随机事件与概率计算方法.pptxVIP

随机事件与概率计算方法

目录contents随机事件概率的基本概念概率的计算方法随机变量的概念与性质随机变量的分布函数与概率密度函数随机事件的独立性

CHAPTER01随机事件

随机事件是指在一定条件下，其发生与否具有不确定性，或者其发生的结果具有不确定性。按照随机事件是否发生，可分为必然事件和不可能事件；按照随机事件的结果，可分为互斥事件和独立事件。定义与分类分类定义

两个随机事件不能同时发生，即两个事件不可能同时成立。互斥性样本空间中包含所有可能的结果，即样本空间是完备的。完备性随机事件的性质

两个随机事件同时发生的概率等于两个事件概率的和。并运算两个随机事件同时发生的概率等于两个事件概率的乘积。交运算一个随机事件发生而另一个不发生的概率等于两个事件概率的差。差运算随机事件的运算

CHAPTER02概率的基本概念

概率是指某一事件发生的可能性，通常用P来表示。概率的取值范围在0到1之间，其中0表示事件不可能发生，1表示事件一定会发生。概率的定义方法有多种，包括古典概型、几何概型、统计概型等。古典概型是基于等可能事件的概率计算方法，适用于样本空间有限且各样本点出现机会相等的情况。几何概型则是基于面积、体积等几何量度的概率计算方法，适用于样本空间无限或各样本点出现机会不等的情况。统计概型则是基于大量重复试验的频率稳定值的概率计算方法。概率的定义

概率的取值范围概率的取值范围是0到1之间，包括0和1。其中，概率为0表示事件不可能发生，概率为1表示事件一定会发生。在实际情况中，概率的取值可以是0到1之间的任意实数，但根据不同的情况和定义方法，概率的取值范围可能有所限制。

概率的基本性质概率具有可加性、可减性和有限可加性等基本性质。可加性是指两个互斥事件的概率之和等于它们各自概率的和；可减性是指一个事件的概率等于它与一个不可能事件的概率之差；有限可加性是指任意有限个事件同时发生的概率等于这些事件概率的和。此外，概率还具有其他性质，如全概率为1、概率为0的事件与任何事件的交都为空等。

CHAPTER03概率的计算方法

123古典概型是指试验中所有可能结果为有限个，且每个结果发生的可能性相同。定义$P(A)=frac{有利于A的基本事件数}{全部基本事件数}$计算公式例如掷骰子、摸球等简单随机试验。应用场景古典概型概率计算

定义几何概型是指试验中所有可能结果为无限个，但每个结果发生的可能性相同。计算公式$P(A)=frac{有利于A的基本事件长度或面积或体积}{全部基本事件长度或面积或体积}$应用场景例如在长度、面积或体积均匀分布的情况下，求某一长度、面积或体积所对应的事件的概率。几何概型概率计算030201

03应用场景在已知某些条件下，求某一事件发生的概率。例如在已知天气晴朗的情况下，求踢足球的概率。01定义条件概率是指在某一事件B已经发生的情况下，另一事件A发生的概率。02计算公式$P(A|B)=frac{P(AcapB)}{P(B)}$条件概率计算

CHAPTER04随机变量的概念与性质

随机变量在随机试验中，试验结果与实数之间的一种对应关系。离散随机变量随机变量可以取到可数无穷多个值，或者至多只有有限个值。连续随机变量随机变量可以取到任何实数值，即取值范围为全体实数。随机变量的定义

离散型随机变量随机变量只取有限个或可数无穷多个数值。连续型随机变量随机变量可以取到任何实数值。随机变量的分类

对于确定的试验结果，其对应的随机变量是确定的。确定性对于两个独立随机试验，其对应的随机变量满足可加性。可加性对于任意两个随机变量，存在一个包含它们的随机变量。可数性随机变量的性质

CHAPTER05随机变量的分布函数与概率密度函数

分布函数的定义与性质定义分布函数是描述随机变量取值概率的函数，表示随机变量取值小于或等于某个值的概率。性质分布函数具有非负性、规范性（总概率为1）和单调递增性。

VS概率密度函数是分布函数的导数，描述随机变量在某点的概率密度。性质概率密度函数具有非负性、规范性（积分等于1）和连续性。定义概率密度函数的定义与性质

离散型随机变量离散型随机变量的分布函数和概率密度函数描述了随机变量取离散值的概率。例如，二项分布、泊松分布等。连续型随机变量连续型随机变量的分布函数和概率密度函数描述了随机变量取连续值的概率。例如，正态分布、指数分布等。混合型随机变量混合型随机变量的分布函数和概率密度函数由离散和连续两部分组成，例如，均匀分布、柯西分布等。常见随机变量的分布函数与概率密度函数

CHAPTER06随机事件的独立性

定义如果一个事件A的发生不影响另一个事件B的发生，那么称事件A和事件B是独立的。要点一要点二概率计算公式$P(AcapB)=P(A)timesP(B)$两事件的独立性

多事件的独立性如果