title: 【概率论】1-2:计数方法(Counting Methods)
categories:
- Mathematic
- Probability
keywords: - Counting Methods
- 技术方法
- Combinatorial Methods
- 组合方法
- Multiplication
- 乘法法则
- Permutations
- 排列
- Stirling’s Formula
- 斯特林公式
toc: true
date: 2018-01-25 10:35:46
Abstract: 本文主要介绍有限样本空间下的古典概率问题,以及其中包含的计数方法,排列的基本思想
Keywords: Counting Methods,Combinatorial Methods,Multiplication,Permutations,Stirling’s Formula
开篇废话
其实有时候天天写博客没有什么废话可以说了,因为前一天说的已经差不多了,但是废话这个传统不能断,因为一旦断了,就没办法接上了。
最近这几篇博客感觉每一篇知识点都有点多,概率这个东西更讲究应用,所以决定本文分成两篇写,这两篇只讲原理下后面讲案例,这样对比这看可能更好,一般的教材的通用做法是讲一个知识点,然后给出丰富的例子让我们来理解知识点,但是这样知识点之间衔接就被例题打断了,而先讲理论再来例题,理论又容易记不住,所以这是个两难的选择,但是我还是更倾向于先把理论用通俗的话讲明白,然后再举例子,这样我会感觉到踏实一点,也能检验自己理论是否真的搞明白了。
另外我对碎片化的学习表示非常反对,所谓任务导向的学习,什么不会学什么,这样做的好处是多快好省,这是我们dang经济建设的口号,“这个口号本身很矛盾,多就不能快,好就不能省,一分钟洗一万个土豆,你敢吃么?给我一千块钱盖房子,我只能用纸壳报纸给你盖”(语出自袁腾飞老师),多快好省的问题就在于许多问题不会很快暴露,但是会陆陆续续的一直干扰你。
本文中的部分内容高中就有涉及,所以这篇博客写的关键字有点多,这里只强调与后续概率相关的知识,如果有遗漏大家可以自己补习。
Finite Sample Space(有限样本空间)
我们书接上回,上回书我们说到试验的所有输出组成的集合,我们称之为样本空间,当样本空间中的样本点的个数是有限的时候,我们就称之为有限样本空间,那么我们的问题来了,如果我们已知试验的条件,怎么确定结果是否有限个,如果是有限个,那么怎么确定个数呢?也就是怎么数一下结果呢?于是就有了下面的一些列计数方法。
Classical Interpretation
我们在第一篇introduction里面提到过Classical Interpretation,古典观点的概率,本篇中我们主要的出发点与古典概率一致,古典概率假设:“试验中,每一个样本点的概率相等”,那么从这个出发点看,结合上文中概率的性质T3,假设样本空间有n个样本点,把每个样本点看做一个事件,这样n个事件都互不相关,n个事件的概率和是1,那么每个事件的概率是
这个概念说起来可能比较拗口,各种条件之间看起来可能比较复杂,但是举个例子就非常简单了,扔骰子:
扔一个均匀的六面体骰子,那么样本空间是
所有点数出现的概率相等,那么
、
、
、
、
、
这个结论比较能够满足我们的直观感觉,条件中“均匀的骰子”就表明样本空间中每个样本点等可能出现。
现在我们已经基本理解了古典概率的基本思路了,但是思考下,我们扔的一个骰子,能够很轻松的确定结果集的所有元素,那么如果我们扔两个骰子,或者扔更多的骰子呢?数数可能有点困难了,所以我们引出了下面的课题,计数方法。
Counting Methods(计数方法)
计数方法的根本目的就是为了计算试验结果的个数,与试验出现的结果无关,也不影响任何试验的随机性,计数只是通过条件给出的前提,在试验前或者试验后,计数结果不变。
总结下就是一句话:计数不影响试验的结果,计数方法在概率中的最主要的应用就是为了计算试验结果的个数。
Multiplication Rule(乘法原理)
乘法原理是最基础的一种计算结果的方法,首先我们感受下实际的用途,先后扔两个骰子,将结果排列成一个有序的序列,比如第一个骰子是6,第二个骰子是4,那么结果我们记做
那么所有可能出现的结果:
一共36种结果,36,很神奇的数字,因为每个骰子有6种结果,两个骰子,难道是
的关系?我们先不给出结论,我们来观察试验过程,首先我们扔第一个骰子,可能出现以下结果:
下面我们扔第二个骰子:
看出来了吧,第一个骰子能扔出来6种结果,每一种结果后第二个骰子还能扔出6种结果,那么两个骰子的结果总数就是
种结果。
同样扔两个硬币就会得到
种结果,分别是:
Definition: Multiplication Rule for Two-Part Experiments,
(i)The Experiments is performed two parts
(ii)The first part of the experiment has possible outcomes ,and regardless of which one of these outcomes occurs,the second part of the experiment has possible outcomes
the sample space contains excatly outcomes
对于可以分成两步的试验,如果第一步试验有 种结果,第二步试验有 种结果,那么整个试验共有 种结果。
接下来的扩展把上述两步试验扩展成更一般的试验,也就是多步试验,那么整体试验的结果是每一步结果数量的连续乘积。
Definition:Multiplication Rule.Suppose that an experiment has k parts( ),that the th part of the experiment can have possible outcomes( ),and that all of the outcomes in each part can occur regardless of which specific outcomes have occurred in the other parts.Then the sample space of the experiment will contain all vectors of the form where is one of the possible outcomes of part .The total number of these vectors in will be equal to the product
