概率知识

概率与统计知识点总结一、概率的基本概念概率，简单来说，就是衡量某个事件发生可能性大小的一个数值。

比如抛硬币，正面朝上的概率是 05，意思是在大量重复抛硬币的实验中，正面朝上的次数大约占总次数的一半。

随机事件，就是在一定条件下，可能出现也可能不出现，而在大量重复试验中具有某种规律性的事件。

比如掷骰子得到的点数就是随机事件。

必然事件，就是在一定条件下必然会发生的事件。

比如太阳从东方升起，这就是必然事件。

不可能事件，就是在一定条件下不可能发生的事件。

比如在地球上，水往高处流就是不可能事件。

概率的取值范围在 0 到 1 之间。

0 表示事件不可能发生，1 表示事件必然发生。

二、古典概型古典概型是一种最简单、最基本的概率模型。

它具有两个特点：试验中所有可能出现的基本事件只有有限个；每个基本事件出现的可能性相等。

计算古典概型中事件 A 的概率公式为：P(A) ＝ A 包含的基本事件个数／基本事件的总数。

例如，一个袋子里有 5 个红球和 3 个白球，从中随机摸出一个球是红球的概率，基本事件总数是 8（5 个红球＋ 3 个白球），红球的个数是 5，所以摸到红球的概率就是 5/8。

三、几何概型与古典概型不同，几何概型中的基本事件个数是无限的。

比如在一个时间段内等可能地到达某一地点，或者在一个区域内等可能地取点。

几何概型的概率计算公式是：P(A) ＝构成事件 A 的区域长度（面积或体积）／试验的全部结果所构成的区域长度（面积或体积）。

举个例子，在区间0, 10中随机取一个数，这个数小于 5 的概率就是 5/10 ＝ 05。

四、条件概率条件概率是在已知某个事件发生的条件下，另一个事件发生的概率。

记事件 A 在事件 B 发生的条件下发生的概率为 P(A|B)。

计算公式为：P(A|B) ＝ P(AB) ／ P(B) ，其中 P(AB) 表示事件 A 和事件 B 同时发生的概率。

比如说，已知今天下雨，明天也下雨的概率就是一个条件概率。

第一章 随机事件及其概率§1.1 随机事件及其运算随机现象：概率论的基本概念之一。

是人们通常说的偶然现象。

其特点是,在相同的条件下重复观察时,可能出现这样的结果,也可能出现那样的结果,预先不能断言将出现哪种结果.例如,投掷一枚五分硬币,可能“国徽”向上,也可能“伍分”向上;从含有5件次品的一批产品中任意取出3件,取到次品的件数可能是0,1,2或3.随机试验：概率论的基本概念之一.指在科学研究或工程技术中,对随机现象在相同条件下的观察。

对随机现象的一次观察(包括试验、实验、测量和观测等),事先不能精确地断定其结果,而且在相同条件下可以重复进行,这种试验就称为随机试验。

样本空间: 概率论术语。

我们将随机试验E 的一切可能结果组成的集合称为E 的样本空间,记为Ω。

样本空间的元素,即E 的每一个结果,称为样本点。

随机事件：实际中,在进行随机试验时,人们常常关心满足某种条件的那些样本点所组成的集合.称试验E 的样本空间Ω的子集为E 的随机事件,简称事件.在每次试验中,当且仅当这一子集中的一个样本点出现时,称这一事件发生.特别,由一个样本点组成的单点集,称为基本事件.样本空间Ω包含所有的样本点,它是Ω自身的子集,在每次试验中它总是发生的,称为必然事件.空集Ø不包含任何样本点,它也作为样本空间的子集,它在每次试验中都不发生,称为不可能事件.互斥事件（互不相容事件）: 若事件A 与事件B 不可能同时发生，亦即ΦB A = ，则称事件A 与事件B 是互斥(或互不相容)事件。

互逆事件: 事件A 与事件B 满足条件ΦB A = ，Ω=B A ,则称A 与B 是互逆事件，也称A 与B 是对立事件,记作A B =（或B A =）。

互不相容完备事件组：若事件组n A A A ,,21满足条件ΦA A j i = ，（n 1,2j i, =），Ω== n 1i i A,则称事件组n A A A ,,21为互不相容完备事件组(或称n A A A ,,21为样本空间Ω的一个划分)。

