1. 随机试验(三条件)基本事件样夲空间随机事件
2. 对立事件互斥事件事件式(事件和运算符号)
3. 古典概型(两条件有限+等可能)
几何概型(点对应子区域对应)
4. 条件不充分原理:对于任意两个事件若没有充分的理由来证明其中一个事件的概率会大于另一个事件的概率那么可认为这两个事件的概率相同。
5. 频率三性质(0~1 1 互斥求和)n很大统计概率
6. 概率(非负性规范性_1 可列可加性_无穷)
9. 条件概率(非负性规范性可列可加性)
全概率公式:完备事件組(两条件)
拍照搜题秒出答案,一键查看所有搜题记录
拍照搜题秒出答案,一键查看所有搜题记录
注:本文针对常用的连续分布:囸态分布、均匀分布计算概率例题、指数分布、伽马分布、卡方分布与贝塔分布作了大致的介绍需要记住它们的参数、数学期望与方差、以及密度函数,一个分布就是一个概率模型
正态分布的密度函数曲线又称“钟形曲线”
或写成用分号隔开参数和随机变量的形式
测量誤差常被认为服从正态分布/【高斯分布】,因为它是由大量微小的、独立的随机因素叠加的结果
(图的右上角备注了不同颜色的曲线对應的参数)
称 的正态分布 为标准正态分布,记U为标准正态变量 标准正态分布的密度函数和分布函数 满足如下关系:
正态分布的性质:正態变量的线性变换仍为正态变量,即
涉及正态分布的概率计算一般是先转化为标准正态,再查标准正态的分布函数表即可求得概率值。
对任意的实数a 与b,有
管理学中的六西格玛原则就是与均值 的标准偏差不小于 6也就是这种差异的绝对值不小于3,表示当产品质量控制在这個范围内时此时的产品无缺陷的概率高达99.73%,这个原则可用来降低产品与服务的缺陷次数
后期再讲中心极限定理时,还会再次用到正态汾布它可以说是最基础最重要的连续分布了。
向区间 内随机投点使点落在任意相等长度的小区间内的可能性相等,则落点坐标服从均勻分布计算概率例题 .
称区间(01)上的均匀分布计算概率例题为标准均匀分布计算概率例題,它是导出其它均匀分布计算概率例题随机数的桥梁
为伽马函数其中参数 ,伽马函数具有如下性质:
若一个元器件能抵挡一些外来冲擊但遇到第k次冲击即告失效,则第k 次冲击来到的时间X(寿命)服从形状参数为k的伽马分布 .
若形状参数为整数k,则伽马变量可鉯表示成k个独立同分布的指数变量之和即,
称 的伽马分布为自由度为n的卡方分布即
注:后期再讲数理统计中的t分布与F分布时,再重新細讲卡方分布参考
很多比率,比如产品的不合格率、机器的维修率、某商品的市场占有率、射击的命中率....都是在区间(0,1)上取值的隨机变量可用beta分布来描述这些随机变量
贝塔分布是定义在(0,1)区间上的连续概率分布是伯努利分布和二项式分布的共轭先验分布。