欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

概率论与数理统计(学习笔记)——平平无奇的知识点

程序员文章站 2022-07-11 09:47:17
...

概率论与数理统计

第一章:随机事件及其计算

自然现象:确定性现象

随机现象:事先不能准确预知其结果的现象。

1.1、单位名称

样本点(ω):实验中可能出现的基本结果

样本空间(Ω): 全部样本点构成的集合

随机时间(A):由一个或多个样本点构成的集合

必然事件(Ω):必然发生的事件

不可能事件(∅):不可能发生的事件

事件发生是指在事件当中某一个样本点发生了,通常指事情出现了

注:

样本空间和必然事件都用一样的符号表示,是因为样本空间的符号是Ω,在样本空间里面讨论一个个事情,它们是必然会发生的,那么这个必然发生的事情就是一个样本点,而样本点就是构成样本空间的基本元素。

1.1.1、数字符号对比:

数学符号 概率论 集合论
Ω 样本空间、必然事件 全集
ω 样本点 元集
A,B,C…… 随机事件 子集
不可能事件 空集

1.1.2、习题

1、抛掷一枚均匀的筛子,观察出现的点数

Ω1={1,2,3,4,5,6}  #列举法

2、某超市一天内来到的顾客数:

Ω2={0,1,2,3,4……}  #按自然数排列,整数

3、在一批灯泡中任取一只,测试他的寿命

Ω3={t:t>=0}  #描述法,整体的区间

集合的表示方法:

  1. 描述法
  2. 列举法
  3. 列表

1.1.3、符号的读法

符号 读法
Ω o_mi_ga
ω o_mi_ga

1.2、事件的关系和运算

1.2.1、事件的包含与相等

概念: 若事件A发生必然导致事件B发生,则称事件B包含事件A ,记作,B⊃A 或 A⊂B .

A小B大。

解释: 事件A发生,那么事件B一定发生,可以理解为:只要A发生,B也会发生 。那么,A就是B的一部分,B包含着A。

例如:某KTV招男服务员要求:只要身高符合,样貌合格,就可以招聘。

A:身高符合

B:样貌合格

C:可以招聘

在这个例子中我们可以把三个事件命名为:事件A 、事件B、事件C ,当事件C发生时,那么事件A和事件B就一定会发生,所以可以表示: C ⊃ A ,C ⊃ B 。

注: 若事件A包含事件B,事件B也包含事件A ,则称A=B。

1.2.2、事件的和(并)

概念: 事件A和事件B至少发生其一的事件称为事件A与B的和事件(或并事件),记作A∪B或者 B∪A 。

解释: 在某一个样本空间Ω中,有两个事件,这两个事件只要有一个发生了,那么就称事件A并事件B。

也可理解为:一个事件 C 的必然结果是由其他两个事件A和B中任意一个发生后而产生的,就称C=A∪B。

例如:某娱乐场所的游玩标准是:体重合格、身高合格

A:体重不合格

B:身高不合格

C:谢绝游玩

上例中,事件A或者事件B任意一个发生,那么事件C就不会发生了,所以记作:C=A∪B 。

1.2.3、事件的积

概念: 事件A和事件B同时发生的事件称为事件A与B的积事件,记作 AB 或A∩B

解释: 一个事件C的必然结果是由其他两个事件A和B共同发生后而产生的,就称 C=A∩B

例如:小美要男朋友,还要又帅有有钱的。

A:长得帅气

B:非常有钱

C:成为小美的男朋友

上例中,事件C如果想要发生,那么事件A与事件B必须同时发生,所以记作:C=A∩B 。

1.2.4、事件的互斥

概念: 若事件A和事件B不可能同时发生,即AB=∅,则称事件A与B互为互斥事件,或互不相容事件。

理解: 事件A与事件B不能同时发生。

那么在样本空间Ω中,事件A与事件B不能同时存在。

例如:小明掉了一头羊在河里,这时有位老神仙飘了出来问他:“年轻的小伙子呀,你说你是要这头金色的羊还是要这头银色的羊,还是要这头普通的羊呢?”

A:选择金色的羊

B:选择银色的羊

C:选择普通的羊

D:扶我上岸

上例中,事件A 与事件B不能同时发生,只能选择其一,所以记作:A∩B= ∅ 或 AB= ∅。

1.2.5、事件的互逆(对立)

概念 : 若A∪B=Ω, 则称事件A与B为互逆事件,或对立事件,把A的对立事件记作 “A拔” .

