概率论与数理统计:第一章:随机事件及其概率

文章目录

  • 概率论
  • Ch1. 随机事件及其概率
    • 1.基本概念
      • (1)随机试验、随机事件、样本空间
      • (2)事件的关系和运算
        • ①定义:互斥(互不相容)、对立
        • ②运算法则:德摩根率
      • (3)概率的定义
      • (4)概率的性质
      • (5)概率计算
        • 排列组合
    • 2.等可能概型
      • 1.古典概型 (离散)
      • 2.几何概型 (连续)
    • 3.七大公式
      • (1)逆事件概率公式
      • (2)加法公式
      • (3)减法公式
      • (4)条件概率公式
      • (5)乘法公式
      • (6)全概率公式
      • (7)贝叶斯公式 (先验概率)
    • 4.独立性
      • (1)事件的独立
      • (2)n重伯努利概型 (独立试验序列概型)

概率论

概率论与数理统计:第一章:随机事件及其概率_第1张图片
概率论与数理统计:第一章:随机事件及其概率_第2张图片

Ch1. 随机事件及其概率

1.基本概念

①古典概型求概率
②几何概型求概率
③七大公式求概率
④独立性

(1)随机试验、随机事件、样本空间

1.随机试验 E
概率论与数理统计:第一章:随机事件及其概率_第3张图片


2.随机事件 A、B、C
必然事件 Ω P ( Ω ) = 1 P(Ω)=1 P(Ω)=1
不可能事件 Ø P ( Ø ) = 0 P(Ø)=0 P(Ø)=0

在这里插入图片描述


3.样本空间
样本点 ω = 基本事件
样本空间 Ω:样本点的全体组成的集合

概率论与数理统计:第一章:随机事件及其概率_第4张图片


(2)事件的关系和运算

①定义:互斥(互不相容)、对立

(一) 关系:包含、相等、相容、(互不相容)互斥、对立
(二) 运算:和(并)、差、积(交)

(一) 事件的关系
1.包含
(1)概念:
在这里插入图片描述
(2)性质:
A ⊂ B A \subset B AB,则 P ( A ) ≤ P ( B ) P(A)≤P(B) P(A)P(B)
A B ⊂ A AB\subset A ABA A B ⊂ B AB\subset B ABB,即 P(AB)≤P(A)且P(AB)≤P(B)

(3)若事件C发生必然导致事件A与B同时发生,则A、B、C事件关系为: C ⊂ A B C\subset AB CAB


2.相等
在这里插入图片描述

3.相容
在这里插入图片描述


4.互不相容(互斥)
(1)定义:
若事件A,B互斥,则
①事件角度:AB=Ø
②概率角度:P(AB)=0

(2)性质:
AB=Ø,则 A ⊂ B ‾ A\subset \overline B AB P ( A ) ≤ P ( B ‾ ) P(A)≤P(\overline B) P(A)P(B)

在这里插入图片描述


5.对立:对立事件、逆事件
A B = Ø AB=Ø AB=Ø A ∪ B = Ω A∪B=Ω AB=Ω (即 A ˉ \bar{A} Aˉ=B)
②P(AB)=0 且 P(A)+P(B)=1

概率论与数理统计:第一章:随机事件及其概率_第5张图片


(二)事件的运算
1.和(并):A∪B


2.差:$A-B=A∩\overline{B} $
在这里插入图片描述


3.积(交):A∩B 或 AB



例题1:12年14.
在这里插入图片描述

答案:3/4



②运算法则:德摩根率

5.德摩根率(对偶律) 【长杠变短杠,开口换方向】
(1) A ∪ B ‾ = A ‾ ∩ B ‾ = A ‾   B ‾ \overline{A∪B}=\overline{A}∩\overline{B}=\overline{A}\ \overline{B} AB=AB=A B:A、B均不发生
(2) A B ‾ = A ‾ ∪ B ‾ \overline{AB}=\overline{A}∪\overline{B} AB=AB:A、B至少有一个不发生

