概率论与数理统计知识点整理(二)条件概率和独立性

1. 条件概率 乘法原理

条件概率的定义:PAB/PB)称为在B的条件下A的概率,记为PA|B

乘法原理:PAB=PA|BPB=PB|APA

2. 全概率公式

PA=

其实这个也是没有太多好解释的地方,很好理解。把S分成很多种情况,在每种情况下,A都有发生的可能性,而全概率就是计算在这样的情况下,A总体的概率。

3. 贝叶斯公式

贝叶斯公式解决的是这样的问题:你已经知道了B这个事件的概率,但这个事件的概率是通过经验得到的。而Ai是引起这个事件的可能的原因。我们要求的东西就是每个原因AiB造成影响的可能性分别有多大。

4. 事件独立性

事件独立性是和之前的条件概率有关的。PAB/PB)这个数值往往和PA)是不相等的,但是有的时候会相等。如果相等,那意味着AB之间不存在相关性的问题。如果不等,那就是有关。由此就引出了事件独立性的概念:

PAB=PAPB)如果成立,那么就称AB相互独立。

5.独立重复试验

独立重复试验:连续n次在相同条件下进行同一个试验E,得到的n各结果间互相独立,称为n次独立重复试验。

n重伯努利试验:如果E的结果只有两种A或者,那么,E称为伯努利试验,n次重复就是n重伯努利试验。对于伯努利试验而言,A称为成功,而n次中有k次成功的概率计算为:

理论上看起来,这个公式很简单,但是实际上计算却比较复杂,如果n非常大的情况下,手工计算就变得非常不可行。于是引入一个新概念:泊松逼近。

(泊松定理)在n重贝努里E中,事件A在一次试验中出现的概率为Pn(它与E的总数n有关),若nPn=λ(正常数)则有:

适合于n足够大,而Pn却很小的情况,简化计算。

你可能感兴趣的:(概率论与数理统计)