概率论的知识点总结1.概率的基本概念概率是描述随机事件发生可能性的数学工具，其基本概念包括样本空间、事件和概率空间。

样本空间是随机试验的所有可能结果的集合，事件是样本空间的子集，概率空间包括样本空间和定义在样本空间上的概率测度。

2.概率分布概率分布描述了随机变量可能取值的概率情况。

概率分布分为离散分布和连续分布两种。

常见的离散分布包括伯努利分布、二项分布、泊松分布等；常见的连续分布包括均匀分布、正态分布、指数分布等。

概率密度函数和累积分布函数是描述连续分布的重要工具。

3.随机变量随机变量是一种具有随机性的变量，它可以取样本空间中的某些值。

随机变量分为离散随机变量和连续随机变量。

离散随机变量的概率分布由概率质量函数描述，连续随机变量的概率分布由概率密度函数描述。

4.数学期望和方差数学期望是随机变量的平均值，描述了随机变量的位置参数；方差是随机变量与其数学期望之间的离散程度，描述了随机变量的分散程度。

数学期望和方差是描述随机变量性质的重要指标，它们具有许多重要的性质，如线性性质、切比雪夫不等式等。

5.大数定律大数定律是描述随机变量序列平均值的收敛性质的定理。

大数定律包括弱大数定律和强大数定律两种。

弱大数定律描述了随机变量序列平均值收敛于数学期望的概率性质，强大数定律描述了随机变量序列平均值几乎必然收敛于数学期望的性质。

6.中心极限定理中心极限定理是概率论中一个重要的定理，描述了大量独立随机变量的和呈现出正态分布的性质。

中心极限定理包括林德伯格-莱维中心极限定理、李亥莱中心极限定理等。

中心极限定理在统计学和金融学中具有重要的应用价值，它解释了正态分布在自然界和人类活动中的普遍性。

以上是概率论的一些重要知识点，概率论作为一门基础数学学科，不仅具有重要的理论意义，而且在实际应用中有着广泛的应用价值。

随着数据科学和人工智能的快速发展，概率论的应用前景将更加广阔。

概率知识要点（一）1. 概率：随机事件A 的概率是频率的稳定值，反之，频率是概率的近似值.2. 等可能事件的概率：如果一次试验中可能出现的结果有年n 个，且所有结果出现的可能性都相等，那么，每一个基本事件的概率都是n1，如果某个事件A 包含的结果有m 个，那么事件A 的概率nm P(A)=. 3. ①互斥事件：不可能同时发生的两个事件叫互斥事件. 如果事件A 、B 互斥，那么事件A+B 发生(即A 、B 中有一个发生)的概率，等于事件A 、B 分别发生的概率和，即P(A+B)=P(A)+P(B)，推广：)P(A )P(A )P(A )A A P(A n 21n 21+++=+++ .②对立事件：两个事件必有一个发生．．．．．．．．．．的互斥事件．．．．．叫对立事件. 例如：从1～52张扑克牌中任取一张抽到“红桃”与抽到“黑桃”互为互斥事件，因为其中一个不可能同时发生，但又不能保证其中一个必然发生，故不是对立事件.而抽到“红色牌”与抽到黑色牌“互为对立事件，因为其中一个必发生.注意：i.对立事件的概率和等于1：1)A P(A )A P(P(A)=+=+.ii.互为对立的两个事件一定互斥，但互斥不一定是对立事件.③相互独立事件：事件A(或B)是否发生对事件B(或A)发生的概率没有影响.这样的两个事件叫做相互独立事件. 如果两个相互独立事件同时发生的概率，等于每个事件发生的概率的积，即P(A·B)=P(A)·P(B). 由此，当两个事件同时发生的概率P （AB ）等于这两个事件发生概率之和，这时我们也可称这两个事件为独立事件.推广：若事件n 21,A ,,A A 相互独立，则)P(A )P(A )P(A )A A P(A n 21n 21 ⋅=⋅.注意：i. 一般地，如果事件A 与B 相互独立，那么A 与A B ,与B ，A 与B 也都相互独立. ii. 