欢迎您访问 最编程 本站为您分享编程语言代码,编程技术文章!
您现在的位置是: 首页

1.随机事件和概率

最编程 2024-09-30 07:29:45
...

第一章 随机时间与概率

1. 随机事件及其运算

1.1 随机现象

确定性现象:只有一个结果的现象

确定性现象:结果不止一个,且哪一个结果出现,人们事先并不知道

1.2 样本空间

样本空间:随机现象的一切可能基本结果组成的集合,记为 Ω = { ω } \Omega = \{\omega\} Ω={ω},其中 ω \omega ω表示基本结果,又称为样本点

1.3 随机事件

随机事件:随机现象的某些基本样本点组成的集合称为随机时间,简称事件,常用大写字母 A , B , C , ⋯ A,B,C,\cdots A,B,C,表示。

维恩(Venn)图:类似图1的图形

在这里插入图片描述

图1 事件A的维恩图

​ 由样本空间 Ω \Omega Ω中的单个元素组成的子集称为基本事件,而样本空间 Ω \Omega Ω的最大子集(即 Ω \Omega Ω本身)称为必然事件,样本空间 Ω \Omega Ω的最小子集(即空集$\varnothing $)称为不可能事件

1.4 随机变量

随机变量:用来表示随机现象结果的变量,常用大写字母X,Y,Z表示,很多时间都可用随机变量表示,表示时应写明随机变量的含义。

1.5 事件间的关系

包含关系:如果属于A的样本点必属于B,则称A被包含在B中,或称B包含A,记为 A ⊂ B A\subset B AB

相等关系:属于A的样本点必属于B,属于B的样本点必属于A,即 A ⊂ B A\subset B AB B ⊂ A B\subset A BA,则称事件A与B相等,记为A=B

互不相容:如果A与B没有相同的样本点,则称A与B互不相容。

2.概率的定义及其确定方法

​ 1933年苏联数学家柯尔莫戈洛夫首次提出了概率的公理化定义。

2.1 概率的公理化定义

定义2.1 概率

​ 设 Ω \Omega Ω为一个样本空间, F F F Ω \Omega Ω的某些子集组成的一个事件域,如果对于任一事件 A ∈ F A\in F AF,定义在 F F F上的一个实值函数 P ( A ) P(A) P(A)满足:

  1. 非负性公理 A ∈ F A\in F AF,则 P ( A ) ≥ 0 ; P(A)\ge 0; P(A)0;

  2. 正则性公理 P ( Ω ) = 1 P(\Omega)=1 P(Ω)=1

  3. 可列可加性公理 A 1 , A 2 , ⋯   , A n , ⋯ A_1,A_2,\cdots,A_n,\cdots A1,A2,,An,互不相容,则:
    P ( ⋃ i = 1 ∞ A i ) = ∑ i = 1 ∞ P ( A i ) P(\bigcup_{i=1}^{\infty} A_i )=\sum_{i=1}^\infty P(A_i) P(i=1Ai)=i=1P(Ai)
    P ( A ) P(A) P(A)为事件 A A A概率,称三元素 ( Ω , F , P ) (\Omega,F,P) (Ω,F,P)概率空间

排列和组合: p13

抽样模型 p16

放回抽样 p18

额,全看一下吧,从p12 的1.2.2 排列与组合公式开始。

3.概率的性质

性质3.1 $P(\varnothing)= 0 $

3.1 概率的可加性

性质3.2 有限可加性

​ 若有限个时间 A 1 , A 2 , ⋯   , A n A_1,A_2,\cdots,A_n A1,A2,,An互不相容,则有
P ( ⋃ i = 1 n A i ) = ∑ i = 1 n P ( A i ) P(\bigcup_{i=1}^n A_i)=\sum_{i=1}^n P(A_i) P(i=1nAi)=i=1nP(Ai)

性质3.3 对立事件的概率

​ 对任意时间 A A A,有:
P ( A ‾ ) = 1 − P ( A ) P(\overline{A}) = 1- P(A) P(A)=1P(A)
例题:甲乙抛硬币,甲抛 n + 1 n+1 n+1次,乙抛 n n n次,求甲抛出正面次数大于乙抛出正面次数的概率 P ( A ) P(A) P(A)

解:

​ 事件A定义为 甲 正 > 乙 正 甲_正>乙_正 >,则 A ‾ = 甲 正 ≤ 乙 正 \overline{A}=甲_正\le 乙_正 A=

P ( A ) = P ( 甲 正 > 乙 正 ) = P ( n + 1 − 甲 反 > n − 乙 反 ) = P ( 甲 反 < 乙 反 + 1 ) = P ( 甲 反 ≤ 乙 反 ) = P ( 甲 正 ≤ 乙 正 ) = P ( A ‾ ) P(A)=P(甲_正>乙_正)=P(n+1 - 甲_反 >n - 乙_反)=P(甲_反 < 乙_反 +1)=P(甲_反\le 乙_反)=P(甲_正\le 乙_正)=P(\overline{A}) P(A)=P(>)=P(n+1>n)=P(<+1)=P()=P()=P(A)

​ 则 P ( A ) = P ( A ‾ ) = 1 2 P(A)=P(\overline{A})=\frac 12 P(A)=P(A)=21

3.2 概率的单调性

性质 3.4 包含关系的性质

​ 若 B ⊂ A B\subset A BA,则
P ( A − B ) = P ( A ) − P ( B ) P(A-B) = P(A)-P(B) P(AB)=P(A)P(B)
推论(单调性) B ⊂ A B\subset A BA ,则 P ( A ) ≥ P ( B ) P(A)\ge P(B) P(A)P(B)

性质3.5 概率差 p30

​ 对任意两个事件 A , B A,B A,B,有
P ( A − B ) = P ( A ) − P ( A B ) P(A-B) = P(A)-P(AB) P(A

推荐阅读