概率
随机事件
在概率论的世界里,抛硬币、掷骰子等被统称为随机试验,每一个随机试验都会有一个或多个可能的结果,一个结果或某些结果的组合称为随机事件
概率,用于度量随机事件发生的可能性,是个定量指标,用大写字母 P 来表示。例如,随机事件 A 发生的概率是 50%,可以写成 P(A) = 50 \%
概率有以下两个特性:
(1) 概率是非负的,即对于任意随机事件 A,P(A) \geq 0
(2) 对于任一随机试验,我们假定所有可能的结果有 n 种(n > 0),分别记为 A_1, A_2, \cdots , A_n,如果这些结果两两之间都不可能同时出现,则 P(A_1) + P(A_2) + \cdots + P(A_n) = 1
条件概率
条件概率,是针对两个或两个以上的随机事件提出的概念,我们设定任意两个随机事件为 A、B,那么,在 A 已经发生的前提下,B 发生的概率就称为条件概率,记为 P(B|A)
和事件:随机事件 A \cup B 称为 A 和 B 的和事件,它表示随机事件 A 或随机事件 B 中至少有一个发生
积事件:随机事件 A \cap B 称为 A 和 B 的积事件,它表示随机事件 A 和随机事件 B 同时发生。通常地,把 A \cap B 简写为 AB
概率加法:对任意两个随机事件 A 和 B,有 P(A \cup B) = P(A) + P(B) - P(AB)
概率乘法:对任意随机事件 B 和满足 P(A) > 0 的随机事件 A,有 P(AB) = P(B|A) \cdot P(A)
概率乘法中出现了条件概率 P(B|A),事实上,概率乘法的另一种表达方式正是条件概率的数学定义
设随机事件 A 和 B,满足 P(A) > 0,则 P(B|A) = P(AB) / P(A)
P(B|A) 和 P(B) 没有确定不变的大小关系,前提条件对随机事件产生的影响无法预测!
独立事件
通俗地讲,彼此没有任何关联的事件称为独立事件。比如,你和我各自抛一枚硬币,你抛硬币出现正面和我抛硬币出现正面是两个毫不相干的随机事件,此时,我们就称这两个事件彼此独立,互为独立事件
(1) 一个随机事件发生两次的概率不等于一个随机事件再次发生的概率
(2) 不可能同时发生的事件不是互相独立的
(3) 独立事件的含义是,不论一个随机事件发生还是不发生,都不会影响另一个随机事件发生的概率
独立事件的含义是:当一个随机事件发生时,不影响另一个随机事件发生的概率。这听起来很像条件概率的定义,实际上,这句话等价于下面的数学表达式
结合概率乘法的式子 P(AB) = P(B|A) \cdot P(A),就可以得到,当随机事件 A 和随机事件 B 相互独立时,P(AB) = P(B) \cdot P(A)
设 A 和 B 是两个随机事件,如果满足 P(AB) = P(B) \cdot P(A) 则称 A 和 B 互相独立,或称 A 和 B 互为独立事件
全概率公式
设随机试验 E 共有 n 种可能的结果 A_1, A_2, \cdots, A_n,这些结果两两不可能同时出现,那么,任一随机事件 B 的概率满足
这就是全概率公式。它隐含的思想正是我们在数学课上常用的“分情况讨论”,只不过,这里要求我们一定要把所有情况都列举全,而且不同的情况之间不能有交叉重叠
请问,抛掷一次硬币两次,出现至少一次正面的概率是多少?
可以马上想到计算两次都是反面的概率,然后用 1 减去这个概率,这是很聪明的想法,但在这里,可以来练习一下全概率公式设
随机事件 A_1: 第一次抛硬币出现正面
随机事件 A_2: 第一次抛硬币出现反面
随机事件 B_1: 第二次抛硬币出现正面
随机事件 B_2: 第二次抛硬币出现反面
随机事件 C: 两次至少出现一次正面
根据全概率公式:
至少出现一次正面的概率是 3/4