1.1-1.2 随机现象、概率的概念与性质

作者: blueband21c | 来源:发表于2019-03-11 21:24 被阅读0次

1.1-1.2 随机现象、概率的概念与性质
统计学5、6章
概率基础
概率200527
1.3 概率的定义与性质
概率统计组队学习之随机事件与随机变量
概率论基础
概率与频率
2019-02-28
概率论与统计推断(二) ------ 随机变量及其分布

第一章随机事件与概率

1.1 随机现象与数据

确定性现象

什么是确定？
- 可重复验证
什么是必然？
- 与预测相一致

随机现象

个别实验结果呈现不确定性，大量重复实验又具有统计规律性的现象
- 随机就是“不确定”？
- 真正的“随机”是什么样的？

概率论 (Theory of Probability)：揭示和研究随机现象的统计规律性的数学学科
统计学 (Statistics)：通过收集、整理、分析数据等手段以达到推断或预测考察对象本质或未来的学科

数理统计为概率论面向实际问题提供联系桥梁
概率论为数理统计方法合理性提供理论保证

1.2 随机事件

随机试验：对随机现象的观测
总体：试验中关心的某个数量指标
个体或样品：总体中的某个具体取值
样本：从总体中独立、重复地取出的若干样品，取出的样品数量称为样本的容量
基本事件（样本点）：试验产生的基本结果，用 $\omega$ 表示
样本空间：全体样本点的集合，用 $\Omega$ 表示
事件：（满足一定条件的）样本点的集合，一般用大写字母 $A,B,C,...$ 表示，若试验结果的样本点属于该集合，则称该事件发生
事件域： $\Omega$ 中全体事件构成的集合，记为
$\mathscr { F } = \{ A | A \subset \Omega\}$
自行了解如下的概念：平均数（平均值）、中位数、众数、方差、标准差、极差、变异系数差

例1：掷一个骰子，观察得到的点数
样本点： $1,2,3,4,5,6$
样本空间： $\Omega=\{1,2,3,4,5,6\}$
事件 $A_1$ ：出现的点数不超过 $3$ ，可表示为
$A_1=\{1,2,3\}$
事件 $A_2$ ：出现的点数为偶数，可表示为
$A_2=\{2,4,6\}$
例2：抛两个骰子，观察得到的总点数
样本点： $2,3,4,...,12$
样本空间： $\Omega=\{2,3,4,...,12\}$

例3：抛两个骰子，观察点数的组合
样本点： $(m,n)$ ，其中 $m=1,2,...,6,\,n=1,2,...,6$
样本空间： $\Omega=\{(m,n)|m=1,2,...,6,\,n=1,2,...,6\}$

注意例2和例3虽然都是掷两个骰子，但由于观测的方式不同，所以是不同的（随机）试验！

例4：试验 $E$ ：研究某地一段时间的气温变化情况，连续观察 $3$ 天的日最低气温与最高气温.
$E$ 的样本空间：
$\Omega = \left\{ \left[ \left( t _ { 1 } , T _ { 1 } \right) , \left( t _ { 2 } , T _ { 2 } \right) , \left( t _ { 3 } , T _ { 3 } \right) \right] | t _ { i } , T _ { i } \in \mathbb{R} , t _ { i } \leq T _ { i } , i = 1,2,3 \right\}$
事件 $A$ “连续 $3$ 天气温都在 $28 ^ { \circ } \mathrm { C }$ 到 $36 ^ { \circ } \mathrm { C }$ 之间”
$A = \left\{ \left[ \left( t _ { 1 } , T _ { 1 } \right) , \left( t _ { 2 } , T _ { 2 } \right) , \left( t _ { 3 } , T _ { 3 } \right) \right] | 28 \leq t _ { i } \leq T _ { i } \leq 36 , i = 1,2,3 \right\}$
事件 $B$ “连续3天最高气温超过 $40 ^ { \circ } \mathrm { C }$ ”
$B = \left\{ \left[ (t _ { 1 } , T _ { 1 } \right) , \left( t _ { 2 } , T _ { 2 } \right) , \left( t _ { 3 } , T _ { 3 } \right) \right] | t _ { i } \leq T _ { i } , T _ { i } > 40 , i = 1,2,3 \}$
有没有其他的方法来表示以上的两个事件？

基本事件：单个样本点构成的事件，也即 $\{\omega\}$
必然事件：每次试验中都会发生的事件，也即 $\Omega$
不可能事件：每次试验中都不会发生的事件，也即 $\Phi$ （空集）
对立事件：事件 $A$ 不发生的事件，记为 $\overline { A }$ ，显然
$\overline { \Omega } = \Phi, \quad \overline { \Phi } = \Omega, \quad \overline{\overline { A }} = A$