理解:是指一个样本空间里,只有唯一的一个事件在样本空间Ω里发生,并且这些唯一能发生的事件共同组成了样本空间Ω,每次考虑样本点都应把所有的事件都考虑到里面。

例如:小白的老婆和老妈同时掉河里了,小白必须救一个。

A:救老婆

B:救老妈

上例中,事件A与事件B共同组成了一个样本空间,并且这个空间只能从其中选取一件事来做,所以记作:A∪B= Ω 。

:对立一定互斥,互斥不一定对立。

  • 解释:对立的事件共同组成了一个样本空间,里面的事件只能发生一个;而互斥的事件可以有其他的与研究的样本点无关的事件,所以 互斥的事件不一定是对立的。

1.2.6、事件的差

概念:事件A发生而事件B不发生的事件称为A与B的差事件,记作A-B。

理解 :A与B相交,A除去相交的部分,就是A-B,也可以写成A-AB,同时也可以写成 A − A B ‾ A-A\overline{B} AAB,再者还可以看做;再如,A中包含B,那么A-B就是A与B的差。

推广 A ‾ = Ω − A \overline{A}=Ω-A A=ΩA , 假设在样本空间Ω里有事件A, A ‾ \overline{A} A就是整个样本空间减去事件A。

1.2.7、事件的运算律

  • 交换律

    A ⋃ B = B ⋃ A A ⋂ B = B ⋂ A A\bigcup{B}=B\bigcup{A}\\A\bigcap{B=B\bigcap{A}} AB=BAAB=BA

  • 结合律

    A ⋃ ( B ⋃ C ) = ( A ⋃ B ) ⋃ C A ⋂ ( B ⋂ C ) = ( A ⋂ B ) ⋂ C A\bigcup(B\bigcup{C})=(A\bigcup{B})\bigcup{C}\\A\bigcap{(B\bigcap{C})}=(A\bigcap{B})\bigcap{C} A(BC)=(AB)CA(BC)=(AB)C

  • 分配率

    A ⋂ ( B ⋃ C ) = ( A ⋂ B ) ⋃ ( A ⋂ C ) A ⋃ ( B ⋂ C ) = ( A ⋃ B ) ⋂ ( A ⋃ C ) A\bigcap(B\bigcup{C})=(A\bigcap{B})\bigcup(A\bigcap{C})\\A\bigcup(B\bigcap{C})=(A\bigcup{B})\bigcap{(A\bigcup{C})} A(BC)=(AB)(AC)A(BC)=(AB)(AC)

  • 对偶率

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

    ⋃ i = 1 n A i ‾ = ⋂ i − 1 n A i ‾ \overline{\bigcup\limits_{i=1}^n A_i}=\bigcap\limits_{i-1}^n\overline{A_i} i=1nAi=i1nAi

    ⋂ i = 1 n ‾ A i = ⋃ i = 1 n A i ‾ \overline{\bigcap\limits_{i=1}^n}A_i=\bigcup\limits_{i=1}^n\overline{A_i} i=1nAi=i=1nAi

1.3、随机事件的概率及性质

1.3.1、统计定义

频率公式 ω ( Ω ) = m n \omega(\Omega)=\frac{m}{n} ω(Ω)=nm ,m为随机事件 ,n为实验次数。

概率的定义:概率是描述事件发生的可能性大小的数值,是客观存在的值

概率的统计定义:当实验次数n增大时, ω ( A ) \omega(A) ω(A)稳定与p , P(A)=p,当n很大是用时频率值表示概率值。 P ( A ) ≈ ω ( A ) P(A)\approx\omega(A) P(A)ω(A)

频率的性质:

  1. 对于任意事件A, 0 ≤ ω ( A ) ≤ 1 0\leq\omega(A)\leq 1 0ω(A)1
  2. 必然发生事件 : ω ( Ω ) = 1 \omega(\Omega)=1 ω(Ω)=1 偶然凡是的事件: ω ( ∅ ) = 0 \omega(\varnothing)=0 ω()=0
  3. A 1 , A 2 , ⋯   , A k A_1,A_2,\cdots,A_k A1,A2,,Ak是两两互斥的事件,则 ω ( A 1 + A 2 + ⋯ + A k ) = ω ( A 1 ) + ω ( A 2 ) + ⋯ + ω ( A k ) \omega(A_1+A_2+\cdots+A_k)=\omega(A_1)+\omega(A_2)+\cdots+\omega(A_k) ω(A1+A2++Ak)=ω(A1)+ω(A2)++ω(Ak)

