[补充内容]概率论与数理统计02

古典概型

古典概型定义:样本空间S中样本点有限;出现每一个样本点的概率相等。
P(A)=m/n包含的基本事件的个数m,基本事件的总数n。
放回抽样每一次抽取的概率相同;与不放回抽样每次抽取的概率不同。
排列
定义:从n个不同元素中取出m(m≤n)个元素的所有排列的个数,叫做从n个不同元素中取出m个元素的排列数,用符号 Amn表示。
Amn=n(n-1)(n-2)…(n-m+1)=n!/(n-m)!
 规定0! = 1
组合
定义:从n个不同元素中取出m(m≤n)个元素的所有组合的个数,叫做从n个不同元素中取出m个元素的组合数。用符号 Cmn表示。
Cmn=Amn/m!

条件概率

P(B|A)表示在A发生的条件下,B发生的条件概率。
条件概率定义:P(B|A)=P(AB)/P(A),其中P(A)>0。
条件概率同样满足概率的公理:非负性;规范性;可列可加性;

全概率公式与贝叶斯公式

样本空间的一个而划分:称B1,B2,…,Bn为S的一个划分,若(1)S=B1∪B2∪…∪Bn(2)BiBj=Φ,i≠j。
[补充内容]概率论与数理统计02_第1张图片
全概率公式
设B1,B2,…,Bn为S的一个划分,且 P(B1)>0,则有全概率公式:
P(A)=∑nj=1P(Bj)·P(A|Bj)
P(A|Bj)表示Bj发生的条件下A发生的概率。
[补充内容]概率论与数理统计02_第2张图片
贝叶斯(Bayes)公式
定理:B1,B2,…,Bn为S的一个划分,且 P(B1)>0,对P(A)>0,有Bayes公式:
[补充内容]概率论与数理统计02_第3张图片

事件的独立性

相互独立:设A、B是两个随机事件,如果P(AB)=P(A)P(B),就称A,B相互独立。
若P(A)>0,P(B)>0,则P(AB)=P(A)P(B)等价于P(B|A)=P(B)=P(A)=P(A|B),因为A、B相互独立,A或B的发生与否不影响另一个的发生概率。
此相互独立的办法也可以扩展到n个事件之间的独立关系,两两独立不能推出素有事件是相互独立的。
例如对按个事件A、B、C,互相独立的定义应为:
P(AB)=P(A)P(B)
P(AC)=P(A)P(C )
P(BC)=P(B)P(C )
P(ABC)=P(A)P(B)P(C )
两两独立的定义是前三条,没有第四条黄色标注的条件
小概率事件
实际推断原理:概率很小的事件在一次实验中几乎是不发生的。
注意:小概率不是不会发生,当实验次数足够多(区域无穷),那么这个小概率事件发生的概率的极限为一。(常在河边走哪有不湿鞋

你可能感兴趣的:(杂项)