当前位置: 首页 > news >正文

【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)

文章目录

  • 引言
  • 四、概率基本公式
    • 4.1 减法公式
    • 4.2 加法公式
    • 4.3 条件概率公式
    • 4.4 乘法公式
  • 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
      • 5.1.2 三个事件的独立
    • 5.2 事件独立的性质
  • 写在最后


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。

相关文章:

【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)

文章目录 引言四、概率基本公式4.1 减法公式4.2 加法公式4.3 条件概率公式4.4 乘法公式 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5.1.2 三个事件的独立 5.2 事件独立的性质 写在最后 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…...

SpringBoot整合RabbitMQ,笔记整理

1创建生产者工程springboot-rabbitmq-produce 2.修改pom.xml文件 <!--父工程--> <parent><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-parent</artifactId><version>2.6.0</version><r…...

搜狗拼音暂用了VSCode及微信小程序开发者工具快捷键Ctrl + Shit + K 搜狗拼音截图快捷键

修改搜狗拼音的快捷键 右键--更多设置--属性设置--按键--系统功能快捷键--系统功能快捷键设置--取消Ctrl Shit K的勾选--勾选截屏并设置为Ctrl Shit A 微信开发者工具设置快捷键 右键--Command Palette--删除行 微信开发者工具快捷键 删除行&#xff1a;Ctrl Shit K 或…...

Python包sklearn画ROC曲线和PR曲线

前言 关于ROC和PR曲线的介绍请参考&#xff1a; 机器学习&#xff1a;准确率(Precision)、召回率(Recall)、F值(F-Measure)、ROC曲线、PR曲线 参考&#xff1a; Python下使用sklearn绘制ROC曲线&#xff08;超详细&#xff09; Python绘图|Python绘制ROC曲线和PR曲线 源码 …...

snpEff变异注释的一点感想

snpEff变异注释整成人生思考 1.介绍2.安装过程以及构建物种参考数据库3.坑货来了4.结果文件判读5.小tips 1.介绍 &nbsp SnpEff&#xff08;Snp Effect&#xff09;是一个用于预测基因组变异&#xff08;例如单核苷酸变异、插入、缺失等&#xff09;对基因功能的影响的生物…...

“保姆级”考研下半年备考时间表

7月-8月 确定考研目标与备考计划 暑假期间是考研复习的关键时期&#xff0c;需要复习的主要内容有&#xff1a;重点关注重要的学科和专业课程&#xff0c;复习相关基础知识和核心概念。制定详细的复习计划并合理安排每天的学习时间&#xff0c;增加真题练习熟悉考试题型和答题技…...

具有弱监督学习的精确3D人脸重建:从单幅图像到图像集的Python实现详解

随着深度学习和计算机视觉技术的飞速发展&#xff0c;3D人脸重建技术在多个领域获得了广泛应用&#xff0c;例如虚拟现实、电影特效、生物识别等。但是&#xff0c;由单幅图像实现高精度的3D人脸重建仍然是一个巨大的挑战。在本文中&#xff0c;我们将探讨如何利用弱监督学习进…...

查询投稿会议的好用网址

会议伴侣 https://www.myhuiban.com/ 艾思科蓝 https://www.ais.cn/...

一元三次方程的解

一元三次方程的解法&#xff0c;点击跳转知乎原文地址 &#xff08;一&#xff09;一元三次方程降阶 一元三次方程原型&#xff1a; a x 3 b x 2 c x d 0 a x^3 b x^2 cx d 0 ax3bx2cxd0 代换削元。最简单的方法是线性变化削元。假设x my n, 带入后可以削去未知数…...

aardio开发语言Excel数据表读取修改保存实例练习

import win.ui; /*DSG{{*/ var winform win.form(text"aardio form";right759;bottom479) winform.add( buttonEnd{cls"button";text"末页";left572;top442;right643;bottom473;z6}; buttonExcelRead{cls"button";text"读取Exce…...

webshell绕过

文章目录 webshell前置知识进阶绕过 webshell 前置知识 <?phpecho "A"^""; ?>运行结果 可以看到出来的结果是字符“&#xff01;”。 为什么会得到这个结果&#xff1f;是因为代码的“A”字符与“”字符产生了异或。 php中&#xff0c;两个变…...

