概率论与数理统计

学习视频

排列组合

加法原理: 几种方案
乘法原理: 分几步

不重复排列

P n m = n ( n − 1 ) . . . ( n − m ) = n ! ( n − m ) ! P_n^m = n(n-1)...(n-m)= \frac{n!}{(n-m)!} Pnm=n(n1)...(nm)=(nm)!n!

全排列
P_n^n = n (n-1)…1 = n!

重复排列
n m n^m nm

组合:从n个不同元素中取出m个不同元素.
C n m = P n m m ! = n ! m ! ( n − m ) ! C_n^m = \frac{P_n^m}{m!}= \frac{n!}{m!(n-m)!} Cnm=m!Pnm=m!(nm)!n!

C n m = C n n − m C_n^m = C_n^{n-m} Cnm=Cnnm

C n 0 = C n n = 1 C_n^0 = C_n^n = 1 Cn0=Cnn=1

随机事件

试验:对客观事物 观察 测量.

随机试验:
1.在相同条件下可以重复.
2.结果不止一个.
3.无法预测结果.

事件:每种结果.

基本事件
相对于试验目的来说,不能再分.

复合事件
由基本事件复合

必然事件: Ω \Omega Ω
不可能事件: ϕ \phi ϕ

样本空间:所有基本事件的集合.
样本点:样本空间的元素. ω \omega ω

事件间的关系
1.包含. A发生导致B发生
A ⊂ B A \subset B AB A 包含于B
B ⊃ A B \supset A BA B 包含 A

相等: A ⊂ B , B ⊃ A . A = B A \subset B, B \supset A.A = B AB,BA.A=B

2.并(和)(A B 至少一个发生)
A ⋃ B ( A + B ) A \bigcup B(A + B) AB(A+B)

3.交(积)(A B同时发生)
A ⋂ B ( A B ) A \bigcap B (AB) AB(AB)

无限可列个: 按某种规律排成一个序列.
1.自然数 0,1,2,3,…
2.整数 0,1,-1,2,-2
3.有理数 p q \frac{p}{q} qp
0. 5 ˙ 6 ˙ = x 0.\dot 5 \dot 6 = x 0.5˙6˙=x
56. 5 ˙ 6 ˙ = 100 x 56.\dot 5 \dot 6 = 100x 56.5˙6˙=100x
56 = 99 x 56=99x 56=99x
x = 56 99 x=\frac{56}{99} x=9956

4.差(A 发生 B 不发生)
A − B A - B AB

5.互不相容事件
A B 不同时发生
AB = ϕ \phi ϕ

6.对立事件
A,B互不相容,且 A ⋃ B = ω A \bigcup B = \omega AB=ω
A B = ϕ , 且 A + B = ω AB=\phi,且 A+ B=\omega AB=ϕ,A+B=ω

1. A ‾ 是 的 逆 \overline A是的逆 A
A ‾ ‾ = A \overline {\overline A}=A A=A
2. A − B = A − A B = A B ‾ A-B=A-AB=A\overline B AB=AAB=AB

互不相容 与 对立的联系和区别

1.两事件对立,则一定互不相容
2.互不相容适用于多个事件,对应适用于两个事件
3.互不相容.不能同时发生,可以都不发生
对立,有且只有一个发生

7.完备事件组
A 1 , A 2 , . . . , A n 两 两 互 不 相 容 , 且 ⋃ i = 1 n A i = Ω A_1,A_2,...,A_n两两互不相容,且 \bigcup\limits_{i=1}^n A_i = \Omega A1,A2,...,An,i=1nAi=Ω

运算

1.交换.
A ⋃ B = B ⋃ A . A \bigcup B = B \bigcup A. AB=BA.
A ⋂ B = B ⋂ A . A \bigcap B = B \bigcap A. AB=BA.
A + B = B + A
AB = BA
2.结合
( A ⋃ B ) ⋃ C = A ⋃ ( B ⋃ C ) (A \bigcup B) \bigcup C = A \bigcup (B \bigcup C) (AB)C=A(BC)
( A ⋂ B ) ⋂ C = A ⋂ ( B ⋂ C ) (A \bigcap B) \bigcap C = A \bigcap (B \bigcap C) (AB)C=A(BC)
(A + B) + C=A + (B + C)
(AB)C = A(BC)
3.分配
( A ⋃ B ) ⋂ C = ( A ⋂ C ) ⋃ ( B ⋂ C ) (A \bigcup B) \bigcap C = (A \bigcap C)\bigcup(B \bigcap C) (AB)C=(AC)(BC)
( A ⋂ B ) ⋃ C = ( A ⋃ C ) ⋂ ( B ⋃ C ) (A \bigcap B) \bigcup C = (A \bigcup C)\bigcap(B \bigcup C) (AB)C=(AC)(BC)
(A + B)C = AC + BC
(AB) + C= (A+C) (B+C)