方法:转化为带的来看含义


概率论与数理统计:第一章:随机事件及其概率_第6张图片


例题1:
概率论与数理统计:第一章:随机事件及其概率_第7张图片
分析:
A={甲畅销,乙滞销}=B∩C
A ˉ = B ∩ C ‾ = B ‾ ∪ C ‾ \bar{A}=\overline{B∩C}=\overline{B}∪\overline{C} Aˉ=BC=BC=甲滞销 或 乙畅销

答案:C


例题2:
概率论与数理统计:第一章:随机事件及其概率_第8张图片
法一:推导
法二:画图
概率论与数理统计:第一章:随机事件及其概率_第9张图片




(3)概率的定义

1.用频率去估计概率

概率论与数理统计:第一章:随机事件及其概率_第10张图片


2.概率的公理化定义
①非负性: P ( A ) ≥ 0 P(A)≥0 P(A)0
②规范性: P ( Ω ) = 1 P(Ω)=1 P(Ω)=1
③可列可加性:任意可列个两两互不相容的事件 A 1 , A 2 , . . . , A n A_1,A_2,...,A_n A1,A2,...,An,有 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(A1A2...An)=P(A1)+P(A2)+...+P(An) 【完备事件组】


(4)概率的性质

(1)有界性:
对任意事件A,有 0 ≤ P ( A ) ≤ 1 0≤P(A)≤1 0P(A)1

注:对于几何概型:若P(A)=0,不能断言 A=Ø;若P(A)=1,不能断言 A=Ω;
但反之则对:若A是空集Ø,则P(A)=0;若A是全集Ω,则P(A)=1。即一定有 P ( Ø ) = 0 , P ( Ω ) = 1 P(Ø)=0,P(Ω)=1 P(Ø)=0,P(Ω)=1
概率论与数理统计:第一章:随机事件及其概率_第11张图片

(2)单调性:
对于A,B两个事件,若有 A ⊂ B A\subset B AB,则有:
①P(A)≤P(B)
②P(B-A)=P(B)-P(A)


(5)概率计算

跳转链接

排列组合

排列 组合
符号 A n m A_n^m Anm C n m C_n^m Cnm
公式 A n m = n ( n − 1 ) . . . ( n − m − 1 ) A_n^m=n(n-1)...(n-m-1) Anm=n(n1)...(nm1) C n m = n ( n − 1 ) . . . ( n − m − 1 ) m ! C_n^m=\dfrac{n(n-1)...(n-m-1)}{m!} Cnm=m!n(n1)...(nm1)
关系 A n m = A_n^m= Anm= C n m ⋅ m ! C_n^m·m! Cnmm!

概率论与数理统计:第一章:随机事件及其概率_第12张图片



2.等可能概型

1.古典概型 (离散)

古典概型(离散),研究工具:①排列组合 ②加法原理、乘法原理 ③直接数数
概率论与数理统计:第一章:随机事件及其概率_第13张图片


求法:
(1)直接用定义求概率: P ( A ) = k n P(A)=\dfrac{k}{n} P(A)=nk

(2)随机分配:m个可辩质点,放到n个盒子中
①每个盒子可以放任意多个质点:有 n m n^m nm 种放法
②每个盒子只能放一个质点:有 A n m = n ( n − 1 ) . . . ( n − m + 1 ) A_n^m=n(n-1)...(n-m+1) Anm=n(n1)...(nm+1) 种放法

(3)简单随机抽样

含义 共有多少种不同的取法
①先后有放回 m个球,先后有放回地取n次 m n m^n mn
②先后无放回 m个球,先后无放回地取n次 A m n = m ( m − 1 ) . . . ( m − n + 1 ) A_m^n=m(m-1)...(m-n+1) Amn=m(m1)...(mn+1)
③任取(一次性同时拿出) 从n中一次性取m个球 C n m C_n^m Cnm


