概率論部分總結
概念:
隨機試驗:
1、可以在相同條件下重複地進行;
2、每次試驗的可能結果不止一個,並且能事先明確試驗的所有可能結果;
3、進行一次試驗之前不能確定哪一個結果會出現。
樣本空間&樣本點:
某個隨機試驗的所有可能結果組成的集合,每個結果稱之爲樣本點
隨機事件:
樣本空間的子集,簡稱事件,當且僅當子集中的一個樣本點出現,稱爲事件發生
基本事件:
由一個樣本點組成的單點集
頻率:
進行了
概率:
對隨機試驗的樣本空間中,每一事件A賦予一個實數,記爲
古典概型:
隨機事件僅包含有限個事件,且每個事件出現的可能性相同
對立事件、互斥事件、獨立事件:
對立事件爲樣本空間中僅有A、B兩個可能事件,非A即B;互斥事件爲同一樣本空間中,A、B事件無交集,只要A發生了,B就不可能發生,但A發生了,B不一定發生(有可能是C、D……其它事件發生);獨立事件,A、B分處不同樣本空間,互不影響。
實際推斷原理:
概率很小的事件在一次試驗中實際上幾乎是不發生的
先驗概率、後驗概率:
由以往數據分析得到的概率叫先驗概率,得到最新信息後,再重新加以修正的概率叫後驗概率
公式、定理:
事件運算:
運算定律 | 公式 |
---|---|
交換律 | |
結合律 | |
分配律 | |
德摩根律 |
基本概率運算:
事件條件 | 公式 |
---|---|
空事件 | |
任一事件A | |
互逆事件 |
|
任意兩事件 推廣到N件事件 |
超幾何分佈:
在不放回抽樣中,共有N個球,其中紅球個數爲D,其餘爲白球,從中抽n個球出來,求抽中k個紅球的概率,即爲超幾何分佈問題,其公式爲:
條件概率、乘法定理:
A、B爲兩個事件,且P(A)>0,則條件概率公式爲:
全概率公式及貝葉斯公式:
首先定義,把一個樣本空間全部分割之後所得的
應用總結:
超幾何分佈應用:
在抽樣問題中不放回抽樣的精確概率計算,比如質量管理中,在一批已知不良率的產品N中抽n個,抽取到k個不良品的概率是多少,或者抽到小於等於k個不良品的概率有多大,以此概率用於假設檢驗中的P值,又可以反過來檢驗不良率是否爲已知的
條件概率、乘法定理:
條件概率,對於那些可以確定所有基本事件的樣本,事件A、B的交集發生概率,事件A的發生概率都是可以確定的,此時,用條件概率就可以計算出事件A發生之下,出現事件B的概率是多少,見識有限,未能補充實際例子。
乘法定理,由先驗概率或“窮舉概率”1得到
全概率公式:
全概率公式關鍵是要窮盡所有發生事件A的子集,即要找到樣本空間下所有的劃分!
打個比方可能更好理解一些,某市有
再出個書上的例子,比如要示某個症狀如流鼻涕(記爲事件A)的出現概率
貝葉斯公式:
貝葉斯公式關鍵是
接着用上面全概率公式的兩個例子說明貝葉斯公式:
第一個例子,那是發生在求出全市的寶馬X6概率之後的事,我發現一車寶馬X6在飆車,那麼它來自哪個停車場的可能性最大?
第二個例子,那是發生在求出流鼻涕概率之後的事,有個人他流鼻涕了!那麼,他得什麼病的可能性最大?或者只求出,他得了感冒的可能性有多大?
- 不知道有沒有這個,姑且這麼叫吧,意爲各級樣本的分佈情況都知道,可以直接計算下一步動作中出現某件事的概率,比如有8個白球2個紅球,抽到紅球的概率是2/10,抽出一個白球之後,抽到紅球的概率是2/9之類 ↩