码迷,mamicode.com
首页 > 其他好文 > 详细

「总结」: 概率与期望

时间:2019-10-26 12:10:22      阅读:110      评论:0      收藏:0      [点我收藏+]

标签:不可   机试   总结   ext   知识   等于   通过   试验   直接   

知识点: 概率与期望

知识归类: 数学


胡言乱语·前言

作为一名前后2000万的高清菜鸡(乱入了抱歉)

之前考试遇到概率立即跳,感觉概率的题目都不可做。

今天来死磕概率与期望啦。

(可能概率与期望只是个开头。以后会陆续复习一些数学知识。)

另外就是,我写这东西自己复习用的哇,严谨性什么的……

0/1:定义

定义函数$P(A)$表示A事件发生的可能性大小,称为概率测度。

则A是事件集合$F$的一个子集,并且所有事件$A$都可以看作是样本空间$\Omega$的一个子集,那么合法的三元组$(\Omega,F,P)$被称为概率空间。

好抽象啊不看不看。

$\Omega$:样本空间。$F$:事件全集。$P$:概率函数。

$F$与$\Omega$的区别:

$F={A,B,C}$,则$\Omega=\{\{A,B,C\},\{A,B\},\{B,C\},\{A,C\},\{A\},\{B\},\{C\},\varnothing \}$

0/2:条件概率公式

$P(A | B) = \frac{P(A \cap B)}{P(B)}$

($B$事件发生并且$A$事件的概率等于$B$事件发生情况下$A$、$B$同时发生的概率)

0/3:全概率公式

$P(A) = \sum\limits_{i} P(A | B_i) * P(B_i)$

基本思想:将事件$A$分解成几个小事件,通过求小事件的概率,然后相加从而求得事件$A$的概率。而将$A$分割时,并非对$A$直接进行分割,而是找到样本空间$\Omega$的一个划分,从而将$A$事件分成几个部分。

举个例子:P(我和remarkable有一个人很有钱)=P(这个人是remarkable)*P(remarkable很有钱|这个人是remarkable)+P(这个人是我)*P(我很有钱|这个人是我)

以上柿子等价于:$\frac{1}{4}=\frac{1}{2}*\frac{1}{2}+0*0 $)

0/4:贝叶斯公式

$P(B_i | A)=\frac{P(B_i)P(A | B_i)}{\sum\limits_{j=1}^nP(B_j)P(A | B_j)}$

基本思想:与全概率公式相反,贝叶斯公式是建立在大事件A已经发生了的基础上,分割中小事件$B_i$的概率。

柿子意义:计算在$A$事件发生的条件下发生$B_i$事件的概率。

0/5:期望

期望是“随机变量的期望”。

(啥是随机变量 /懵逼脸.jpg)

随机变量是定义在概率空间上的函数。随机试验的结果不同,随机变量的取值不同。

不同的基本结果可能导致随机变量取到相同的数值。

对于随机变量X,它的期望$E(X)=\sum$ 基本结果i发生的概率*发生基本结果i时X的数值,(i是一个基本结果)

期望具有可加性,也叫期望的线性性:$E(X+Y)=E(X)+E(Y)$

(基础知识简单然而就是不会做题,赶紧找题刷去了……)

「总结」: 概率与期望

标签:不可   机试   总结   ext   知识   等于   通过   试验   直接   

原文地址:https://www.cnblogs.com/xingmi-weiyouni/p/11721268.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!