2.几何概型 (连续)

几何概型(连续),研究工具:几何方法、微积分

P ( A ) = S A 的几何度量 Ω 的几何度量 P(A)=\dfrac{S_A的几何度量}{Ω的几何度量} P(A)=Ω的几何度量SA的几何度量

几何度量:长度、面积、体积

概率论与数理统计:第一章:随机事件及其概率_第14张图片



例题1:07年16.   几何概型
在这里插入图片描述

分析:
法一:直接观察,使得 x-y绝对值小于0.5
概率论与数理统计:第一章:随机事件及其概率_第15张图片
显然,概率应为 3 4 \dfrac{3}{4} 43


法二:随机变量的概率

文字语言 数学语言
两个数之差的绝对值 ∣ X − Y ∣ \lvert X-Y\rvert XY
两个数之差的绝对值小于 1 2 \dfrac{1}{2} 21 ∣ X − Y ∣ < 1 2 \lvert X-Y\rvert<\dfrac{1}{2} XY<21
两个数之差的绝对值小于 1 2 \dfrac{1}{2} 21的概率 P {   ∣ X − Y ∣ < 1 2   } P\{\ \lvert X-Y\rvert<\dfrac{1}{2}\ \} P{ XY<21 }

P { ∣ X − Y ∣ < 1 2 } = P { − 1 2 < X − Y < 1 2 } = P { − 1 2 < Y − X < 1 2 } = P { x − 1 2 < Y < x + 1 2 } P\{|X-Y|<\dfrac{1}{2}\}=P\{-\dfrac{1}{2}P{XY<21}=P{21<XY<21}=P{21<YX<21}=P{x21<Y<x+21}

即在 0 < x < 1 , 0 < y < 1 00<x<1,0<y<1区域内,落在 y = x + 1 2 y=x+\dfrac{1}{2} y=x+21 y = x − 1 2 y=x-\dfrac{1}{2} y=x21 之间的概率。

概率论与数理统计:第一章:随机事件及其概率_第16张图片

答案: 3 4 \dfrac{3}{4} 43




3.七大公式

(1)逆事件概率公式

P ( A ‾ ) = 1 − P ( A ) P(\overline A)=1-P(A) P(A)=1P(A)


(2)加法公式

1.任意事件
①两事件和的概率: P ( A ∪ B ) = P ( A ) + P ( B ) − P ( A B ) P(A∪B)=P(A)+P(B)-P(AB) P(AB)=P(A)+P(B)P(AB)
②三事件和的概率: P ( A ∪ B ∪ C ) = P ( A ) + P ( B ) + P ( C ) − P ( A B ) − P ( B C ) − P ( A C ) + P ( A B C ) P(A∪B∪C)=P(A)+P(B)+P(C)-P(AB)-P(BC)-P(AC)+P(ABC) P(ABC)=P(A)+P(B)+P(C)P(AB)P(BC)P(AC)+P(ABC)
③四事件和的概率: P ( A ∪ B ∪ C ∪ D ) = [ P ( A ) + P ( B ) + P ( C ) + P ( D ) ] − [ P ( A B ) + P ( A C ) + P ( A D ) + P ( B C ) + P ( B D ) + P ( C D ) ] + [ P ( A B C ) + P ( A B D ) + P ( A C D ) + P ( B C D ) ] − P ( A B C D ) P(A∪B∪C∪D)=[P(A)+P(B)+P(C)+P(D)]-[P(AB)+P(AC)+P(AD)+P(BC)+P(BD)+P(CD)]+[P(ABC)+P(ABD)+P(ACD)+P(BCD)]-P(ABCD) P(ABCD)=[P(A)+P(B)+P(C)+P(D)][P(AB)+P(AC)+P(AD)+P(BC)+P(BD)+P(CD)]+[P(ABC)+P(ABD)+P(ACD)+P(BCD)]P(ABCD)