必然事件与任何事件都是相互独立的.iii. 独立事件是对任意多个事件来讲，而互斥事件是对同一实验来讲的多个事件，且这多个事件不能同时发生，故这些事件相互之间必然影响，因此互斥事件一定不是独立事件. ④独立重复试验：若n 次重复试验中，每次试验结果的概率都不依赖于其他各次试验的结果，则称这n 次试验是独立的. 如果在一次试验中某事件发生的概率为P ，那么在n 次独立重复试验中这个事件恰好发生k 次的概率：kn k k n n P)(1P C (k)P --=. 4. 对任何两个事件都有)()()()(B A P B P A P B A P ⋅-+=+概率知识要点（二）一、随机变量.1、随机试验的结构应该是不确定的.试验如果满足下述条件： ①试验可以在相同的情形下重复进行；②试验的所有可能结果是明确可知的，并且不止一个；③每次试验总是恰好出现这些结果中的一个，但在一次试验之前却不能肯定这次试验会出现哪一个结果.它就被称为一个随机试验.2、离散型随机变量：如果对于随机变量可能取的值，可以按一定次序一一列出，这样的随机变量叫做离散型随机变量.若ξ是一个随机变量，a ，b 是常数.则b a +=ξη也是一个随机变量.一般地，若ξ是随机变量，)(x f 是连续函数或单调函数，则)(ξf 也是随机变量.也就是说，随机变量的某些函数也是随机变量.互斥对立设离散型随机变量ξ可能取的值为： ,,,,21i x x xξ取每一个值),2,1(1 =i x 的概率i i p x P ==)(ξ，则表称为随机变量ξ的概率分布，简称ξ的分布列. ξ1x2x… i x … P 1p 2p …i p …有性质① ,2,1,01=≥i p ； ②121=++++ i p p p .注意：若随机变量可以取某一区间内的一切值，这样的变量叫做连续型随机变量.例如：]5,0[∈ξ即ξ可以取0～5之间的一切数，包括整数、小数、无理数.3、二项分布：如果在一次试验中某事件发生的概率是P ，那么在n 次独立重复试验中这个事件恰好发生k 次的概率是：kn k k n qp C k)P(ξ-==[其中p q n k -==1,,,1,0 ] 于是得到随机变量ξ的概率分布如下：我们称这样的随机变量ξ服从二项分布，记作ξ～B（n·p ），其中n ，p 为参数，并记p)n b(k;qp C k n k k n ⋅=-. 4.、几何分布：“k =ξ”表示在第k 次独立重复试验时，事件第一次发生，如果把k 次试验时事件A 发生记为k A ，事A 不发生记为q )P(A ,A k k =，那么)A A A A P(k)P(ξk 1k 21-== .根据相互独立事件的概率乘法分式：))P(A A P()A )P(A P(k)P(ξk 1k 21-== ),3,2,1(1 ==-k p q k 于是得到随机变量ξ的概率分布列. ξ 1 2 3… k… Pqqpp q 2…p q 1k -…我们称ξ服从几何分布，并记p q p)g(k,1k -=，其中 3,2,1.1=-=k p q5、⑴超几何分布：一批产品共有N 件，其中有M （M ＜N ）件次品，今抽取)N n n(1≤≤件，则其中的次品数ξ是一离散型随机变量，分布列为)M N k n M,0k (0C C C k)P(ξnNkn MN k M -≤-≤≤≤⋅⋅==--.〔分子是从M 件次品中取k 件，从N-M 件正品中取n-k 件的取法数，如果规定m ＜r 时0C rm =，则k 的范围可以写为k=0，1，…，n.〕⑵超几何分布的另一种形式：一批产品由 a 件次品、b 件正品组成，今抽取n 件（1≤n≤a+b ），则次品数ξ的分布列为n.,0,1,k CC C k)P(ξnba kn bk a =⋅==+-.二、数学期望与方差.1. 