事件的关系与运算

$A \subset B \Leftrightarrow A\text{发生则}B\text{必发生}$
$A \cup B = \{ \omega | \omega \in A$ or $\omega \in B \} \Leftrightarrow A,B$ 至少有一个会发生，称为事件 $A,B$ 的和事件
$A \cap B = \{ \omega | \omega \in A$ and $\omega \in B \} \Leftrightarrow A , B$ 同时发生，称为事件 $A,B$ 的积事件
- 有限个事件的积事件和可列个事件的积事件：
  $\begin{array} { l } { \bigcap \limits_ { k = 1 } ^ { n } A _ { k } = \{ \omega | \omega \in A _ { k } , k = 1,2 , \cdots , n \} } \\ { \bigcap \limits_ { k = 1 } ^ { \infty } A _ { k } = \{ \omega | \omega \in A _ { k } , k = 1,2 , \cdots \} } \end{array}$
$A - B = \{ \omega | \omega \in A , \omega \notin B \} \Leftrightarrow A$ 发生但 $B$ 不发生，称为事件 $A,B$ 的差（事件）
- 特别地，若 $A \supset B$ ，则称 $A-B$ 为真差
$A \cap B = \Phi$ ，则称 $A,B$ 互不相容或互斥，也即 $A,B$ 不会同时发生
逆事件（或对立事件）：若
$A \cup B = \Omega\;\text{且}\;A \cap B = \Phi$
或者说
$A = \Omega - B = \overline { B } , \quad B = \Omega - A = \overline { A }$

事件的运算规律

交换律： $A \cup B = B \cup A , \quad A \cap B = B \cap A$
结合律：
$\begin{array} { l } { A \cup ( B \cup C ) = ( A \cup B ) \cup C } \\ { A \cap ( B \cap C ) = ( A \cap B ) \cap C } \end{array}$
分配律：
$\begin{array} { l } { A \cap ( B \cup C ) = ( A \cap B ) \cup ( A \cap C ) } \\ { A \cup ( B \cap C ) = ( A \cup B ) \cap ( A \cup C ) } \end{array}$
De Morgan律： $\overline { A \cup B } = \overline { A } \cap \overline { B } , \quad \overline { A \cap B } = \overline { A } \cup \overline { B }$

$\overline{\bigcup _ { k = 1 } ^ { n } A _ { k }} = \bigcap _ { k = 1 } ^ { n } \overline { A } _ { k } , \quad \overline{\bigcap _ { k = 1 } ^ { n } A _ { k }} = \bigcup _ { k = 1 } ^ { n } \overline { A } _ { k }$

课后思考题：习题一：1，2，3，4，5

1.1-1.2 随机现象、概率的概念与性质
第一章随机事件与概率 1.1 随机现象与数据确定性现象什么是确定？可重复验证什么是必然？与预测相一致随机...
统计学5、6章
概率与概率分布 1、几个基本概念随机事件，基本事件，，样本空间事件的概率概率的基本性质与运算法则基本性质：...
概率基础
写在前面随机事件与概率随机试验随机事件和样本空间概率的定义概率的三大性质条件概率全概率公式与贝叶斯公式全概率公式...
概率200527
概率论是研究随机现象数量规律的数学分支，概率是对随机事件发生可能性大小的度量。 10.1随机事件与概率 10.1....
1.3 概率的定义与性质
1.3 概率的定义与性质对概率的直观认识（随机）事件发生的可能性（的大小）取值是客观确定的，不受人的主观意愿...
概率统计组队学习之随机事件与随机变量
摘要：随机事件、随机变量の学习笔记涉及概念：随机事件，概率，古典概型，条件概率，全概率公式，贝叶斯公式，随机变量，...
概率论基础
概率论基础概率论基础样本空间与事件对偶公式随机事件运算概率的三个基本性质二项系数蒙特卡罗（Monte Carlo...
概率与频率
用自己的话来理解概念概率与数理统计是研究和揭示随机现象统计规律性的一门数学学科。随机就是不确定的，比如一天某一时...
2019-02-28
第一章概率论与数理统计概率论的基本概念统计规律性：在大量重复试验或观察中所呈现出的固有规律性。随机现象：在个别...
概率论与统计推断(二) ------ 随机变量及其分布
一.随机变量(实际上是函数) 概率论的目的:给定随机试验的数据生成过程，研究数据的性质，如概率分布(下面的二/三...