🗒️概率论与数理统计
00 分钟
2023-9-12
2023-11-21
type
status
date
slug
summary
tags
category
password
icon
😀
第一节课没记 老师给我感觉是挺温柔好相处

成绩占比

  • 出勤10
  • 测试30
  • 期末60

第一章 随机事件与概率

1.1 随机事件及其运算

  • 概率论研究随机现象的统计规律性
  • 在一次试验中呈现不确定的结果而在大量重复试验中结果呈
    • 现某种规律性, 这一规律性称为统计规律性
  • 为了研究随机现象的统计规律性, 就要对随机现象进行重复
    • 观察, 观察的过程叫随机试验.

概率论所讨论的随机试验 (简称为试验) 有以下三个特点: 可重复性:观测可以在相同的条件下重复进行; 结果多样性和明确性:每次试验的结果不止一个,但是试验之前可以明确所有可能的结果 结果不确定性:每次试验将要发生什么样的结果是事先无法预知的

  • 随机试验的所有可能的结果构成的集合被称为为样本空间,记为 Ω.
  • 样本空间中的每个元素, 即试验的每一个可能结果称为样本点, 记为 ω.
    • 例 1.2请给出例1.1中随机试验的样本空间 Ω:

  1. 新生儿的性别 Ω1 = {男, 女};
  1. 抛掷一枚均匀骰子看掷出的点数的样本空间
    1. Ω2 = {1, 2, ..., 6};
  1. 学校夜排档网红烧烤等位人数的样本空间 Ω3 = {0, 1, 2, ...};
  1. 做核酸检测排队等候的时间的样本空间 Ω4 = {t : t ≥ 0};
  1. 暑期航班上座率的样本空间 Ω5 = {x : 0 ≤ x ≤ 100}.

▶ 样本空间中的元素可以是数, 也可以不是数. ▶ 样本空间中样本点的个数可以是有限个也可以是无限个; ▶ 样本空间中样本点的个数可以是可列个也可以是不可列个

  • 从集合的角度来看, 随机事件是样本空间的部分样本点构成 的 Ω 的子集.
  • 当试验的结果 ω 属于该子集时, 就称事件 A 发生了;
  • 如果试验结果 ω 不属于该子集, 就说事件 A 不发生.
  • 仅含一个样本点的子集称为基本事件.
  • 样本空间 Ω 是自己的一个子集, 是随机事件;又 Ω 包含所有可能试验结果, Ω 又称为必然事件.
  • 空集 ∅ 是样本空间 Ω 的一个子集, 是随机事件. 又 ∅ 中不包含任何元素, 在每一次试验中一定不发生, ∅ 又称为不可能事件.

并事件

参考并集

交事件

参考交集
符号可以省略

互不相容事件

不能同时发生
引申出对立事件:AB互不相容且, 则称B为A的对立事件,记为
 
 

差事件

记C={事件A发生而B不发生}则记为A-B,等于

徳摩根公式



 
作业

概率的公理化定义与概率的性质

一、等可能概型

在随机试验中,每一个样本点发生的可能性都相同,这样的数学模型称为等可能概型。等可能概型有分为古典概型和集合概型。

1.古典概型

特点: - 有限个样本点 - 每个样本点发生的可能性相等
若随机事件A中有个样本点,则定义事件A的概率为:
 

有序样本

是从n中挑出m个元素,组成一个集合
有放回抽样:样本数
无放回抽样:样本数=

2.几何概型

允许试验可能结果有无穷不可列个

概率的公理化定义

设E为随机试验,Ω 为相应的样本空间,若对任意事件A,有唯一实数P(A)与之对应,且满足下面条件, 则 称数 P(A) 为事件 A 的概率:
  1. (非负性) 对于任意事件 A, 总有 P(A) ≥ 0;
  1. (规范性) P(Ω) = 1;
  1. (可列可加性) 若 A1, A2, ..., An, ... 为两两互不相容的事件 组, 即则有

