学习笔记 |
您所在的位置:网站首页 › 黑米跟南瓜一起煮吃有养胃功效吗 › 学习笔记 |
书接上回。 对于 随机试验E:拋一次骰子和它的 样本空间S={1, 2, 3, 4, 5, 6},对于它们的每一个事件A(也就是抛出的每个点数),都有一个实数P(A),可以用来表示事件A在一次实验中发生的可能性大小。这个实数P(A)就叫做事件A的概率。 概率的基本性质如下: 在未来的学习中,我们会了解到,为什么可以用P(A)来表示事件A的概率。 不过,由概率的定义,我们还可以推导出下列概率的其他性质。 性质3叫做概率的减法公式,性质6叫做概率的加法公式,会单独考查! 六个性质的证明(及推广)如下: 证明一般不要求掌握,了解就好 回到我们一开始说的一个实验当中来。 我们看下面两个例子。 试验E1:拋一次骰子,观察它的点数 试验E2:拋一次硬币,分别观察它正面、反面朝上的次数 我们会发现它们有两个共同的特点。 翻译一下就是:结果是有限个数的,并且每个结果出现的概率是相同的。 这种试验就叫做等可能概型,也叫作古典概型(有时候也叫作古典型概率)。 等可能概型的计算公式是啥呢? (①的意思是可列可加性是有限可加性的一种特殊情况,在这里两者是等价的) 简单点说,就是 A出现的次数/事件的总次数 除了古典型概率之外,还有一种概率跟它相似,叫做几何型概率。几何型概率一般出现在几何图形中,它的计算公式为满足条件的面积/总面积。 说完了古典型概率和几何型概率,我们再来看另外一种情况。依然是下面两个例子: 试验E3:拋一枚硬币,它两次掷出同一面 试验E4:将一枚硬币抛掷两次,在至少有一次正面朝上的情况下,两次掷出同一面 对于试验E3,我们有样本空间S3={ 正正,正反,反正,反反 },很显然,两次掷出同一面的概率P(A3)=2/4=1/2。 那么试验E4该怎么求解呢? 很显然,试验E4跟试验E3不太一样,它多了一个“前提条件”,也就是多了一次“事件”的情况。我们不妨这么处理。 设事件A4为“至少有一次正面朝上”,事件B4为“两次掷出同一面”。 那么,我们所求的,就已经变成了:在已知事件A4发生的情况下,事件B4发生的概率。 对于试验E4,有样本空间S4={ 正正,正反,反正,反反 },A4={ 正正,正反,反正 },B4={ 正正,反反 }。 写到这里,我们就能很显然的发现,“反反”这种情况(事件)是不可能会发生的,所以如果在事件A4发生的情况下,事件B4发生了,那么只可能会是“正正”这一种情况。 又因为事件A4总共包含三种情况,“正正”只是其中的一种,“正正”发生的概率是⅓。 所以,试验E4发生的概率P(B4 | A4)=⅓。 那么问题来了。 试验E3跟试验E4的结果不一样,不一样之处就在于这个“前提条件”上。 有前提条件的概率问题,我们一般叫做条件概率。 条件概率的定义(公式)如下: 通过条件概率的定义,我们不难推导出以下的公式,一般叫做条件概率的乘法公式。 乘法公式可以进行一定的推广。 除了乘法公式之外,条件概率还有全概率公式和贝叶斯公式两个公式。 在介绍全概率公式之前,我们先介绍样本空间的划分的定义。 划分就像“切蛋糕”,是对样本空间的“分组”。 就像对于样本空间E={1, 2, 3, 4, 5, 6}来说,B1={1, 2, 3}和B2={4, 5, 6}就是样本空间S的一个划分。当然,B3={1, 4, 6}和B2={2, 3, 5}就是样本空间S的另一个划分。 知道了划分的概念之后,我们就可以引出全概率公式。 除了全概率公式之外,另一个重要的公式就是贝叶斯公式。 n=2下的全概率公式和贝叶斯公式,是比较常用的两个公式,也是最便于理解的两个公式。 关键词(本节小结): 概率、条件概率的概念 概率的基本性质 古典型概率和几何型概率的计算 概率的加法公式、减法公式、乘法公式、全概率公式、贝叶斯公式 |
今日新闻 |
点击排行 |
|
推荐新闻 |
图片新闻 |
|
专题文章 |
CopyRight 2018-2019 实验室设备网 版权所有 win10的实时保护怎么永久关闭 |