【考研数学】概率论与数理统计 | 第一章——随机事件与概率(2,概率基本公式与事件独立)

这篇具有很好参考价值的文章主要介绍了【考研数学】概率论与数理统计 | 第一章——随机事件与概率(2,概率基本公式与事件独立)。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。


引言

承接上文,继续介绍概率论与数理统计第一章的内容。


四、概率基本公式

4.1 减法公式

P ( A − B ) = P ( A B ‾ ) = P ( A ) − P ( A B ) . P(A-B)=P(A \overline{B} )=P(A)-P(AB). P(AB)=P(AB)=P(A)P(AB). 证明: A = ( A − B ) + A B A=(A-B)+AB A=(AB)+AB ,且 A − B A-B AB A B AB AB 互斥,根据概率的有限可加性,有 P ( A ) = P ( A − B ) + P ( A B ) P(A)=P(A-B)+P(AB) P(A)=P(AB)+P(AB) ,即 P ( A − B ) = P ( A ) − P ( A B ) P(A-B)=P(A)-P(AB) P(AB)=P(A)P(AB)
A = A B ‾ + A B A=A\overline{B} +AB A=AB+AB ,且 A B ‾ A\overline{B} AB A B AB AB 互斥,由有限可加性得: P ( A B ‾ ) = P ( A ) − P ( A B ) P(A \overline{B} )=P(A)-P(AB) P(AB)=P(A)P(AB)

4.2 加法公式

(1) P ( A + B ) = P ( A ) + P ( B ) − P ( A B ) . P(A+B)=P(A)+P(B)-P(AB). P(A+B)=P(A)+P(B)P(AB).
证明: A + B = ( A − B ) + ( B − A ) + A B A+B=(A-B)+(B-A)+AB A+B=(AB)+(BA)+AB ,且 A − B , B − A , A B A-B,B-A,AB AB,BA,AB 两两互斥,由有限可加性,可得: P ( A + B ) = P ( A − B ) + P ( B − A ) + P ( A B ) P(A+B)=P(A-B)+P(B-A)+P(AB) P(A+B)=P(AB)+P(BA)+P(AB) 再结合减法公式,有: P ( A + B ) = P ( A ) − P ( A B ) + P ( B ) − P ( B A ) + P ( A B ) = P ( A ) + P ( B ) − P ( A B ) . P(A+B)=P(A)-P(AB)+P(B)-P(BA)+P(AB)=P(A)+P(B)-P(AB). P(A+B)=P(A)P(AB)+P(B)P(BA)+P(AB)=P(A)+P(B)P(AB). (2) P ( A + B + C ) = P ( A ) + P ( B ) + P ( C ) − P ( A B ) − P ( A C ) − P ( B C ) + P ( A B C ) . P(A+B+C)=P(A)+P(B)+P(C)-P(AB)-P(AC)-P(BC)+P(ABC). P(A+B+C)=P(A)+P(B)+P(C)P(AB)P(AC)P(BC)+P(ABC).

4.3 条件概率公式

A , B A,B A,B 为两个事件,且 P ( A ) > 0 P(A)>0 P(A)>0 ,则 P ( B ∣ A ) = P ( A B ) P ( A ) . P(B | A)= \frac{P(AB)}{P(A)}. P(BA)=P(A)P(AB).

4.4 乘法公式

(1)设 P ( A ) > 0 P(A)>0 P(A)>0 ,则 P ( A B ) = P ( A ) P ( B ∣ A ) . P(AB)=P(A)P(B|A). P(AB)=P(A)P(BA).

(2) P ( A 1 A 2 … A n ) = P ( A 1 ) P ( A 2 ∣ A 1 ) P ( A 3 ∣ A 1 A 2 ) … P ( A n ∣ A 1 A 2 … A n − 1 ) . P(A_1A_2 \dots A_n)=P(A_1)P(A_2|A_1)P( A_3|A_1A_2)\dots P(A_n|A_1A_2\dots A_{n-1}). P(A1A2An)=P(A1)P(A2A1)P(A3A1A2)P(AnA1A2An1).


