第一部分概率基础.PDFVIP

第一部分：概率基础 对应教材Chp1-5 可能需要复习本科概率论的相应内容 课堂上讲述会较快，将知识点串起来，建议大家通 读教材 时间：“十一”长假之前 主要内容： 概率、随机变量及其分布、常用分布、多元随机向量 随机变量的变换及其分布 独立、条件独立、贝叶斯公式 期望、方差 概率不等式及收敛性 第一章：概率 概率：定量描述不确定性的数学语言 例：P(牙痛是由虫牙引起) = 0.8 20%– 所有其他可能 实际数值可能来源于统计数据、模型、启发规则或猜测 更精确的概率定义： 代数、可测量、测度（参考[CB] σ Chp1） 概率、样本空间和事件 考虑一个事先不知道输入的试验： Ω 试验的样本空间 是所有可能输出的集合 事件A 是样本空间的子集 对每个事件A ，我们定义一个数字P(A) ，称为A 的概 率。概率根据下述公理定义： 概率公理 事件A 的概率是一个非负实数 P(A) ≥0 合法命题的概率为1 P(Ω) = 1 两两不相交（互斥）事件A , A , … ∞ ∞ 1 2 P( ∪A ) = P(A ) i ∑ i i=1 i=1 从上述三个公理，可推导出概率的所有的其他性质。 公理的推论 不可满足命题的概率为0 P (∅) = 0 c P(A ∩A ) = 0 对任意两个事件A 、B P(A ∪B) = P (A) + P(B) – P(A ∩B ) 对事件A 的补事件Ac c P(A ) = 1 – P(A) 对任意事件A 0 ≤P(A) ≤ 1 概率的解释 概率的“真正意义” 仍是一个非常有争议的论题 没有一种解释被一致接受 概率两种主要的解释： 频率解释 概率 = 一个事件的相对频率（大量试验情况下） 对应频率推断（点估计、置信区间） 可信度解释 概率 = 观测者对可能性的判断 “贝叶斯概率” 对应贝叶斯推断 概率的频率解释 在相似试验条件下，进行多次重复试验，得到某个特定输 入的相对频率（如掷骰子或抛硬币） 满足概率公理 只有试验才能确定概率 但是 试验次数多少次才足够多? 相似条件? (条件完全相同?) P(正面朝上)? P(你本门课程得90分以上)? P(明天会下雨)? 概率的可信度解释 亦称“贝叶斯概率” 概率表示观测者对可能性的判断 定量表示某人的信念强度 是基于个人的信念和信息 “主观概率” 而不是“真正的概率” 并没有对世界客观的表述 主观判断完全一致没有矛盾? 不同人之间没有统一的客观基准 满足概率公理(在保持一致性的情况下) 独立事件 当P (AB) = P(A) P(B)时，称两个事件A 与B独立，记为A CB 可推广到有限个事件系列 可通过两种方式确定事件之间的独立性 显式假设：如抛硬币试验中，假设每次抛掷都是独立的 数值推