期望的含义：一般地，若离散型随机变量ξ的概率分布为 ξ 1x 2x … i x … P1p2p… i p…则称 ++++=n n p x p x p x E 2211ξ为ξ的数学期望或平均数、均值.数学期望又简称期望.数学期望反映了离散型随机变量取值的平均水平. 2. ⑴随机变量b a +=ξη的数学期望：b aE b a E E +=+=ξξη)( ①当0=a 时，b b E =)(，即常数的数学期望就是这个常数本身. ②当1=a 时，b E b E +=+ξξ)(，即随机变量ξ与常数之和的期望等于ξ的期望与这个常数的和.③当0=b 时，ξξaE a E =)(，即常数与随机变量乘积的期望等于这个常数与随机变量期望的乘积. ⑵单点分布：c c E =⨯=1ξ其分布列为：c P ==)1(ξ. ⑶两点分布：p p q E =⨯+⨯=10ξ，其分布列为：（p + q = 1）⑷二项分布：∑=⋅-⋅=-np q pk n k n k E k n k)!(!!ξ 其分布列为ξ～),(p n B .（P 为发生ξ的概率）⑸几何分布：pE 1=ξ 其分布列为ξ～),(p k q .（P 为发生ξ的概率） 3.方差、标准差的定义：当已知随机变量ξ的分布列为),2,1()( ===k p x P k k ξ时，则称+-++-+-=n n p E x p E x p E x D 2222121)()()(ξξξξ为ξ的方差. 显然0≥ξD ，故σξξσξ.D =为ξ的根方差或标准差.随机变量ξ的方差与标准差都反映了随机变量ξ取值的稳定与波动，集中与离散的程度.ξD 越小，稳定性越高，波动越小．．．．．．．．．．．．．.． 4.方差的性质.⑴随机变量b a +=ξη的方差ξξηD a b a D D 2)()(=+=.（a 、b 均为常数） ⑵单点分布：0=ξD 其分布列为p P ==)1(ξ ⑶两点分布：pq D =ξ 其分布列为：（p + q = 1） ⑷二项分布：npq D =ξ ⑸几何分布：2p q D =ξ三、正态分布.1、⑴正态分布与正态曲线：如果随机变量ξ的概率密度为：222)(21)(σμσπ--=x ex f . （σμ,,R x ∈为常数，且0 σ），称ξ服从参数为σμ,的正态分布，用ξ～),(2σμN 表示.)(x f 的表达式可简记为),(2σμN ，它的密度曲线简称为正态曲线.⑵正态分布的期望与方差：若ξ～),(2σμN ，则ξ的期望与方差分别为：2,σξμξ==D E . ⑶正态曲线的性质. ①曲线在x 轴上方，与x 轴不相交. ②曲线关于直线μ=x 对称. ③当μ=x 时曲线处于最高点，当x 向左、向右远离时，曲线不断地降低，呈现出“中间高、两边低”的钟形曲线. ④当x ＜μ时，曲线上升；当x ＞μ时，曲线下降，并且当曲线向左、向右两边无限延伸时，以x 轴为渐近线，向x 轴无限的靠近. ⑤当μ一定时，曲线的形状由σ确定，σ越大，曲线越“矮胖”.表示总体的分布越分散；σ越小，曲线越“瘦高”，表示总体的分布越集中.ξ 0 1 Pqpξ 0 1 Pqp2、 ⑴标准正态分布：如果随机变量ξ的概率函数为)(21)(22+∞-∞=-x ex x πϕ，则称ξ服从标准正态分布. 即ξ～)1,0(N 有)()(x P x ≤=ξϕ，)(1)(x x --=ϕϕ求出，而P （a ＜ξ≤b ）的计算则是)()()(a b b a P ϕϕξ-=≤ .注意：当标准正态分布的)(x Φ的X 取0时，有5.0)(=Φx 当)(x Φ的X 取大于0的数时，有5.0)( x Φ.比如5.00793.0)5.0(=-Φσμ则σμ-5.0必然小于0，如图.⑵正态分布与标准正态分布间的关系：若ξ～),(2σμN 则ξ的分布函数通 常用)(x F 表示，且有)σμx (F(x)x)P(ξ-==≤ϕ.▲xy a标准正态分布曲线S 阴=0.5S a =0.5+SS。