Spring Boot 统一功能处理

目录 1.用户登录权限效验 1.1 Spring AOP 用户统一登录验证的问题 1.2 Spring 拦截器 1.2.1 自定义拦截器 1.2.2 将自定义拦截器加入到系统配置 1.3 拦截器实现原理 1.3.1 实现原理源码分析 2. 统一异常处理 2.1 创建一个异常处理类 2.2 创建异常检测的类和处理业务方法 3. 统一…...

图像处理常见的两种拉流方式

传统算法或者深度学习在进行图像处理之前&#xff0c;总是会首先进行图像的采集&#xff0c;也就是所谓的拉流。解决拉流的方式有两种&#xff0c;一个是直接使用opencv进行取流&#xff0c;另一个是使用ffmpeg进行取流&#xff0c;如下分别介绍这两种方式进行拉流处理。 1、o…...

数据可视化数据调用浅析

数据可视化是现代数据分析和决策支持中不可或缺的一环。它将数据转化为图形、图表和可视化工具&#xff0c;以便更直观地理解和解释数据。在数据可视化的过程中&#xff0c;数据的调用和准备是关键的一步。本文将探讨数据可视化中的数据调用过程&#xff0c;并介绍一些常用的数…...

恒运资本:CPO概念发力走高,兆龙互联涨超10%,华是科技再创新高

CPO概念15日盘中发力走高&#xff0c;截至发稿&#xff0c;华是科技涨超15%再创新高&#xff0c;兆龙互联涨逾11%&#xff0c;中贝通讯涨停&#xff0c;永鼎股份、太辰光涨超5%&#xff0c;天孚通讯涨逾4%。 消息面上&#xff0c;光通讯闻名咨询机构LightCounting近日发布的202…...

【蓝桥杯】[递归]母牛的故事

原题链接&#xff1a;https://www.dotcpp.com/oj/problem1004.html 目录 1. 题目描述 2. 思路分析 3. 代码实现 1. 题目描述 2. 思路分析 我们列一个年份和母牛数量的表格&#xff1a; 通过观察&#xff0c;找规律&#xff0c;我们发现&#xff1a; 当年份小于等于4时&…...

使用RDP可视化远程桌面连接Linux系统

使用RDP可视化远程桌面连接Linux系统 远程桌面连接Linux安装安装包准备服务器安装xrdp远程连接 远程桌面连接Linux 通常使用SSH来连接服务器&#xff0c;进行命令行操作&#xff0c;但是这次需要远程调试生产环境的内网服务器&#xff0c;进行浏览器访问内网网站&#xff0c;至…...

数据可视化diff工具jsondiffpatch使用学习

1.jsondiffpatch 简介 jsondiffpatch 是一个用于比较和生成 JSON 数据差异的 JavaScript 库。它可以将两个 JSON 对象进行比较&#xff0c;并生成一个描述它们之间差异的 JSON 对象。这个差异对象可以用于多种用途&#xff0c;例如&#xff1a; 生成可视化的差异报告应用差异…...

pdf 转 word

pdf 转 word 一、思路 直接调用LibreOffice 命令进行文档转换的命令行工具 使用的前系统中必须已经安装了 libreofficelibreoffice已翻译的用户界面语言包: 中文 (简体)libreoffice离线帮助文档: 中文 (简体)上传字体 重点&#xff1a;重点&#xff1a;重点&#xff1a; 亲…...

【数据结构OJ题】设计循环队列

原题链接&#xff1a;https://leetcode.cn/problems/design-circular-queue/ 1. 题目描述 2. 循环队列的概念和结构 为充分利用向量空间&#xff0c;克服"假溢出"现象的方法是&#xff1a;将向量空间想象为一个首尾相接的圆环&#xff0c;并称这种向量为循环向量。…...