4.对偶
A ⋃ B ‾ = A ‾ ⋂ B ‾ \overline {A \bigcup B} = \overline A \bigcap \overline B AB=AB

A ⋂ B ‾ = A ‾ ⋃ B ‾ \overline {A \bigcap B} = \overline A \bigcup \overline B AB=AB

长短换,符号变

A 1 ⋃ A 2 ⋃ . . . ⋃ A n ‾ = A ‾ 1 ⋂ A ‾ 2 . . . ⋂ A ‾ n \overline {A_1 \bigcup A_2 \bigcup ...\bigcup A_n} =\overline A_1 \bigcap \overline A_2 ...\bigcap \overline A_n A1A2...An=A1A2...An

A 1 ⋂ A 2 ⋂ . . . ⋂ A n ‾ = A ‾ 1 ⋃ A ‾ 2 . . . ⋃ A ‾ n \overline {A_1 \bigcap A_2 \bigcap ...\bigcap A_n} =\overline A_1 \bigcup \overline A_2 ...\bigcup \overline A_n A1A2...An=A1A2...An

事件的概率
概率的初等描述
概率:发生的可能性大小 P(A).
性质
1. P ( Ω ) = 1. P ( ϕ ) = 0 P(\Omega) = 1.P(\phi) = 0 P(Ω)=1.P(ϕ)=0
2. 0 ≤ P ( A ) ≤ 1 0 \leq P(A) \leq 1 0P(A)1

古典概率模型
条件:
1.有限个样本点
2.等可能性

性质:
1.非负性 0 ≤ P ( A ) ≤ 1 0 \leq P(A) \leq 1 0P(A)1
2.规范性 P ( Ω ) = 1. P ( ϕ ) = 0 P(\Omega) = 1.P(\phi) = 0 P(Ω)=1.P(ϕ)=0
3.有限可加: A 1 . . . A n A_1 ... A_n A1...An互不相容
P ( A 1 + A 2 + . . . + A n ) = P ( A 1 ) + P ( A 2 ) + . . . + P ( A n ) P(A_1 + A_2 + ... + A_n) = P(A_1) + P(A_2) + ... + P(A_n) P(A1+A2+...+An)=P(A1)+P(A2)+...+P(An)

P ( A ) = A 的 有 利 样 本 点 Ω 中 样 本 点 总 数 P(A) = \frac{A的有利样本点}{\Omega 中样本点总数} P(A)=ΩA

几何概型
线段、平面、立体

P ( A ) = 几 何 度 量 P(A) = 几何度量 P(A)=

频率与概率
n次试验,A发生了m, m n \frac{m}{n} nm就叫频率
ω n ( A ) \omega_n(A) ωn(A)
性质:1.非负. 0 ≤ ω n ( A ) ≤ 0 0 \leq \omega_n(A) \leq 0 0ωn(A)0
2.规范. ω n ( Ω ) = 1 , ω n ( ϕ ) = 0 \omega_n(\Omega)=1,\omega_n(\phi)=0 ωn(Ω)=1,ωn(ϕ)=0
3.可加形. A 1 , A 2 , … , A m A_1,A_2,\dots,A_m A1,A2,,Am互不相容
ω n ( A 1 + ⋯ + A m ) = ω n ( A 1 ) + ⋯ + ω n ( A m ) \omega_n(A_1+\dots+A_m)=\omega_n(A_1)+\dots+\omega_n(A_m) ωn(A1++Am)=ωn(A1)++ωn(Am)

频率的稳定值叫概率(内在属性,先于频率客观存在的)