五、事件的独立性

5.1 事件独立的定义

5.1.1 两个事件的独立

A , B A,B A,B 为两个随机事件,若 P ( A B ) = P ( A ) P ( B ) P(AB)=P(A)P(B) P(AB)=P(A)P(B) ,则称事件 A , B A,B A,B 相互独立。

5.1.2 三个事件的独立

A , B , C A,B,C A,B,C 为三个随机事件,若满足 P ( A B ) = P ( A ) P ( B ) , P ( A C ) = P ( A ) P ( C ) , P ( B C ) = P ( B ) P ( C ) , P(AB)=P(A)P(B),P(AC)=P(A)P(C),P(BC)=P(B)P(C), P(AB)=P(A)P(B),P(AC)=P(A)P(C),P(BC)=P(B)P(C), P ( A B C ) = P ( A ) P ( B ) P ( C ) P(ABC)=P(A)P(B)P(C) P(ABC)=P(A)P(B)P(C) ,则称三个事件 A , B , C A,B,C A,B,C 相互独立。

5.2 事件独立的性质

性质 1 若事件 A A A B B B 相互独立,则 A A A B ‾ \overline{B} B A ‾ \overline{A} A B B B A ‾ \overline{A} A B ‾ \overline{B} B 也相互独立,反之亦成立。

证明:由独立可知, P ( A B ) = P ( A ) P ( B ) P(AB)=P(A)P(B) P(AB)=P(A)P(B) ,则 P ( A B ‾ ) = P ( A − B ) = P ( A ) − P ( A B ) = P ( A ) − P ( A ) P ( B ) = P ( A ) P ( B ‾ ) , P(A\overline{B})=P(A-B)=P(A)-P(AB)=P(A)-P(A)P(B)=P(A)P(\overline{B}), P(AB)=P(AB)=P(A)P(AB)=P(A)P(A)P(B)=P(A)P(B), A A A B ‾ \overline{B} B 相互独立, A ‾ \overline{A} A B B B 相互独立同理可证。

P ( A ‾ ∩ B ‾ ) = P ( A ∪ B ) ‾ = 1 − P ( A + B ) = 1 − P ( A ) − P ( B ) + P ( A B ) = [ 1 − P ( A ) ] [ 1 − P ( B ) ] = P ( A ‾ ) P ( B ‾ ) P(\overline{A}\cap \overline{B})=P(\overline{A \cup B)}=1-P(A+B)=1-P(A)-P(B)+P(AB)=[1-P(A)][1-P(B)]=P(\overline{A})P(\overline{B}) P(AB)=P(AB)=1P(A+B)=1P(A)P(B)+P(AB)=[1P(A)][1P(B)]=P(A)P(B) ,则有 A ‾ \overline{A} A B ‾ \overline{B} B 相互独立,反之证明同理。

性质 2 A , B A,B A,B 为两个随机事件且 P ( A ) = 0 P(A)=0 P(A)=0 P ( A ) = 1 P(A)=1 P(A)=1 ,则 A , B A,B A,B 相互独立。

证明:设 P ( A ) = 0 P(A)=0 P(A)=0 ,由 A B ⊂ A AB \sub A ABA 可知, P ( A B ) ≤ P ( A ) = 0 P(AB) \leq P(A)=0 P(AB)P(A)=0 ,又因为 P ( A B ) ≥ 0 P(AB) \geq0 P(AB)0 ,故 P ( A B ) = 0 P(AB)=0 P(AB)=0 ,即有 P ( A B ) = P ( A ) = 0 P(AB)=P(A)=0 P(AB)=P(A)=0 ,可得 P ( A B ) = P ( A ) P ( B ) P(AB)=P(A)P(B) P(AB)=P(A)P(B) ,从而有 A , B A,B A,B 相互独立。

