概率论与数理统计图示(第一章 概率论的基本概念)1.2概率

概率论与数理统计图示(第一章 概率论的基本概念)

1.2概率

1、概念



概率:对随机时间发生可能性大小的客观度量

频率:频率≠概率,只能作为概率估计

古典概率:有限性、等可能性

几何概率:古典概率的推广,将“等可能性”推广至“均匀性”

2、概率公理化定义



1.非负性:0≤P(A)≤1

2.规范性:P(Ω)=1

3.可例(完全)可加性:事例互不相容——事件概率和=事件和概率

3、概率的性质



1) P(Φ)=0

2)有限可加性

3)单调性

4)P(A)=1-P(A)

5)一般减法公式

  • P(A)=P(B)- P(AB)

6)AB不互不相容,一般加法公式

  • P(A∪B)=P(A)+P(B)-P(AB)
  • 互不相容则合事件概率=事件概率做和

4、概率运算的总结



事件运算和概率加减对应

概率相乘/条件概率借与事件独立性相关,不归属于韦恩图能理解的概率运算,而属于条件概率乘法公式

5、条件概率    P(A|B)=P(AB)/P(B)



文字化表述:在事件B 发生的条件下,事件A发生的条件概率

P(A|B)与P(A)没有确定的大小关系

P(A|B)>P(A),B促进了A的发生

P(A|B)<P(A),B阻碍了A的发生

P(A|B)=P(A),B对A的发生没有影响

6、乘法公式 P(AB)=P(B)P(A|B)



求积事件概率

7、样本空间相关公式


样本空间的划分

事件满足互不相容,且并集为整个样本空间,称事件B1,B2,……,Bn为样本空间S的一个有限划分

即交是Φ,并是S?概率大于0

应用全概率公示的重点是找到划分

图示:

P(B1)—P(A|B1)—>

P(B2)—P(A|B2)—>P(A)

P(Bn)—P(A|Bn)—>

全概率公式 P(A)=∑(k=1->n)P(Bk)P(A|Bk)

  • 证明:

    • A包含于S=∪(k=1->n)Bk
    • A=A∩S=∪(k=1->n)(Bk×A)  
    • 加法公式P(A)=∑(k=1->n)P(Bk×A)  
    • 乘法公式P(A)=∑(k=1->n)P(Bk)P(A|Bk)  

与乘法公式转化:P(AB)=P(A×1)=P(A)

应用于知因求果的预测,事前概率

贝叶斯公式

A:结果事件而不是结果事件的概率,Bi:所有相异原因(划分)

P(Bj|A):A已经发生条件下,Bj导致其发生的概率

P(ABj):由Bj导致A的发生的概率

P(A):A发生的概率/在B1-Bn情况下A发生的概率

1)应用于执果求因的推测,事后概率

  先验概率:P(B1)

  后验概率:P(B1|A)

  全概率公式:先验概率P(Bi) *P(A|Bi)求和

  贝叶斯公式:后验概率P(B1|A)

2)贝叶斯公式的理解

  一般在通过全概率公式求出后的下一问,分母是作为已发生的作为条件,分子是全概率公式的一项,的条件概率。

  仅用条件概率想也没问题。

  例:同一题中

   (1)全概率公式中的一项: P(B1)P(A|B1)为事前

   (2)贝叶斯公式中的分子:P(B1|A)为事后

8、事件的独立性



1)定义公式:

(1)P(A|B)=P(A)

(2)P(AB)=P(A)P(B)根本

2)两两独立定义(三条件):

P(AB)=P(A)P(B)

P(BC)=P(B)P(C)

P(AC)=P(A)P(C)

3)A,B,C相互独立定义(四条件):

P(AB)=P(A)P(B)

P(BC)=P(B)P(C)

P(AC)=P(A)P(C)

P(ABC)=P(A)P(B)P(C)

4)必然事件和不可能事件与其他事件相互独立

A,B相互独立,则A非与B,A与B非,A非与B非相互独立

9、标准化解答



1)设事件而不是设概率

2)分别求概率

3)写公式名,列公式:乘法公式、全概率公式

答题时把符号和概率值匹配

设事件时说明是一个划分,是相互独立事件(相互独立事件)

10、典型题/技巧



1)若不说明第k次前的取球结果,根据计算,第k次=第1次概率

2)P(A非B非)=P(A并B 非)=1–P(A并B)=1–[P(A)+P(B)—P(AB)]

3)P(A非B)=P(B-AB)=P(B)-P(AB)

4)并事件概率表达式P(A1∪A2)=P(A1)+P(A2)-P(A1A2)

5)n个交事件概率表达式

独立条件下,P=1-P((A1∪A2∪……∪An)非)=1-P(A1非A2非……An非)=1-P(A1非)P(A2非)……P(An非)

6)交事件概率表达式

独立条件下,P(A1A2)=P(A1)P(A2)

7)重点例题

Ai样本空间划分-全概公式

Ci相互独立事件

8)P(相互独立的三划分事件只发生其中一件)=P(C1C2非C3非∪C1非C2C3非∪C1非C非2C3)因互不相容=P(C1C2非C3非)+P(C1非C2C3非)+P(C1非C2非C3)=P(C1)P(C2非)P(C3非)+P(C1非)P(C2)P(C3非)+P(C1非)P(C2)P(C3非)

11、错题



1)概率为1的事件未必是必然事件?