2.两两互不相容事件:
互斥条件下的加法公式,和的概率 = 概率的和
在这里插入图片描述


(3)减法公式

P ( A − B ) = P ( A ) − P ( A B ) = P ( A B ‾ ) P(A-B)=P(A)-P(AB)=P(A\overline{B}) P(AB)=P(A)P(AB)=P(AB)

概率论与数理统计:第一章:随机事件及其概率_第17张图片


(4)条件概率公式

条件概率:A发生条件下,B发生的概率,记为 P ( B ∣ A ) P(B|A) P(BA),前提要求P(A)>0 【垂帘听政】

P ( B ∣ A ) = P ( A B ) P ( A ) P(B|A)=\dfrac{P(AB)}{P(A)} P(BA)=P(A)P(AB)

注:①条件概率也是概率,概率的性质仍都满足
概率论与数理统计:第一章:随机事件及其概率_第18张图片


(5)乘法公式

P ( A B ) = P ( A ) ⋅ P ( B ∣ A ) P(AB)=P(A)·P(B|A) P(AB)=P(A)P(BA)

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) 【上过台的,到帘子后面】


(6)全概率公式

1.完备事件组:任意两两互斥,概率有可列可加性

2.全概率公式 【全集分解公式,由因导果】
P ( B ) = ∑ i = 1 n P ( B A i ) = P ( B A 1 ) + P ( B A 2 ) + . . . P ( B A n ) = P ( A 1 ) P ( B ∣ A 1 ) + P ( A 2 ) P ( B ∣ A 2 ) + . . . + P ( A n ) P ( B ∣ A n ) P(B) = \sum\limits_{i=1}^nP(BA_i)=P(BA_1)+P(BA_2)+...P(BA_n)=P(A_1)P(B|A_1)+P(A_2)P(B|A_2)+...+P(A_n)P(B|A_n) P(B)=i=1nP(BAi)=P(BA1)+P(BA2)+...P(BAn)=P(A1)P(BA1)+P(A2)P(BA2)+...+P(An)P(BAn) 【谁去干的概率×干成功的概率】

概率论与数理统计:第一章:随机事件及其概率_第19张图片

例: P { Y ≤ y } = P { X = 1 } ⋅ P { Y ≤ y ∣ X = 1 } + P { X = 2 } ⋅ P { Y ≤ y ∣ X = 2 } P\{Y≤y\} = P\{X=1\}·P\{Y≤y|X=1\}+ P\{X=2\}·P\{Y≤y|X=2\} P{Yy}=P{X=1}P{YyX=1}+P{X=2}P{YyX=2}
对y的取值进行分类讨论:①y<0 ②0≤y<1 ③1≤y<2 ④y>2


(7)贝叶斯公式 (先验概率)

贝叶斯公式(逆概率公式,执果索因):已知B发生了,求是谁干的?

P ( A k ∣ B ) = P ( B A k ) P ( B ) = P ( A k ) P ( B ∣ A k ) ∑ i = 1 n P ( A i ) P ( B ∣ A i ) = 全概率的某一项 全概率公式 P(A_k|B)=\dfrac{P(BA_k)}{P(B)}=\dfrac{P(A_k)P(B|A_k)}{\sum\limits_{i=1}^nP(A_i)P(B|A_i)}=\dfrac{全概率的某一项}{全概率公式} P(AkB)=P(B)P(BAk)=i=1nP(Ai)P(BAi)P(Ak)P(BAk)=全概率公式全概率的某一项

在全概率时,每个人干的可能性一般是等可能的。但当事件发生后,每个人干的可能性就发生了变化。
即贝叶斯公式:增加信息,概率的大小可能要修正



例题1:随机事件的概率
概率论与数理统计:第一章:随机事件及其概率_第20张图片
分析: 德摩根律(对偶率)
A
概率论与数理统计:第一章:随机事件及其概率_第21张图片
C 包含的性质
概率论与数理统计:第一章:随机事件及其概率_第22张图片