概率的性质

  1. 有限可加性) 设 A1, A2, ..., An 为两两互不相容的事件,即AiAj = ∅, i j, i, j = 1,2,...,n. 则有
  1. 对任意事件A,有
  1. 减法公式) 设A,B为任意两个事件, 则P(B-A)=P(B)-P(AB) 当,P(B-A)=P(B)-P(A)

定义3.1

  1. 设 E 是随机试验, Ω 是样本空间, A, B 是事件且 P(A) > 0, 称 为在事件A发生的条件下事件B也发生的概率,称为条件概率。 可以验证,条件概率也满足公理化定义的三条基本性质:非负性、规范性、可列可加性: (1)非负性:对于任意事件A,总有P(A|B)>0 (2)规范性 (3)可列可加性:若为两两互不相容事件组 则有
 

全概率公式与贝叶斯公式

定义 设 E 是随机试验Ω 是相应的样本空间ꎬ为 Ω 的一个事件组 若满足条件: 则称事件组为样本空间的一个完备事件组完备事件组完成了对样本空间的一个分割.

定理 1(全概率公式)

notion image
为样本空间的一个完备事件组,且,B为任一事件,则

定理 2 贝叶斯公式

💡
贝叶斯公式的分母就是全概率公式 分子是全概率公式中的一项
 

第二章 随机变量及其分布

定义1: 在随机试验 E 中, Ω 是相应的样本空间,如果对 Ω 中的每一个样本点 ω 有 唯一一个实数 X(ω)与它对应,那么就把这个定义域为 Ω 的单值实值函数 X = X(ω)称为(一维)随机变量 随机变量一般用大写字母 X Y 等来表示,随机变量的取值一般用小写字母 xy 等来表示
总结:
  1. 随机变量通常用大写字母X、Y、Z···来表示
  1. 随机变量的值域可记为
  1. 随机变量的取值是随机的

离散型随机变量及其分布律

设 E 是随机试验Ω ,是相应的样本空间 X 是 Ω 上的随机变量,若 X 的值域(记为 Ω)为有限集或可列集此时称 X 为(一维)离散型随机变量
定义 3 若一维离散型随机变量 X 的取值为 称相应的概率

常用的离散型随机变量

一、 二项分布

即该随机试验只有两种可能的试验结果: A 和
则称这样的随机试验叫伯努利试验
n重伯努利实验中事件A发生的概率:

如果P~B(n,p)

二、 泊松分布

设随机变量 X 的取值为 0,1,2,3,···相应的分布律为

如果X~P()

第三章 连续型随机变量

分布函数

定义

设 X 是一个随机变量,对于任意实数 x 称函数
为随机变量 X 的分布函数

性质

分布函数、密度函数

一般用表示密度函数,表示分布函数
💡
💡

连续型随机变量期望和方差

定义

期望

懒人公式

若X的密度函数为f(x),Y=aX+b,则
方差:
在实际计算中常使用
 

定理

设连续型随机变量X的数学期望为,方差为,abc是常数则有 1.

正态分布

图像性质

  1. 关于对称
  1. 拐点为
  1. 最高点为

正态分布的期望和方差

正态分布的概率计算公式

notion image

指数分布

若有随机变量X的密度函数
notion image

指数分布数学期望和方差

对数正态分布

定义

定理

对数正态分布的数学期望和方差

第四章 多维随机变量及其分布

联合分布函数

notion image

边缘分布

边缘分布函数
边缘密度函数
若已知联合密度函数,边缘密度函数可以直接由定义公式计算得到,若已知联合分布 函数,首先计算边缘分布函数,再对边缘分布函数求导得到边缘密度函数。第一种方法更简洁

随机变量的相互独立性

成立, 则称随机变量 X 与 Y 相互独立
即边缘分布函数的积=联合分布函数

条件分布

二维连续型随机变量X,Y,当时,给定条件下 X 的条件密度函数为
 

评论