Java 语言特性(面试系列2)

一、SQL 基础 1. 复杂查询 &#xff08;1&#xff09;连接查询&#xff08;JOIN&#xff09; 内连接&#xff08;INNER JOIN&#xff09;&#xff1a;返回两表匹配的记录。 SELECT e.name, d.dept_name FROM employees e INNER JOIN departments d ON e.dept_id d.dept_id; 左…...

基于大模型的 UI 自动化系统

基于大模型的 UI 自动化系统 下面是一个完整的 Python 系统,利用大模型实现智能 UI 自动化,结合计算机视觉和自然语言处理技术,实现"看屏操作"的能力。 系统架构设计 #mermaid-svg-2gn2GRvh5WCP2ktF {font-family:"trebuchet ms",verdana,arial,sans-…...

遍历 Map 类型集合的方法汇总

1 方法一 先用方法 keySet() 获取集合中的所有键。再通过 gey(key) 方法用对应键获取值 import java.util.HashMap; import java.util.Set;public class Test {public static void main(String[] args) {HashMap hashMap new HashMap();hashMap.put("语文",99);has…...

Day131 | 灵神 | 回溯算法 | 子集型 子集

Day131 | 灵神 | 回溯算法 | 子集型 子集 78.子集 78. 子集 - 力扣&#xff08;LeetCode&#xff09; 思路&#xff1a; 笔者写过很多次这道题了&#xff0c;不想写题解了&#xff0c;大家看灵神讲解吧 回溯算法套路①子集型回溯【基础算法精讲 14】_哔哩哔哩_bilibili 完…...

AtCoder 第409​场初级竞赛 A~E题解

A Conflict 【题目链接】 原题链接&#xff1a;A - Conflict 【考点】 枚举 【题目大意】 找到是否有两人都想要的物品。 【解析】 遍历两端字符串&#xff0c;只有在同时为 o 时输出 Yes 并结束程序&#xff0c;否则输出 No。 【难度】 GESP三级 【代码参考】 #i…...

Frozen-Flask :将 Flask 应用“冻结”为静态文件

Frozen-Flask 是一个用于将 Flask 应用“冻结”为静态文件的 Python 扩展。它的核心用途是&#xff1a;将一个 Flask Web 应用生成成纯静态 HTML 文件&#xff0c;从而可以部署到静态网站托管服务上&#xff0c;如 GitHub Pages、Netlify 或任何支持静态文件的网站服务器。 &am…...

页面渲染流程与性能优化

页面渲染流程与性能优化详解&#xff08;完整版&#xff09; 一、现代浏览器渲染流程&#xff08;详细说明&#xff09; 1. 构建DOM树 浏览器接收到HTML文档后&#xff0c;会逐步解析并构建DOM&#xff08;Document Object Model&#xff09;树。具体过程如下&#xff1a; (…...

从零开始打造 OpenSTLinux 6.6 Yocto 系统(基于STM32CubeMX)(九)

设备树移植 和uboot设备树修改的内容同步到kernel将设备树stm32mp157d-stm32mp157daa1-mx.dts复制到内核源码目录下 源码修改及编译 修改arch/arm/boot/dts/st/Makefile&#xff0c;新增设备树编译 stm32mp157f-ev1-m4-examples.dtb \stm32mp157d-stm32mp157daa1-mx.dtb修改…...

pikachu靶场通关笔记22-1 SQL注入05-1-insert注入(报错法)

目录 一、SQL注入 二、insert注入 三、报错型注入 四、updatexml函数 五、源码审计 六、insert渗透实战 1、渗透准备 2、获取数据库名database 3、获取表名table 4、获取列名column 5、获取字段 本系列为通过《pikachu靶场通关笔记》的SQL注入关卡(共10关&#xff0…...

什么是Ansible Jinja2

理解 Ansible Jinja2 模板 Ansible 是一款功能强大的开源自动化工具&#xff0c;可让您无缝地管理和配置系统。Ansible 的一大亮点是它使用 Jinja2 模板&#xff0c;允许您根据变量数据动态生成文件、配置设置和脚本。本文将向您介绍 Ansible 中的 Jinja2 模板&#xff0c;并通…...