P ( A ) = 1 P(A)=1 P(A)=1 P ( A ‾ ) = 0 P(\overline{A})=0 P(A)=0 P ( B A ‾ ) = P ( B ) − P ( A ) ≤ 1 P(B\overline{A})=P(B)-P(A) \leq1 P(BA)=P(B)P(A)1 ,由 P ( A ) = 1 P(A)=1 P(A)=1 ,可知 P ( B A ‾ ) = 0 P(B\overline{A})=0 P(BA)=0 ,故 P ( B A ‾ ) = P ( A ‾ ) P ( B ) P(B\overline{A})=P(\overline{A})P(B) P(BA)=P(A)P(B) ,即有 A ‾ \overline{A} A B B B 相互独立,根据性质 1 ,事件 A , B A,B A,B 相互独立。

1,事件 A , B , C A,B,C A,B,C 两两独立,则事件 A , B , C A,B,C A,B,C 不一定独立。
2,设 A , B A,B A,B 为两个随机事件,且 P ( A ) > 0 , P ( B ) > 0 P(A)>0,P(B)>0 P(A)>0,P(B)>0 ,则
A , B A,B A,B 独立,则 A , B A,B A,B 不互斥。因为此时 P ( A B ) = P ( A ) P ( B ) > 0 P(AB)=P(A)P(B)>0 P(AB)=P(A)P(B)>0 ,不为空集。
A , B A,B A,B 互斥,则 A , B A,B A,B 不独立。此时 P ( A B ) = ∅ P(AB)=\empty P(AB)= ,必不可能等于 P ( A ) P ( B ) P(A)P(B) P(A)P(B)

设事件 A 1 , A 2 , … , A m A_1,A_2,\dots,A_m A1,A2,,Am ,事件 B 1 , B 2 , … , B n B_1,B_2,\dots,B_n B1,B2,,Bn 相互独立,则由事件 A 1 , A 2 , … , A m A_1,A_2,\dots,A_m A1,A2,,Am 所构成的任意事件 φ ( A 1 , A 2 , … , A m ) \varphi(A_1,A_2,\dots,A_m) φ(A1,A2,,Am) 与由事件 B 1 , B 2 , … , B n B_1,B_2,\dots,B_n B1,B2,,Bn 构成的任意事件 ϕ ( B 1 , B 2 , … , B n ) \phi (B_1,B_2,\dots,B_n) ϕ(B1,B2,,Bn) 相互独立。


写在最后

剩下一个贝叶斯和全概率,还有概型,放到后面吧。文章来源地址https://www.toymoban.com/news/detail-659112.html

到了这里,关于【考研数学】概率论与数理统计 | 第一章——随机事件与概率(2,概率基本公式与事件独立)的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 【考研数学】概率论与数理统计 —— 第七章 | 参数估计(2,参数估计量的评价、正态总体的区间估计)

    设 X X X 为总体, ( X 1 , X 2 , ⋯   , X n ) (X_1,X_2,cdots ,X_n) ( X 1 ​ , X 2 ​ , ⋯ , X n ​ ) 为来自总体 X X X 的简单随机样本, θ theta θ 为未知参数,设 θ ^ = φ ( X 1 , X 2 , ⋯   , X n ) widehat{theta}=varphi(X_1,X_2,cdots,X_n) θ = φ ( X 1 ​ , X 2 ​ , ⋯ , X n ​ ) 为参数 θ theta θ 的一个点估

    2024年02月06日
    浏览(47)
  • 【考研数学】概率论与数理统计 —— 第二章 | 一维随机变量及其分布(2,常见随机变量及其分布 | 随机变量函数的分布)

    承接前文,我们继续学习第二章,一维随机变量及其分布的第二部分内容。 (一)(0-1)分布 设随机变量 X X X 的可能取值为 0 或 1 ,且其概率为 P P P { X = 1 X=1 X = 1 } = p , =p, = p , P P P { X = 0 X=0 X = 0 } = 1 − p ( 0 p 1 =1-p(0 p 1 = 1 − p ( 0 p 1 ,称 X X X 服从(0-1)分布,记为 X ∼ B

