确定事件:
有一类现象,在一定条件下必然发生
统计性规律:
在大量重复试验或观察中所体现出的固有性规律
随机现象:
在个别试验中其结果呈现出不确定,在大量重复试验中其结果又具有统计规律性的现象
随机试验
随机试验的三个特点
1 ∘
可以在相同条件下重复
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那一个结果
样本空间,随机事件
样本空间
对于随机试验,尽管在每次试验之前不能预知试验的结果,到那时试验的所有可能结果组成的集合是已知的。
我们将随机试验
E
的所有可能结果组成的集合称为
E
的样本空间,即为
S
。样本空间的元素,即
E
的每个结果,称为样本点。
随机事件
一般,我们称试验
E
的样本空间
S
的子集为
E
的随机事件,简称事件。在每次试验中,当且仅当这一子集中的一个样本点出现时,称这一事件发生。
特别当一个样本点组成的单点集,称为基本事件
样本空间
S
包含所有的样本点,它是
S
自身的子集,在每次试验中,它总是发生,则
S
称为必然事件。空集
∅
不包含任何样本点,它也作为样本空间的子集,它在每次试验中都不发生,
∅
称为不可能事件
事件间的关系与事件的运算
设试验
E
的样本空间为
S
,而
A,B,Ak(k=1,2,⋯)
是
S
的子集。
1∘
若
A⊂B
,则称事件
B
包含事件
A
,这里指的是事件
A
发生必然导致事件
B
的发生
若
A⊂B
且
B⊂A
,即
A=B
,则称事件
A
与事件
B
相等
A⊂B
2∘
事件
A∪B={x∣x∈A或x∈B}
称为事件
A
与事件
B
的
和事件。当且仅当
A,B
中至少有一个发生时,事件
A∪B
发生
类似地,称
⋃k=1nAk
为
n
个事件
A1,A2,⋯,An
的和事件;称
⋃k=1∞Ak
为可列个事件
A1,A2,⋯
的和事件。
A∪B
3∘
事件
A∩B={x∣x∈A且x∈B}
称为事件
A
与事件
B
的
积事件 .当且仅当
A,B
同时发生时,事件
A∩B
发生。
A∩B
也记作
AB
类似地,称
⋂k=1nAk
为
n
个事件
A1,A2,⋯,An
的积事件;称
⋂k=1∞Ak
为可列个事件
A1,A2,⋯
的积事件。
A⊂B
4∘
事件
A−B={x∣x∈A且x∉B}
称为事件
A
与事件
B
的
差事件。当且仅当事件
A
发生、
B
不发生时事件
A−B
发生
A−B
5∘
若
A∩B=∅
,则称事件
A
和
B
是
互不相容的,或者互斥的,这里指的是事件
A
与事件
B
不能同时发生,基本事件都是两两不相容的。
A∩B
6∘
若
A∪B=S
且
A∩B=∅
,则称事件
A
与事件
B
互为
逆事件。又称事件
A
与事件
B
互为对立事件。这里指的是对每次试验而言,事件
A、B
中必然有一个发生,且仅有一个发生。
A
的对立事件记为
A¯,A¯=S−A
B∪B¯=S,B∩B¯=∅
事件运算法则:
交换律:
A∪B=B∪AA∩B=B∩A
结合律:
A∪(B∪C)A∩(B∩C)=(A∪B)∪C=(A∩B)∩C
分配率:
A∪(B∩C)A∩(B∪C)=(A∪B)∩(A∪C)=(A∩B)∪(A∩C)
德摩根律:
A∪B¯¯¯¯¯¯¯¯¯¯¯¯¯A∩B¯¯¯¯¯¯¯¯¯¯¯¯¯=A¯¯¯¯∩B¯¯¯¯=A¯¯¯¯∪B¯¯¯¯
频率和概率
频率
定义:
在相同条件下,进行了
n
次试验,在这
n
次试验中,事件
A
发生的次数
nA
称为事件
A
发生的频数。比值
nA/n
称为事件
A
发生的频率,并记成
fn(A)
频率具有下列基本性质:
1∘
,
0≤fn(A)≤1
2∘
,
fn(S)=1
3∘
,若
A1,A2,⋯,Ak
是两两互不相容的事件,则
fn(A1∪A2∪⋯∪Ak)=fn(A1)+fn(A2)+⋯+fn(Ak)
概率
定义:
设
E
是随机试验,
S
是它的样本空间。对于
E
的每一事件
A
赋予一个实数,记为
P(A)
,称为事件
A
的概率,如果有集合函数
P(⋅)
满足下列条件:
1∘
非负性:
对于每一个事件
A
,有
P(A)≥0
2∘
规范性:
对于必然事件
S
,有
P(S)=1
3∘
可列可加性:
设
A1,A2,⋯
是两两互不相容的事件,即对
AiAj=∅,i≠j;i,j=1,2,⋯
有
P(A1∪A2∪⋯)=P(A1)+P(A2)+⋯.