概率的性质:

当实验次数n很大时频率就趋近于概率

  1. 对于任意事件A, 0 ≤ P ( A ) ≤ 1 0\leq P(A)\leq 1 0P(A)1
  2. 必然发生事件 : P ( Ω ) = 1 P(\Omega)=1 P(Ω)=1 偶然凡是的事件: P ( ∅ ) = 0 P(\varnothing)=0 P()=0
  3. A 1 , A 2 , ⋯   , A k A_1,A_2,\cdots,A_k A1,A2,,Ak是两两互斥的事件,则 P ( A 1 + A 2 + ⋯ + A k ) = P ( A 1 ) + P ( A 2 ) + ⋯ + P ( A k ) P(A_1+A_2+\cdots+A_k)=P(A_1)+P(A_2)+\cdots+P(A_k) P(A1+A2++Ak)=P(A1)+P(A2)++P(Ak)

统计定义的缺点 :需要做大量重复的实验,不便于实际应用。不够严密精确,不便理论应用。

统计定义的优点 :直观易懂,适用于未知的情况。

1.3.2、古典定义

古典概型

概率论研究史:

最先研究:

  • 有限性:样本空间所含基本事件数目有限

  • 等可能性:每个基本事件发生的可能性相同

    例如:抛硬币、掷骰子

因最先研究的是这类的概率问题,所以称为 “古典概型”。

古典定义:

定义:设随机实验E是含有n个基本事件的古典概型,事件A包含m个基本事件,那么:
P ( A ) = m n = A 中 所 包 含 的 事 件 的 个 数 Ω 中 所 包 含 的 事 件 的 个 数 P(A)=\frac{m}{n}=\frac{A中所包含的事件的个数}{\Omega中所包含的事件的个数} P(A)=nm=ΩA
是事件A发生的概率。

使用方法:

  1. 判断事件是否是古典定义事件

    • 有限性

    • 等可能性

      判断它的选择均衡性、几何对称性

  2. 判断出来属于古典概型后,求出m,n即可。

    样本点小的话,直接列举出来,样本点大的话运用排列组合的方法。

例题分析:

例一把一枚均匀的硬币连续抛掷两次,事件A表示出现两个正面,事件B表示出现两个相同的面,求P(A)和P(B)。

解: Ω = { ( 正 、 正 ) ( 正 、 反 ) ( 反 、 反 ) ( 反 、 正 ) } \Omega =\lbrace(正、正)(正、反)(反、反)(反、正)\rbrace Ω={()}

A = { ( 正 、 正 ) } A=\lbrace (正、正)\rbrace A={()}

B = { ( 正 、 正 ) ( 反 、 反 ) } B=\lbrace(正、正)(反、反)\rbrace B={}

n = 4 , m a = 1 , m 2 = 2 n=4,m_a=1,m_2=2 n=4,ma=1,m2=2

P ( A ) = m a n = 1 4 P(A)=\frac{m_a}{n}=\frac{1}{4} P(A)=nma=41

P ( B ) = m b n = 2 4 P(B)=\frac{m_b}{n}=\frac{2}{4} P(B)=nmb=42

例二: 一批产品共10件,其中6件正品,4件次品,求下列事件的概率。

  1. A 1 A_1 A1={从中任取5件,恰有2件次品}
  2. A 2 A_2 A2={从中依次取5件,恰有2件次品}
  3. A 3 A_3 A3={从中有放回地取5件,恰有2件次品}

解:

  1. 满足有限性和等可能性,所以是古典概型,因为是从10件产品中任取5件,所以它的全部组合为 C 10 5 C^5_{10} C105 ,而“从中任取5件,恰有2件次品”的言外之意是“取了2件次品和3件正品”,它们的全部排列组合是 C 4 2 C 6 3 C^2_4 C^3_6 C42C63

    所以我们得到 : P ( A 1 ) = C 4 2 C 6 3 C 10 5 = 10 21 = 0.4762 P(A_1)=\frac{C^2_4 C^3_6}{C^5_{10}}=\frac{10}{21}=0.4762 P(A1)=C105C42C63=2110=0.4762

    注: A m n = m ! ( m − n ) ! A^n_m=\frac{m!}{(m-n)!} Amn=(mn)!m! , C n m = A n m m ! C^m_n=\frac{A^m_n}{m!} Cnm=m!Anm

  2. 分析:

    1. 从10件产品中依次取出5件,是有顺序的取出,所以用到了排列 A ,有 A 6 5 A^5_6 A65种取出方法。
    2. ,4件次品中有顺序的取2件所以是 A 4 2 A^2_4 A42 ,6件正品中有顺序的取3件是 A 6 3 A^3_6 A63 ,次品和正品的内部做了排列,它们之间还要组合一下,乘以 C 5 2 C^2_5 C52或者 C 5 3 C^3_5 C53 .

