概率论回想-20.10.04
前言
这是我的第一篇回想。老师讲了很多东西,和考试有关的,无关的,都有,有点杂乱无章,想在这里理清一下头绪。到十一放假前为止,老师讲到了一维离散随机变量的泊松分布。此前还讲过:
1.一些前置知识,包括集合论的,测度论的(这是认真的吗)等等;
2.什么是概率(概率的公理化定义、概率的频率解释和贝叶斯解释)
3.古典概型、几何概型
4.条件概率和独立性
5.什么是随机变量,什么是离散随机变量,一维离散随机变量的一些分布。
那么就开始了。
乱七八糟的前置知识
1.示性函数
设\(A\subset\Omega\),\(A\)的示性函数定义为
示性函数有一些良好的性质。
2.\(\sigma\)代数
设\(A\subseteq P(\Omega)\).如果
称\(A\)为\(\Omega\)上的一个\(\sigma\)代数.
什么是概率
1.概率的公理化定义
概率空间:常记为\((\Omega,F,P)\).
\(\Omega\):样本空间; \(F\):\(\Omega\)上的\(\sigma\)代数; \(P\):\(F\)上的函数
2.概率论公理:
\((\Omega,F,P)\)中的\(P\)满足
1)非负性:\(P(A)\ge 0\);
2)规范性:\(P(\Omega)=1\);
3)可数可加性:设\(A_n\in F,n=1,2,\cdots,\)互不相容,则
则称\(P\)为\(F\)上的一个概率。
概率也满足有限可加性,即
3.概率的频率解释:不多说了
4.概率的贝叶斯解释:是人们的主观信念。
概率的模型
1.古典概型
用来描述这样的概率空间:样本空间是有限集;每个基本时间可能性相同。
从而我们有
2.几何概型
用来描述这样的概率空间:样本空间是一个区域,事件(子区域)的概率和子区域的测度成正比,记\(\mu(A)>0\)为\(A\)的测度,则
条件概率与独立性
设\(P(B)>0\),事件\(B\)发生条件下事件\(A\)发生的概率为
容易知道\(P_B(x)=P(x|B)\)也是概率,它满足非负性,规范性和可数可加性。
全概率公式:
事件\(A_1,A_2,\cdots,A_n\)互不相容,\(P(A_i)>0(i=1,2,\cdots,n),B\subset\bigcup_{i=1}^nA_i\),那么
将全概率公式和条件概率公式联合,即可得到贝叶斯公式:
其适用范围和全概率公式是一样的。
独立性:对事件组\(\{A_1,A_2,\cdots,A_n\}\),若满足性质
且其任意非空子集都满足这一性质,则称这个事件组中的\(n\)个事件是相互独立的
。注意,若事件组中的任意两个事件相互独立,不能推出整个事件组相互独立。
若\((\Omega,F),X:\Omega\to R\)满足
则称\(X\)是\((\Omega,F)\)上的随机变量。(即要求\({X\le x}\)是事件)
这都是很简陋的记录……只是为了完整性而写罢了。
浙公网安备 33010602011771号