葉丙成 概率 chapter1 基礎知識

2021-09-12 14:46:46 字數 2702 閱讀 5272

國立台灣大學葉丙成《機率》課程學習-chapter1-基礎知識篇

為什麼要研究概率

概率與統計的差異

全集(universal set):s

ss空集(empty set):ϕ

\phi

ϕ交集(intersection)

並集(union)

補集(complement)

差集(difference)

不相交(disjoint)

互斥(mutually exclusive):若一組集合x1,

x2,…

,x

nx_1,x_2,\dots,x_n

x1​,x2

​,…,

xn​中任意兩個集合都不相交,則我們才稱這組集合互斥。

de morgan』s laws(德·摩根定律):(a⋃

b)c=

ac⋂b

c(a\bigcup b)^c=a^c\bigcap b^c

(a⋃b)c

=ac⋂

bc證明:→

\to→假設x

∈(a⋃

b)

c假設\quad x\in(a\bigcup b)^c

假設x∈(a

⋃b)c

⇒ x∉

a⋃

b\rightarrow x\notin a\bigcup b

⇒x∈/​a

⋃b⇒ x∉

aand

x∉

b\rightarrow x\notin a\quad and \quad x\notin b

⇒x∈/​a

andx

∈/​b

⇒ x∈

acan

dx∈b

c\rightarrow x\in a^c\quad and \quad x\in b^c

⇒x∈aca

ndx∈

bc⇒ (a

⋃b)c

⊆(ac

⋂bc)

\rightarrow (a\bigcup b)^c \subseteq (a^c\bigcap b^c)

⇒(a⋃b)

c⊆(a

c⋂bc

)←\gets←假設

x∈(a

c⋂bc

)假設\quad x\in(a^c\bigcap b^c)

假設x∈(a

c⋂bc)⇒x

∉aan

dx∉b

\rightarrow x\notin a \quad and \quad x\notin b

⇒x∈/​a

andx

∈/​b

i fx

∉(a⋃

b)

cif \quad x \notin(a\bigcup b)^c

ifx∈/​

(a⋃b

)c⇒ x∈

(a⋃b

)⇒x∈

aorx

∈b→←

矛盾

\rightarrow x\in (a\bigcup b)\rightarrow x\in a or x \in b \to\gets 矛盾

⇒x∈(a⋃

b)⇒x

∈aor

x∈b→

←矛盾thu

sx∈(

a⋃b)

c⇒(a

c⋂bc

)⊆(a

⋃b)c

thus x \in (a\bigcup b)^c \rightarrow (a^c\bigcap b^c) \subseteq (a\bigcup b)^c

thusx∈

(a⋃b

)c⇒(

ac⋂b

c)⊆(

a⋃b)

c實驗(experiment):

乙個概率實驗包含了:步驟(procedures)、模型(model)、觀察(obversions)、結果(outcome)

樣本空間(sample space):概率實驗所有可能的集合,用s表示

s表示s表

示事件(event):指對於實驗結果的某種敘述

概率就是實驗結果符合某事件敘述的機會有多大

在數學上,事件可以看成是結果的集合,也就是樣本空間的子集

事件空間(event space)(set of sets):所有可能事件的集合,包含ϕ,s

\phi,s

ϕ,s。若樣本空間s

=s=\

s=,有n

nn個結果。計算公式,有2

n2^n

2n個事件的集合。

概率是乙個函式,其自變數是事件

p (事

件)

=0.6⇒概

率函式的

自變數是

:事

件p(事件)=0.6 \rightarrow 概率函式的自變數是:事件

p(事件)=

0.6⇒

概率函式

的自變數

是:事件

概率可以看成是乙個對映,

概率函式是從事件空間對映到[0,

1]

[0,1]

[0,1]p:事

件空間→

[0,1

]p:事件空間\to[0,1]

p:事件空間

→[0,

1]

貝葉斯概率

貝斯公式和全概率公式的意思差不多相反。全概率公式是說 某件事情的發生可以由很多情況導致,那麼這件事情發生的概率,就是每件事情導致他發生的概率,乘以每件事情發生的概率。貝斯公式的意思是 某件事情還是由剛才所說的那些事件引起的,你已經知道某件事情發生了,那麼他是由哪件事情引起的呢?就可以又貝斯公式a事件...

貝葉斯概率

貝葉斯定理 bayes theorem 貝葉斯定理中的分母可以用出現在分子中的項表示 可以把貝葉斯定理的分母看做歸一化常數,用來確保公式左側的條件概率對於所有 的y 的取值之和為1。在觀察到資料之前,我們有 一些關於引數w 的假設,這以先驗概率p w 的形式給出。觀測資料 d 的效果可以 通過條件概...

貝葉斯概率

p a b p a p b a p b p a b p a frac p a b p a p b p b a p a b p a b p a b 條件概率,事件b發生的條件下,事件a發生的概率,也叫a的後驗概率 p a p a p a 先驗概率,事先不知道任何條件時a的概率。比如,2000年8月15...