上面这段英文定义就是乘法原理的多阶段版本,也是通用版本,这里值得指出的就是重点的一句,各个阶段的试验互不影响,这个是非常关键的前提,如果不满足这个条件,乘法原理不成立。
Permutations(排列)
接下来就是排列了,排列怎么来的?从乘法原理来的呀,我们在看下面三种情况,陈希孺老师称下面这个叫“坛子模型”,这个模型虽然简单,但是是构成概率论的基础:
-
一个不透明的箱子,里面三个球,除了每个球颜色不同其他都相同(假设红R绿G蓝B三种颜色),也就是说如果靠触觉没办法区分,那么我们不看从箱子里拿球出来,每个球被拿出的可能性相同,并且,我们每次拿出球以后记录了颜色以后,再放回去,然后重复上述过程,这样我们重复三次,可能的结果:
根据实验的各步骤之间互不影响,所以乘法原理成立,结果有27种( ) 这个重复的过程有个关键的步骤就是,每次取出球记录颜色后再放回去,这一步很重要。 -
如果我们取出球以后不放回去呢?那么我们可能得到的结果就是:
解释下,第一步我们有三种可能的结果,同时第一个球不会放回,第二步受到第一步的影响,只可能有两种结果,同时第二个球不会被放回,那么第三步只有最后一个球,没有选择,只能是他,那么,这个不放回的过程,共有 种结果,比上面的模型1,要少很多种情况, -
我们简化上面2中步骤,把三步减到两步,那么根据2,我们共有 种,虽然结果都是6,但是,效果是不同的,例如如果我们有四个球,不放回的取两个 共12种情况,如果是全取出 种情况。
如此便可引出组合的概念
Definition: Permutations. Suppose that a set has elements.Suppose that an experiment consisits of selecting of the elements one at a time without replacement.Let each outcome consist of the elements in the order selected.Each such outcome is called a permutation of n elements taken at a time.We denote the number of distinct such permutations by the symbol
定义的翻译,有n个球,取k个出来,一次取一个,不放回,并且取出的顺序被严格记录,不允许顺序被打乱。这个就是排列。
Theorem Number of Permutations. The number of permutations of elements taken at a time is
上述为排列的数字结果,总结出下面的表示方法,提出一个阶乘的概念,阶乘的具体概念可以自己查一查,注意,我们约定 ,注意,这是个约定。
Theorem Permutations:The number of distinct orderings of items selected without replacement from a collectioin of different items is:
小结一下上面关于排列的知识,最主要的关键字有两个,一个是“with replacement放回”与“without replacement不放回”,另一个就是顺序,取出结果的顺序被严格记录不允许颠倒顺序。
Birthday Problem(生日问题)
问题描述:“假设一年365天(不考虑闰年)k个人,至少有两个出生在同一天(只考虑月和日,不考虑年)的概率是多少?”
秉着越困难的题越短的思路,这个题可能要考虑不少,所以我们要仔细考虑下,
首先k一定不能大于365,不然肯定有同一天出生的人,那么概率是1没有讨论价值,那么我们可以利用前面集合的概念,假设样本空间S包含
种出生组合(这是个with replacement)的结果,事件A是至少两个人出生在同一天,那么在全集S上的补集
的意义就是所有k个人都不同一天出生,那么根据排列的公式就有
种情况,那么根据每天等概率的前提下,
,根据1-1:Definition of Probability中的T3
我们可以带入几个k值来计算下概率:
5 | 0.027 | 25 | 0.569 |
10 | 0.117 | 30 | 0.706 |
15 | 0.253 | 40 | 0.891 |
20 | 0.411 | 50 | 0.970 |
22 | 0.476 | 60 | 0.994 |
23 | 0.507 |
可见当有60个人的时候,这些人中有至少两个同一天过生日的概率是0.994,这就是很著名的生日问题,虽然很简单,但是很有趣,当然我们也可以不用补集的方法,直接正面解决,但是可能有点困难,大家可以自己试试。
Stirling’s Formula(斯特林公式)
Stirling’s Formula,斯特林公式,主要为了解决的问题是,在
的计算过程中,当n比较大的而k不太大的时候,这个计算变得很麻烦,因为数字太大了!什么?没有概念?那我下面写几个不太大的数字直观的给你看下:
这里我是口算的,所以让
如果让
,那么计算将会非常麻烦,但是我们发现一个有用的关系:
但是 也太大了,没办法直接计算,于是Stirling’s Formula 被提出:
Theorem Stirling’s Formula .Let:
证明过程可以被简单的写成
即
也就是证明
成立:
证明:
略(后面补上)
总结
本来想多写点知识点,结果发现,多就不能快,那我们明天继续,另外stirling 公式后面再给出证明,此处先略过,待续。。
原文地址1:https://www.face2ai.com/Math-Probability-1-2-Counting-Methods转载请标明出处
原文地址2:https://www.tony4ai.com/Math-Probability-1-2-Counting-Methods转载请标明出处