D 逆事件概率公式 + 德摩根律(对偶率)
概率论与数理统计:第一章:随机事件及其概率_第23张图片

答案:A


例题2:18年14.   条件概率、事件的独立性
在这里插入图片描述

分析:关键是分析出P(AC(AB∪C))=P(AC)

因为BC=Ø,∴P(BC)=0,P(ABC)=0
P ( A C ∣ A B ∪ C ) = P ( A C ( A B ∪ C ) ) P ( A B ∪ C ) = P ( A B C ∪ A C ) ) P ( A B ∪ C ) = P ( A C ) ) P ( A B ) + P ( C ) − P ( A B C ) = P ( A ) P ( C ) ) P ( A ) P ( B ) + P ( C ) = 1 4 P(AC|AB∪C)=\dfrac{P(AC(AB∪C))}{P(AB∪C)}=\dfrac{P(ABC∪AC))}{P(AB∪C)}=\dfrac{P(AC))}{P(AB)+P(C)-P(ABC)}=\dfrac{P(A)P(C))}{P(A)P(B)+P(C)}=\dfrac{1}{4} P(ACABC)=P(ABC)P(AC(ABC))=P(ABC)P(ABCAC))=P(AB)+P(C)P(ABC)P(AC))=P(A)P(B)+P(C)P(A)P(C))=41
∴ P ( C ) = 1 4 ∴P(C)=\dfrac{1}{4} P(C)=41

概率论与数理统计:第一章:随机事件及其概率_第24张图片
答案: 1 4 \dfrac{1}{4} 41


例题3:15年7.   交与并、加法公式
概率论与数理统计:第一章:随机事件及其概率_第25张图片

分析:交的概率大于等于并的概率
概率论与数理统计:第一章:随机事件及其概率_第26张图片

答案:C


例题4:21年16.   全概率公式 + 条件概率
在这里插入图片描述
分析:
概率论与数理统计:第一章:随机事件及其概率_第27张图片

答案: 1 5 \dfrac{1}{5} 51


例题5:23李林六(三)16.
在这里插入图片描述

分析:法1:特殊值   法2:正面解
概率论与数理统计:第一章:随机事件及其概率_第28张图片
答案:2


例题6:全概率公式
在这里插入图片描述

分析:分两次全概率:①抽验样本为正品 ②该箱通过验收
概率论与数理统计:第一章:随机事件及其概率_第29张图片

答案:0.887


例题7:贝叶斯公式
在这里插入图片描述

分析:
概率论与数理统计:第一章:随机事件及其概率_第30张图片

答案: 3 28 \dfrac{3}{28} 283



4.独立性

(1)事件的独立

(1)数学定义:事件A、B独立 ⇔ P ( A B ) = P ( A ) ⋅ P ( B ) \Leftrightarrow P(AB)=P(A)·P(B) P(AB)=P(A)P(B)

不可能事件Ø,与任意事件独立

(2)可推得A、B独立条件下的条件概率公式: P ( A ∣ B ) = P ( A ) , P ( B ∣ A ) = P ( B ) P(A|B)=P(A),P(B|A)=P(B) P(AB)=P(A)P(BA)=P(B) 【描述性定义:结果不受影响 】

概率论与数理统计:第一章:随机事件及其概率_第31张图片

(3)n个事件相互独立、n个事件两两独立
概率论与数理统计:第一章:随机事件及其概率_第32张图片



例题1:
概率论与数理统计:第一章:随机事件及其概率_第33张图片

分析:
概率论与数理统计:第一章:随机事件及其概率_第34张图片
答案:B



(2)n重伯努利概型 (独立试验序列概型)

n重伯努利试验
概率论与数理统计:第一章:随机事件及其概率_第35张图片
在这里插入图片描述

你可能感兴趣的:(数学,概率论)