公理化
描述、古典、几何、统计

公理1:
1.非负. 0 ≤ P ( A ) ≤ 0 0 \leq P(A) \leq 0 0P(A)0
2.规范. P ( Ω ) = 1 P(\Omega)=1 P(Ω)=1
3.完全可加. A 1 , A 2 , … , A m A_1,A_2,\dots,A_m A1,A2,,Am互不相容
P ( A 1 + A 2 + ⋯ + A m ) = P ( A 1 ) + P ( A 2 ) + ⋯ + P ( A m ) P(A_1+A_2+\dots+A_m) = P(A_1)+P(A_2)+\dots+P(A_m) P(A1+A2++Am)=P(A1)+P(A2)++P(Am)

性质1: P ( ϕ ) = 1 P(\phi)=1 P(ϕ)=1
Ω = Ω + ϕ + ϕ + … \Omega = \Omega + \phi + \phi + \dots Ω=Ω+ϕ+ϕ+
P ( Ω ) = P ( Ω + ϕ + …   ) = P ( Ω ) + P ( ϕ ) + … P(\Omega) = P(\Omega+\phi+\dots)=P(\Omega)+P(\phi)+\dots P(Ω)=P(Ω+ϕ+)=P(Ω)+P(ϕ)+
P ( ϕ ) + ⋯ = 0 , P ( ϕ ) ≥ 0 P(\phi) + \dots = 0,P(\phi) \geq 0 P(ϕ)+=0,P(ϕ)0
P ( ϕ ) = 0 P(\phi)= 0 P(ϕ)=0

性质2:有限可加, A 1 , A 2 , A 3 , … , A n A_1,A_2,A_3,\dots,A_n A1,A2,A3,,An互不相容
P ( A 1 + ⋯ + A n ) = P ( A 1 ) + ⋯ + P ( A n ) P(A_1+\dots+A_n)=P(A_1)+\dots+P(A_n) P(A1++An)=P(A1)++P(An)

性质3: P ( A ‾ ) = 1 − P ( A ) P(\overline A)=1-P(A) P(A)=1P(A)

推论 A 1 , … , A n A_1,\dots,A_n A1,,An 完 备 事 件 组 { 1. 两 两 互 不 相 容 2. 并 是 Ω 完备事件组\begin{cases}1.两两互不相容\\2.并是\Omega\end{cases} { 1.2.Ω
P ( A 1 ) + P ( A 2 ) + ⋯ + P ( A n ) = 1 P(A_1)+P(A_2)+\dots+P(A_n)=1 P(A1)+P(A2)++P(An)=1

性质4: { 1. P ( A − B ) = P ( A ) − P ( A B ) 2. A ⊃ B . P ( A − B ) = P ( A ) − P ( B ) . 且 P ( A ) ≥ P ( B ) \begin{cases}1.P(A-B)=P(A)-P(AB)\\2.A\supset B.P(A-B)=P(A) - P(B).且P(A)\geq P(B)\end{cases} { 1.P(AB)=P(A)P(AB)2.AB.P(AB)=P(A)P(B).P(A)P(B)

性质5(加法): P ( A + B ) = P ( A ) + P ( B ) − P ( A B ) P(A+B)=P(A) + P(B)-P(AB) P(A+B)=P(A)+P(B)P(AB)
P ( A + B + C ) = P ( A ) + P ( B ) + P ( C ) − P ( A B ) − P ( A C ) − P ( B C ) + P ( A B C ) P(A+B+C)=P(A) + P(B)+P(C)-P(AB)-P(AC)-P(BC)+P(ABC) P(A+B+C)=P(A)+P(B)+P(C)P(AB)P(AC)P(BC)+P(ABC)

条件概率
Ω 样 本 空 间 , A 、 B 两 个 事 件 \Omega 样本空间,A、B两个事件 Ω,AB
P ( B ) > 0 , 在 B 已 经 发 生 的 条 件 下 A 发 生 的 概 率 P(B) > 0 ,在B已经发生的条件下A发生的概率 P(B)>0,BA
A对B的条件概率 .P(A|B)

1. P ( A ∣ B ) = n A B n B 1.P(A|B)=\frac{n_{AB}}{n_B} 1.P(AB)=nBnAB

2. P ( A ∣ B ) = n A B n n B n = P ( A B ) P ( B ) 2.P(A|B)=\frac{\frac{n_{AB}}{n}}{\frac{n_B}{n}}=\frac{P(AB)}{P(B)} 2.P(AB)=nnBnnAB=P(B)P(AB)