一个点随机落进一个圆内,这个点落不到圆心的概率为:0,但仍可能发生

2)PPT1_3,P18

原文地址:https://www.cnblogs.com/ggotransfromation/p/11609941.html

时间: 2024-08-11 07:36:23

概率论与数理统计图示(第一章 概率论的基本概念)1.2概率的相关文章

第一章 数组与指针概念剖析

数组与指针生来就是双胞胎,多数人就是从数组的学习开始指针的旅程的.在学习的过程中,很自然就会经常听到或见到关于数组与指针的各种各样的看法,下面我节选一些在各种论坛和文章里经常见到的文字: “一维数组是一级指针” “二维数组是二级指针” “数组名是一个常量指针” “数组名是一个指针常量” ........................ 这些文字看起来非常熟悉吧?类似的文字还有许多.不过非常遗憾,这些文字都是错误的,实际上数组名永远都不是指针!这个结论也许会让你震惊,但它的确是事实.但是,在论述这

【程序设计基础】第一章 解决问题的一般概念

一.日常生活的解决 1.明确所解问题 //明确问题 2.了解背景(问题背景,自我水平,问题细节) //理解问题 3.列出方案 //寻找备选方案 4.择优选择方案 //从备选方案中选择最好的解决方案 5.就所选方案做出具体操作 //列出所选择的解决方案的指令 6.执行.评价解决方案 //评价解决方案 二.解决问题的类型 1.算法(algorithm)方案(algorithmic solution),具体步骤,清晰的描述 2.启发式方案(heuristic solution) 三.计算机解决的问题

第一章、数据库基本概念

原文地址:https://www.cnblogs.com/shaoyayu/p/12316174.html

概率论与数理统计复习

概率论与数理统计复习            第一章  概率论的基本概念 一.基本概念 随机试验E:(1)可以在相同的条件下重复地进行;(2)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;(3)进行一次试验之前不能确定哪一个结果会出现. 样本空间S: E的所有可能结果组成的集合.  样本点(基本事件):E的每个结果. 随机事件(事件):样本空间S的子集. 必然事件(S):每次试验中一定发生的事件. 不可能事件(F):每次试验中一定不会发生的事件. 二. 事件间的关系和运算 1.AB

软件工程读书笔记(1)——第一章 概述

第一章 概述 一.软件工程概念的提出 1968年NATO(North Atlantic Treaty Organization,北大西洋公约组织)会议首次提出“软件工程”概念. 软件工程是为了解决开发成本效益和软件质量的问题而产生. 二.软件 1.什么是软件? <IEEE Standard Glossary of Software Engineering Terminology>给出了有关软件的如下定义: 软件是计算机程序.规程以及运行计算机系统可能需要的相关文档和数据.(软件≠程序) 根据软

操作系统原理 第一章第二章复习

操作系统复习 第一章 操作系统概述 基本概念 吞吐量:单位时间内系统能处理的工作量. 进程:正在动态执行的程序 实时操作系系统:实时计算.计算的正确性不仅依赖于系统计算的逻辑结果,还依赖于产生这个结果的时间一类的计算. 操作系统的特征:现代操作系统大多支持多任务,具有并发.共享.虚拟.异步的特征. 单道批处理系统 特性:自动性.顺序性.单道性. 作业独占CPU和内存. 多道批处理系统 特性: 多道性.无序性.调度性.复杂性. 优点:提高CPU的利用率.提高内存和I/O设备的利用率.增加系统吞吐量

第二章 函数编程的核心概念

第二章函数编程的核心概念 本章介绍 ■了解概念和基础 ■不可变数据编程 ■函数式代码的推论 ■函数式值和数据类型 如果你问三个函数程序员,什么是函数范式最基本的方面,很可能有三个不同的答案.原因是函数编程已经存在很长时间了,各种不同的编程语言应用范围很广泛:每种语言强调的重点不同,但对于其他的语言来说,可能并不重要:但其中的大部分概念在所有的函数式语言中都有所表现. 本章的中央部分侧重于这些共同的概念,探讨函数式程序员工具集的基本特征和技术.我们将宏观地研究这些概念,你将看到如何组合起来,形成连

概率论与数理统计图式(第三章 随机变量)

概率论与数理统计图式(第三章 随机变量) 1.随机变量 定义在样本空间的函数 表示:用大写英文字母X.Y.Z表示 例:Y={1,0},1:骰子为偶数,0:骰子为奇数 原文地址:https://www.cnblogs.com/ggotransfromation/p/11612071.html

概率论和数理统计的总结(一)

迄今为止,看得最为亲切的一本概率论与数理统计方面的书莫过于陈希孺先生的这本,陈先生用一种娓娓道来的语气把很多原本复杂的内容讲得那么清晰,而且并不是就着这一点知识而讲,能结合前后知识体系一起介绍. 这本书名为<概率论与数理统计>,主要也是讲两大知识体系,前半部分(前三章)讲概率论,后半部分(后三章)讲数理统计. 就知识点来看,第一章讲事件的概率,包括什么是概率(概率是什么),古典概率计算以及事件的计算.条件概率和概率的独立性.在这一章里,事件是整个概率的基础,如何定义概率也是整个概率论知识体系演