    所以: P ( A 2 ) = A 4 2 A 6 3 C 5 2 A 10 5 = 12 × 120 × 10 10 × 9 × 8 × ⋯ × 1 = 10 21 P(A_2)=\frac{A^2_4A^3_6C^2_5}{A^5_{10}}=\frac{12\times120\times10}{10\times 9\times 8\times\cdots\times1}=\frac{10}{21} P(A2)=A105A42A63C52=10×9×8××112×120×10=2110

  3. 分析:

    1. 10件产品有放回的取5件,5次抽取每次都面临10种选择,所以是 1 0 5 10^5 105 .
    2. 4件次品又放回的取2件,是 4 2 4^2 42 ;6件正品有放回的取3件是 6 3 6^3 63
    3. 有放回的排列,也要考虑组合,所以它们还有乘以 C 5 3 C^3_5 C53或$$C^2_5

    所以: P ( A 3 ) = 4 2 6 3 1 0 5 = 16 × 216 100000 = 0.3456 P(A_3)=\frac{4^26^3}{10^5}=\frac{16\times216}{100000}=0.3456 P(A3)=1054263=10000016×216=0.3456

1.3.3、几何定义

问题引入

李大爷和李大妈夫妻一直喜欢在上午9点到10点去上街,公交车1路和2路到达他家的门口时间分别是9:00和9:03,公交车没10分钟发车一次。

问:

  1. 乘坐1路车的概率是?
  2. 乘坐2路车的概率是?

分析:

9点到10点共60分钟,1路到的次数是7次,2路到的次数是6次,它们每次相差3分钟,在60分钟这条时间段上,3分钟时间是乘坐2路车的概率,10-3=7分钟时间是乘坐1路车的概率

所以,乘坐1路程概率为70% ,2路车的概率是30%

推广:

  • 当样本空间为区间线段的时候,概率值是区间长度之比
  • 当样本空间为平面区域时,概率值是区域面积之比
  • 当样本空间为空间区域时,概率值是区域体积之比

几何定义

几何概型定义:

  • 可度量性:样本空间是几何空间的一个可度量区域
  • 等可能性:任意一点罗子昂度量相同的子区域内时等可能的。

定义:设随机实验E是几何概型, Ω \Omega Ω为样本空间,事件A是可度量的,并且 A ⊂ Ω A\subset\Omega AΩ ,则定义:
P ( A ) = A 的 度 量 ( 长 度 、 面 积 、 体 积 ) Ω 的 度 量 ( 长 度 、 面 积 、 体 积 ) P(A)=\frac{A的度量(长度、面积、体积)}{\Omega的度量(长度、面积、体积)} P(A)=ΩA
为事件A发生的概率。

例题分析

例题:

小王和小李一个在基地正北边10公里的地方,一个在基地正东边8公里的地方,它们都向基地行驶,对讲机的通话范围是7公里,求他们能用对讲机交流的概率。

分析:

  1. 可以看做正东为8 ,正北为10 ,当不设范围圆的时候他们相交的概率不好算。
  2. 设基地为圆心,通讯距离7为半径,10和8位矩形范围,那么他们的通讯概率就是四分之一的圆除以矩形面积

所以:

设小王距离基地为x公里,小李距离基地为y公里,那么:

Ω = { ( x , y ) ∣ 0 ≤ x ≤ 10 , 0 ≤ y ≤ 8 } \Omega=\lbrace(x,y)|0\le x \le 10,0\le y \le 8\rbrace Ω={(x,y)0x10,0y8}

A = { ( x , y ) ∣ x 2 + y 2 ≤ 7 , x ≥ 0 , y ≥ 0 } A=\lbrace(x,y)|\sqrt{x^2+y^2}\le7,x\ge0,y\ge0\rbrace A={(x,y)x2+y2 7,x0,y0}

P ( A ) = S A S Ω = 1 4 × π × 7 2 10 × 8 P(A)=\frac{S_A}{S_\Omega}=\frac{\frac{1}{4}\times\pi\times7^2}{10\times8} P(A)=SΩSA=10×841×π×72=48.1%