概率论与数理统计复习

【概率论与数理统计复习】

  • 事件的概率
    • 概率是什么
      • 主观概率
      • 试验与事件
      • 古典概率
      • 概率的统计定义
      • 概率的公理化定义
    • 古典概率计算
      • 排列组合的几个简单公式
      • 案例详见书
    • 事件的运算条件概率与独立性
      • 事件的蕴含包含及相等 略
      • 事件的互斥与对立
      • 事件的和或称并
      • 事件的积或称交事件的差
      • 条件概率
      • 事件的独立性概率乘法定理
      • 全概率公式与贝叶斯公式

摘自陈希孺版概率论,目录一致,也免得自己想了
事件的概率 概率是什么 主观概率
A={今天下午6时前会下雨}
特点:不是在坚实的客观理由基础上为人们所公认的
试验与事件
  1. 概率论中“事件”的一般含义
    1. 有一个明确界定的试验
    2. 这个试验的全部可能结果,是在试验前就明确的
    3. 有一个明确的陈述
古典概率
  1. 定义:
    设一个试验有 N 个等可能的结果,而事件 E 恰包含其中的 M 个结果,则事件E的概率,记为 P(E) ,定义为:

    P(E)=M/N
概率的统计定义
概率的公理化定义
  1. 柯氏公理体系:
    1. 0≤P(A)≤1
    2. P(Ω)=1 ; P(?)=0
    3. 加法公理
古典概率计算 排列组合的几个简单公式
  1. n 个相异物件取 r 个( 1≤r≤n )的不同排列总数,为:

    Pnr=n(n?1)(n?2)?(n?r+1)
    特别的,若 n=r ,则 Prr=r!
  2. n 个相异物件取 r 个( 1≤r≤n )的不同组合数,为:

    Cnr=Pnr/r!=n!/(r!(n?r)!)
    Cnr 可以记为 (nr)
  3. 与二项式展开的关系
    组合数 (nr) 又称为二项式系数,因为它出现在下面熟知的二项式展开的公式中:

    (a+b)n=∑i=1n(ni)aibn?1
  4. n 个相异物体分成 k 堆,各堆物件数分别为 r1,?,rk 的分法是:

    n!/(r1!?rk!)
案例:详见书
事件的运算、条件概率与独立性 事件的蕴含、包含及相等 略
事件的互斥与对立
  1. 若两个事件 A,B 不能再同一次试验中都发生(但可以都不发生),则称它们是互斥的。如果一些事件中任意两个都互斥,则称这些事件是两两互斥的,或简称互斥的。
    互斥的一个重要情况是“对立事件”,若 A 为一事件,则事件
    B={A不发生}
    称为 A 的对立事件,多记为 Aˉ
事件的和(或称并)
  1. 定理:
    若干个互斥事件之和的概率,等于各事件的概率之和:

    P(A1+A2+?)=P(A1)+P(A2)+?
  2. 以 Aˉ 表 A 的对立事件,则

    P(Aˉ)=1?P(A)
事件的积(或称交)、事件的差
  1. 事件的积 A=A1A2? 或者记为 ∏ni=1Ai
  2. 事件的差 A?B=ABˉ
条件概率
1.定义:
设有两事件 A,B 而 P(B)≠P(B) . 则“在给定 B 发生的条件下 A 的条件概率”记为 P(A|B) ,定义为:

P(A|B)=P(AB)/P(B)
事件的独立性,概率乘法定理
  1. 无条件概率 P(A) 与其在给定 B 发生之下的条件概率 P(A|B) ,一般是有差异的。这反映了这两件事件之间存在着一些关联。例如 P(A|B)>P(A) ,这 B 的发生使 A 的可能性增大了。
  2. 因此,满足:
    P(AB)=P(A)P(B)
    则称 A,B 独立
  3. 概率的乘法定理:两独立事件 A,B 的积 AB 的概率 P(AB) 等于其各自概率之积 P(A)P(B)
  4. 若干个独立事件的之积的概率,等于各事件概率的乘积
全概率公式与贝叶斯公式
  1. 设 B1,B2,? 为有限或无限个事件,它们两两互斥且在每次试验中至少发生一个。即:
    BiBj≠?(不可能事件),当i≠j
    B1+B2+?=Ω(必然事件)
    有时把具有这种性质的一组事件称为一个“完备事件群”
    由此得到全概率公式:
    P(A)=P(B1)P(A|B1)+P(B2)P(A|B2)+?
  2. 贝叶斯公式:
    P(B|A)=P(ABi)/P(A)=P(Bi)P(A|Bi)∑jP(Bj)P(A|Bj)
  3. 实际意义解释:
    对于 P(B1),P(B2),? ,它是在没有进一步的信息(不知道事件 A 是否发生)的情况下,人么对于事件 B1,B2,? 发生可能性大小的认识。
    现在有了新的信息(知道 A 发生),人们对于 B1,B2,? 发生大小的可能性有了新的估计。从这个角度看,事件 A 是“结果”,事件 B1,B2,? 是“原因”
    因此全概率公式是“由原因推结果”,而贝叶斯公式是“有结果推原因”

    推荐阅读