一些重要性质
性质
i
P(∅)=0
性质
ii
(有限可加性)
若
A1,A2,⋯,An
是两两不相容的事件,则有
P(A1∪A2∪⋯∪An)=P(A1)+P(A2)+⋯+P(An)
性质
iii
设
A,B
是两个事件,若
A⊂B
,则有
P(B−A)P(B)=P(B)−P(A)≥P(A)
性质
iv
对任一事件
A
,
P(A)≤1
性质
v
(逆事件概率)
对于任一事件
A
,有
P(A¯¯¯¯)=1−P(A)
性质
vi
(加法公式)
对于任意两个事件
A,B
,有
P(A∪B)=P(A)+P(B)−P(AB)
等可能概型(古典概型)
特点:
1∘
,试验的样本空间只包含有限个元素
2∘
,试验中每个基本事件发生的可能性相同
具有以上两个特点的试验是大量存在的,这种试验称为等可能概型。它在概率论发展初期曾是主要的研究对象,所以也称为古典概型。
设试验样本空间
S={e1,e2,⋯,en}
,由于在试验中每个事件发生的可能性相同,即有
P({e1})=P({e2})=⋯=P({en})
又由于基本事件是
两两互不相容的,于是:
1=P(S)=P({e1}∪{e2}∪⋯∪{en})=P({e1})+P({e2})+⋯+P({en})=nP({ei})P({e1})=1n,i=1,2,⋯,n.
若事件
A
包含
k
个基本事件,即
A={ei1}∪{ei2}∪⋯∪{eik}
,这里
i1,i2,⋯,ik
是
1,2,⋯,n
中
k
个不同的数,则有
P(A)=∑j=1kP({eij})=kn=A包含的基本事件数S中基本事件的总数
条件概率
考虑的是事件
A
已经发生的条件下事件
B
发生的概率。
定义:
设
A,B
两个事件,且
P(A)>0
称
P(B∣A)=P(AB)P(A)
为在事件
A
发生的条件下,事件
B
发生的
条件概率
条件概率
P(⋅∣A)
复合概率定义中的三个条件:
1∘
非负性:
对于每一个事件
B
,有
P(B∣A)≥0
2∘
规范性:
对于必然事件
S
,有
P(S∣A)=1
3∘
可列可加性:
设
B1,B2,⋯
是两两互不相容的事件,
P(⋃i=1∞Bi∣A)=∑i=1∞P(Bi∣A)
乘法定理
设
P(A)>0
则有
P(AB)=P(B∣A)P(A)
此公式称为
乘法定理
全概率公式和贝叶斯公式
设试验
E
的样本空间为
S
,
A
为
E
的事件,
B1,B2,⋯,Bn
为
S
的一个划分,且
P(Bi)>0(i=1,2,⋯,n)
,则
P(A)=P(A∣B1)P(B1)+P(A∣B2)P(B2)+⋯+P(A∣Bn)P(Bn)
上式称为
全概率公式
在很多实际问题中
P(A)
不易直接求得,但却很容易找到
S
的一个划分
B1,B2,⋯,Bn
,且
P(Bi)
和
P(A∣Bi)
或为已知,或容易求得,那么可以用全概率公式求出
P(A)
.
P(A)=P(AB1)+P(AB2)+⋯+P(ABn)=P(A∣B1)P(B1)+P(A∣B2)P(Bn)+⋯+P(A∣Bn)P(Bn)
贝叶斯公式:
定理:
设试验
E
的样本空间为
S
,
A
为
E
的事件,
B1,B2,⋯,Bn
为
S
的一个划分,且
P(A)>0,P(Bi)>0(i=1,2,⋯,n)
,则
P(Bi∣A)=P(A∣Bi)P(Bi)∑nj=1P(A∣Bj)P(Bj),i=1,2,⋯,n.
则上式称为
贝叶斯公式:。
先验概率和后验概率
由以往数据分析得到的概率叫做
先验概率
在得到信息之后再重新加以修正的概率叫做
后验概率
独立性
定义:
设
A,B
是两事件,如果满足等式
P(AB)=P(A)P(B)
则称事件
A,B
相互独立,简称
A,B
独立
容易知道,若
P(A)>0,P(B)>0
,则
A,B
互相独立与
A,B
互不相容不能同时成立
相关定理:
定理一
设
A,B
是两事件,且
P(A)>0
,若
A,B
相互独立,则
P(B∣A)=P(B)
反之亦然。
定理二
若事件
A
与事件
B
相互独立,则下列各对事件也互相独立
A与B¯¯¯¯,A¯¯¯¯与B,A¯¯¯¯与B¯¯¯¯
定义:
设
A,B,C
是三个事件,如果满足等式
P(AB)P(BC)P(AC)P(ABC)=P(A)P(B)=P(B)P(C)=P(A)P(C)=P(A)P(B)P(C)⎫⎭⎬⎪⎪⎪⎪⎪⎪
则称事件
A,B,C
相互独立
一般的,设
A1,A2,⋯,An
是
n(n≥2)
个事件,如果对于其中任意2个,3个,
⋯
,任意
n
个事件的积事件的概率,都等于各事件概率之积,则称事件
A1,A2,⋯,An
相互独立