{ 1. P ( A ∣ B ) ≥ 0 2. P ( Ω ∣ B ) = 1 3. A 1 , … , A n 互 不 相 容 . P ( ∑ i = 1 ∞ A i ∣ B ) = ∑ i = 1 ∞ P ( A i ∣ B ) \begin{cases} 1.P(A|B) \geq 0\\ 2.P(\Omega|B)=1\\ 3.A_1,\dots,A_n互不相容. P(\sum\limits _{i=1}^\infty {A_i|B})=\sum\limits_{i=1}^\infty{P(A_i|B)} \end{cases} 1.P(AB)02.P(ΩB)=13.A1,,An.P(i=1AiB)=i=1P(AiB)

乘法公式
P ( A ) > 0 , P ( B ) > 0 P(A) > 0 ,P(B) > 0 P(A)>0,P(B)>0
{ 1 , P ( A B ) = P ( B ) P ( A ∣ B ) 2. P ( A B ) = P ( A ) P ( B ∣ A ) \begin{cases} 1,P(AB)=P(B)P(A|B)\\ 2.P(AB)=P(A)P(B|A) \end{cases} { 1,P(AB)=P(B)P(AB)2.P(AB)=P(A)P(BA)

分步走
P ( A 1 A 2 … A n ) = P ( A 1 ) P ( A 2 ∣ A 1 ) P ( A 3 ∣ A 1 A 2 ) … P ( A n ∣ A 1 … A n ) P(A_1A_2\dots A_n)=P(A_1)P(A_2|A_1)P(A_3|A_1A_2)\dots P(A_n|A_1\dots A_n) P(A1A2An)=P(A1)P(A2A1)P(A3A1A2)P(AnA1An)

P ( A 1 A 2 A 3 ) = P ( A 1 ) P ( A 2 ∣ A 1 ) P ( A 3 ∣ A 1 A 2 ) P(A_1A_2A_3)=P(A_1)P(A_2|A_1)P(A_3|A_1A_2) P(A1A2A3)=P(A1)P(A2A1)P(A3A1A2)

全概率公式
定理1.2 A 1 , A 2 , … , A n A_1,A_2,\dots,A_n A1,A2,,An是的完备事件组

P ( B ) = ∑ i = 1 n P ( B ∣ A i ) P(B)=\sum \limits_{i=1}^n {P(B|A_i)} P(B)=i=1nP(BAi)

贝叶斯公式
知道结果 推导 原因

P ( A k ∣ B ) = P ( A k ) P ( B ∣ A k ) ∑ i = 1 n P ( A i ) P ( B ∣ A i ) = P ( A k B ) P ( B ) P(A_k|B)=\frac{P(A_k)P(B|A_k)}{\sum \limits _{i=1}^n {P(A_i)} P(B|A_i)} = \frac{P(A_kB)}{P(B)} P(AkB)=i=1nP(Ai)P(BAi)P(Ak)P(BAk)=P(B)P(AkB)

事件的独立性
定义: A发生的概率不受B发生的是否的影响
P ( A ∣ B ) = P ( A ) P(A|B)=P(A) P(AB)=P(A)

定理 P(A) > 0 , P(B) > 0
A,B独立 ⟺ \Longleftrightarrow P(AB) = P(A) P(B)

定义1.6: P(AB)=P(A)P(B) , A,B独立

定理1.5:
1.A,B独立. A 与 B ‾ , A ‾ 与 B , A ‾ 与 B ‾ A 与 \overline B,\overline A 与 B,\overline A 与 \overline B AB,AB,AB独立

2.P(A) = 0 或 P(A) = 1, A 与 任何事件都独立
P(A) = 0 与 ϕ \phi ϕ不一样
P(A) = 1 与 Ω \Omega Ω 不一样

独立: 可能性
互不相容: AB = ϕ \phi ϕ

伯努利模型
独立实验序列: E 1 , E 2 , … , E n E_1,E_2,\dots,E_n E1,E2,,En
n重独立实验: E , E , E , … , E E,E,E,\dots,E E,E,E,,E E n E^n En

伯努利实验:结果只有两种
n重伯努利实验: n次 独立 结果只有两种

定理:如果A的概率P(0 A ‾ \overline A A:1-P,
n重伯努利实验中A发生K次

P n ( k ) = C n k P k ( 1 − P ) n − k P_n(k) = C_n^k P^k(1-P)^{n-k} Pn(k)=CnkPk(1P)nk二项概率公式

你可能感兴趣的:(数学)