--概率论部分总结--
来源:互联网 发布:php 图片裁剪上传插件 编辑:程序博客网 时间:2024/05/22 04:38
概率论部分总结
概念:
随机试验:
1、可以在相同条件下重复地进行;
2、每次试验的可能结果不止一个,并且能事先明确试验的所有可能结果;
3、进行一次试验之前不能确定哪一个结果会出现。
样本空间&样本点:
某个随机试验的所有可能结果组成的集合,每个结果称之为样本点
随机事件:
样本空间的子集,简称事件,当且仅当子集中的一个样本点出现,称为事件发生
基本事件:
由一个样本点组成的单点集
频率:
进行了
概率:
对随机试验的样本空间中,每一事件A赋予一个实数,记为
古典概型:
随机事件仅包含有限个事件,且每个事件出现的可能性相同
对立事件、互斥事件、独立事件:
对立事件为样本空间中仅有A、B两个可能事件,非A即B;互斥事件为同一样本空间中,A、B事件无交集,只要A发生了,B就不可能发生,但A发生了,B不一定发生(有可能是C、D……其它事件发生);独立事件,A、B分处不同样本空间,互不影响。
实际推断原理:
概率很小的事件在一次试验中实际上几乎是不发生的
先验概率、后验概率:
由以往数据分析得到的概率叫先验概率,得到最新信息后,再重新加以修正的概率叫后验概率
公式、定理:
事件运算:
基本概率运算:
推广到N件事件
超几何分布:
在不放回抽样中,共有N个球,其中红球个数为D,其余为白球,从中抽n个球出来,求抽中k个红球的概率,即为超几何分布问题,其公式为:
条件概率、乘法定理:
A、B为两个事件,且P(A)>0,则条件概率公式为:
全概率公式及贝叶斯公式:
首先定义,把一个样本空间全部分割之后所得的
应用总结:
超几何分布应用:
在抽样问题中不放回抽样的精确概率计算,比如质量管理中,在一批已知不良率的产品N中抽n个,抽取到k个不良品的概率是多少,或者抽到小于等于k个不良品的概率有多大,以此概率用于假设检验中的P值,又可以反过来检验不良率是否为已知的
条件概率、乘法定理:
条件概率,对于那些可以确定所有基本事件的样本,事件A、B的交集发生概率,事件A的发生概率都是可以确定的,此时,用条件概率就可以计算出事件A发生之下,出现事件B的概率是多少,见识有限,未能补充实际例子。
乘法定理,由先验概率或“穷举概率”1得到
全概率公式:
全概率公式关键是要穷尽所有发生事件A的子集,即要找到样本空间下所有的划分!
打个比方可能更好理解一些,某市有
再出个书上的例子,比如要示某个症状如流鼻涕(记为事件A)的出现概率
贝叶斯公式:
贝叶斯公式关键是
接着用上面全概率公式的两个例子说明贝叶斯公式:
第一个例子,那是发生在求出全市的宝马X6概率之后的事,我发现一车宝马X6在飙车,那么它来自哪个停车场的可能性最大?
第二个例子,那是发生在求出流鼻涕概率之后的事,有个人他流鼻涕了!那么,他得什么病的可能性最大?或者只求出,他得了感冒的可能性有多大?
- 不知道有没有这个,姑且这么叫吧,意为各级样本的分布情况都知道,可以直接计算下一步动作中出现某件事的概率,比如有8个白球2个红球,抽到红球的概率是2/10,抽出一个白球之后,抽到红球的概率是2/9之类 ↩
- --概率论部分总结--
- 概率论部分整理
- 北航面试之概率论部分
- PKU 概率论总结
- 概率论相关分布总结
- 概率论与数理统计学习总结
- 概率论笔记---组合分析(总结)
- [DL]概率论相关知识总结
- 概率论|NJU古典概率部分错题集
- 概率论
- 概率论
- 概率论
- 概率论
- 概率论
- 概率论
- 概率论
- 概率论
- 概率论
- js获取当前页面名称
- JavaScript求质数算法(一)
- 【研发管理】三手项目 接盘时 必须要做的四件事
- Java中JFrame.getContentPane().add(pane)与JFrame.add(pane)的区别
- 配置PropertiesEditor插件 jp.gr.java_conf.ussiy.app.propedit_5.3.3
- --概率论部分总结--
- 51nod 1020 逆序排列
- Text I/O
- 高级排序
- 自建网页项目-蚁族财富网-记录20
- Struts2拦截器详解
- Eclipse转Android Studio遇到的问题小结
- 时间
- Java之主函数——main函数