A_{1})+P_{n}(A_{2})+\dots +P_{n}(A_{k})
  • A,B是两个事件,若A\subset B,则有P(B-A)=P(B)-P(A),P(B)\geqslant P(A)
  • 对于任一事件A,P(A)\leqslant1
  • 对于任一事件A,P(\overline{A})=1-P(A)
  • 对于任意两事件AB,P(A\cup B)=P(A)+P(B)-P(AB)

等可能概型(古典概型)

假设试验E有以下特点:

  • 试验的样本空间只包含有限个
  • 试验中每个基本事件发生的可能性相同

则称试验为等可能概型(古典概型

条件概率

A,B是两个事件,且P(A)>0,称P(B|A)=\frac{P(AB)}{P(A)}为在事件A发生的条件下事件B发生的条件概率

  • P(A)>0,有P(AB)=P(B|A)P(A)

全概率公式:设试验E的样本空间为SAE的事件,B_{1},B_{2},\dots ,B_{n}S的一个划分,且P(B_{i})>0,则P(A)=P(A|B_{1})P(B_{1})+P(A|B_{2})P(B_{2})+\dots +P(A|B_{n})P(B_{n})

贝叶斯公式:设试验E的样本空间为SAE的事件,B_{1},B_{2},\dots ,B_{n}S的一个划分,且P(B_{i})>0P(A)>0,则P(B_{i}|A)=\frac{P(A|B_{i})P(B_{i})}{\sum_{j=1}^{n}P(A|B_{j})P(B_{j})}

独立性

A,B是两事件,如果满足等式P(AB)=P(A)P(B),则称事件A,B相互独立,简称独立

  • A,B是两事件,且P(A)>0,若A,B相互独立,则P(B|A)=P(B),反之亦然。
  • 若事件A,B相互独立,则下列各事件也相互独立:A\overline{B},\overline{A}B,\overline{A}\overline{B}
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 217,657评论 6 505
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,889评论 3 394
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 164,057评论 0 354
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,509评论 1 293
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,562评论 6 392
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,443评论 1 302
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,251评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,129评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,561评论 1 314
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,779评论 3 335
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,902评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,621评论 5 345
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,220评论 3 328
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,838评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,971评论 1 269
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,025评论 2 370
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,843评论 2 354

推荐阅读更多精彩内容