(1)排列数
从
m个不同元素中取出
n(n≤m)个元素(被取出的元素各不相同),并按照一定的顺序排成一列,叫做从
m个不同元素中取出
n个元素的一个排列,记作
A(m,n)。
A(m,n)=Amn=(m−n)!m!
(2)组合数
从
m个不同元素中取出
n(n≤m)个元素,叫做从
m个不同元素中取出
n个元素的组合数,记作
C(m,n)。
C(m,n)=Cmn=(m−n)!n!m!
(3)古典概率
概率是以假设为基础的,即假定随机现象所发生的事件是有限的、互不相容的,而且每个基本事件发生的可能性等。一般来讲,如果在全部可能出现的基本事件范围内构成事件
A的基本事件有
a个,不构成事件
A的有
b个,那么事件
A出现的概率为:
P(A)=a+ba
(4)生日问题
n个人中至少两个人生日在同一天的概率
P(A)=1−365n(365−n)!365!
(5)联合概率
两个事件共同发生的概率,事件
A和事件
B的同时发生的概率记作:
P(AB)或
P(A,B)或
P(A∩B)。
P(AB)=P(A∣B)P(B)=P(B∣A)P(A)
(6)条件概率
事件
B已经发生的条件下,事件
A发生的概率,记作
P(A∣B),条件概率具有非负性、可列性、可加性。
P(A∣B)=P(B)P(AB)
(7)全概率公式
B1...Bn是随机试验
S的一组事件,满足以下两个条件:
-
Bi⋃Bj=∅,i=j (两两互不相容)
-
B1⋂B2,...,⋂Bn=S (并集为整个样本空间)
称
B1...Bn是样本空间
S的一个划分。
通过样本划分可以将复杂事件划分为若干不相容的简单事件
Bi,利用全概率公式可求得结果事件
A的概率
P(A)
P(A)=i=1∑nP(ABi)=i=1∑nP(Bi)P(A∣Bi)
其中,
P(Bi)为已知的每个原因事件
Bi的概率,
P(A∣Bi)表示每个原因事件对结果事件的影响程度。
(8)贝叶斯公式
根据条件概率:
P(AB)=P(A)P(B∣A)=P(B)P(A∣B)可推导出贝叶斯公式:
P(A∣B)=P(B)P(A)P(B∣A)
推广:
P(Bi∣A)=P(A)P(ABi)=∑i=1nP(Bi)P(A∣Bi)P(Bi)P(A∣Bi)
P(Bi∣A)用来反映引起结果事件
A发生的各种原因事件
Bi的可能性。
(9)事件独立性
两个事件
A、B,如果
P(AB)=P(A)P(B),则事件
A和
B相互独立。如果事件
A、B相互独立,互不影响,那么
zP(A∣B)=P(A),
P(B∣A)=P(B)。
(10)小概率事件
小概率事件:如果事件
A发生的概率
p=0.0001,那么进行一次实验,事件
A会发生吗?
根据实际推断原理:概率很小的事件在一次实验中实际上几乎是不发生的。
n次实验中,都不发生的概率:
(1−p)n
n次实验中,至少有1次发生事故的概率:
1−(1−p)n,由于
n→+∞lim(1−p)n=1
说明“小概率事件”在大量独立重复实验中“至少有一次发生”几乎是必然的,因此决不能轻视小概率事件。
如,
n=7000时,
1−(1−p)n=1−(1−0.0001)7000=0.5053>0.5
n=30000时,
1−(1−p)n=1−(1−0.0001)30000=0.9502