概率论与数理统计 第一章——随机事件与概率

参考教程:https://www.bilibili.com/video/BV1194y1f7vr/?spm_id_from=333.1387.favlist.content.click&vd_source=8f8a7bd7765d52551c498d7eaed8acd5

一、随机事件

1、随机试验

(1)随机试验具有三个特点:

①可重复性:可以在相同的条件下重复地进行。

②可预知性:每次试验的结果可能不止一个,且事先知道试验的所有可能结果。

③不确定性:每次试验之前不能确定哪个结果会发生。

(2)随机试验通常记为E,如射击实验、抛硬币实验。

2、样本空间与样本点

(1)样本空间:

(2)样本点:

3、随机事件

4、例题

写出下列试验的样本空间

二、事件间的关系与运算

1、事件间的关系

(1)事件的包含:

(2)互不相容事件(互斥事件):

(3)对立事件(互逆事件):

2、事件间的运算

(1)事件的和:

(2)事件的积:

(3)事件的差:

(4)事件运算满足的定律:

3、例题

三、概率的定义与性质

1、概率的统计性定义

(1)频率:

(2)概率:

2、概率的性质

3、重要公式

将该公式推广至n个事件相加,则最终事件发生的概率计算如下,n个事件中分别选取1~n个事件进行组合,所有能组成的组合各自构成新事件,最终事件发生的概率为------选取奇数个事件组合构成的新事件的发生概率相加,减去选取偶数个事件组合构成的新事件的发生概率(简记为"加奇减偶")

4、例题

四、古典概型

1、古典概型的特点与计算公式

(1)古典概型的特点:

(2)计算公式:

2、例题

(1)例1:一袋中有5个白球、6个黑球,从中任意取出2球,做不放回抽样。

①求取出的2球为"1白1黑"的概率。

排列思想:设事件A为"1白1黑",它可分解为先抽出1个黑球再抽出1个白球以及先抽出1个白球再抽出1个黑球两个事件,而样本空间为依次从袋中的11个球中抽取2球,于是有

组合思想:设事件A为"1白1黑",即从袋中的任意5个白球中抓取1个白球,并从袋中的任意6个白球中抓取1个白球,而样本空间为从袋中的11个球中任意抽取2球,于是有

②求取出的2球为"至少1黑"的概率。

设事件B为"至少1黑",那么事件B的互斥事件为"2白0黑",即从袋中的任意5个白球中抓取2个白球,并从袋中的任意6个白球中抓取0个白球,而样本空间为从袋中的11个球中任意抽取2球,于是有

(3)例3:一袋中装有1~5号5个球,从袋中有放回地取3次球,每次取1个球,求3个球的号码组成的3位数为奇数的概率。

设事件A为"3个号码组成的数是奇数",即从1~5号5个球中任抽1球作为百位数,从1~5号5个球中任抽1球作为十位数,再从1、3、5号3个球中任抽1球作为个位数,而样本空间为从1~5号5个球中有放回地任抽3球,于是有

五、几何概型

1、几何概型的特点与计算公式

(1)几何概型的特点:

(2)计算公式:

2、例题

六、条件概率与乘积公式

1、条件概率

2、乘积公式

3、例题

七、全概率公式与贝叶斯公式

1、完备事件组

2、全概率公式

3、贝叶斯公式

4、样本空间的划分方法

5、例题

(1)例1:设甲袋中装有n个白球和m个红球,乙袋中装有N个白球和M个红球,现从甲袋中任意取一个球放入乙袋中,再从乙袋中任意取一个球,试求取到白球的概率是多少。

(2)例2:发报台分别以概率0.6和0.4发出信号A和B,由于系统受到干扰,当发出信号A时,收报台分别以概率0.8和0.2收到信号A和B,当发出信号B时,收报台分别以概率0.9和0.1收到信号B和A,如果收报台收到信号A,试求发报台发出信号A的概率是多少。

八、事件的独立性

1、事件的独立

2、独立的性质

3、多个事件的独立性

4、例题

九、伯努利概型

1、伯努利试验

2、二项概率公式

3、例题

相关推荐
风筝在晴天搁浅1 小时前
用rand7()函数构造函数rand10()
概率论
上课不要睡觉了1 天前
day13统计师考试(初级)统计量与抽样分布
统计·概率论·统计师考试
the sun342 天前
概率论:随机变量的定义、常见离散型、连续型随机变量
概率论
做cv的小昊3 天前
【TJU】应用统计学——第一周作业(1.1 数理统计的基本内容、1.2 数理统计的基本概念)
人工智能·笔记·考研·机器学习·数学建模·概率论
白云千载尽3 天前
深度思考——概率论与神经网络训练的关系
人工智能·神经网络·概率论
做cv的小昊4 天前
【TJU】研究生应用统计学课程笔记(5)——第二章 参数估计(2.3 C-R不等式)
c语言·笔记·线性代数·机器学习·数学建模·r语言·概率论
做cv的小昊4 天前
【TJU】应用统计学——第七周作业(4.2 多元线性回归分析、4.3 可化为线性回归的曲线回归、4.4 单因子方差分析)
线性代数·算法·数学建模·矩阵·回归·线性回归·概率论
点云侠6 天前
最小二乘拟合椭圆
线性代数·机器学习·概率论
the sun346 天前
概率论:条件概率与乘法公式深度剖析、常见概率类型
概率论
CM莫问7 天前
详解机器学习中的马尔可夫链
人工智能·算法·机器学习·概率论·马尔可夫·马尔科夫