    2024年02月11日
    浏览(46)
  • 【考研数学】概率论与数理统计 —— 第三章 | 二维随机变量及其分布(1,二维连续型和离散型随机变量基本概念与性质)

    隔了好长时间没看概率论了,上一篇文章还是 8.29 ,快一个月了。主要是想着高数做到多元微分和二重积分题目,再来看这个概率论二维的来,更好理解。不过没想到内容太多了,到现在也只到二元微分的进度。 定义 1 —— 二维随机变量。设 X , Y X,Y X , Y 为定义于同一样本空

    2024年02月07日
    浏览(51)
  • 概率论与数理统计中常见的随机变量分布律、数学期望、方差及其介绍

    设随机变量X的所有可能取值为0与1两个值,其分布律为 若分布律如上所示,则称X服从以P为参数的(0-1)分布或两点分布。记作X~ B(1,p) 0-1分布的分布律利用表格法表示为: X 0 1 P 1-P P 0-1分布的数学期望 E(X) = 0 * (1 - p) + 1 * p = p 二项分布的分布律如下所示: 其中P是事件在一次试验

    2024年02月05日
    浏览(38)
  • 概率论与数理统计_数理统计部分

    目录 相关符号 相关概念与例题 背景 总体与样本 统计量 统计量 常用统计量【重点】 直方图 经验分布函数 正态总体的抽样分布 前言复习 𝝌𝟐分布 𝒕分布 𝑭分布 上侧分位点 抽样分布定理【重点】 点估计 前言 点估计【重点】 矩估计方法【重点】 极大似然估计方法【重

    2024年02月10日
    浏览(42)
  • 概率论与数理统计 第一章 概率论的基本概念

    1.1.1 前言 1.研究对象: 确定性现象:必然发生或不发生 随机现象:个别试验结果呈现不确定性,大量试验结果呈现统计规律性 2.概率论与数理统计: ​ 该学科是研究和揭示随机现象统计规律性的学科。 1.1.2 随机试验 1.定义: 可以在相同条件下重复进行; 每次试验的结果可

    2024年03月20日
    浏览(55)
  • 概率论与数理统计期末复习

    泊松分布 连续性随机变量概率密度 概率密度积分求分布函数,概率密度函数积分求概率,分布函数端点值相减为概率 均匀分布 正太分布标准化 例题 离散型随机变量函数的分布 概率密度求概率密度 先积分,再求导 例题 二维离散型随机变量的分布 联合分布律 离散型用枚举

    2024年02月08日
    浏览(70)
  • 【概率论和数理统计-基本概念】

    自然界的 现象 分为两类,一类是 确定现象 ,如正负电荷的吸引;一类是 随机现象 ,如抛硬币出现正负。 研究后发现,随机现象也有 统计规律性 。 随机试验 随机现象(通过随机试验,来研究随机现象。) 样本空间 样本点 随机事件(特定情况下,样本空间的一个子集。

    2024年02月03日
    浏览(53)
  • 《概率论与数理统计》学习笔记

    重温《概率论与数理统计》进行查漏补缺,并对其中的概念公式等内容进行总结,以便日后回顾。 目录 第一章 概率论的基本概念 第二章 随机变量及其分布 第三章  多维随机变量及其分布 第四章  随机变量的数字特征 第五章  大数定律及中心极限定理 第六章  样本及抽样

    2024年02月03日
    浏览(41)
  • 概率论与数理统计:第一章:随机事件及其概率

    ①古典概型求概率 ②几何概型求概率 ③七大公式求概率 ④独立性 (1)随机试验、随机事件、样本空间 1. 随机试验 E 2. 随机事件 A、B、C ① 必然事件 Ω : P ( Ω ) = 1 P(Ω)=1 P ( Ω ) = 1 ② 不可能事件 Ø : P ( Ø ) = 0 P(Ø)=0 P ( Ø ) = 0 3.样本空间 ① 样本点 ω = 基本事件 ② 样本空间

    2024年02月14日
    浏览(51)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包