第1章 小结

数学学习 · 爱知数学讲义

18
本章目录 · 1 节

本章导读

【第一章小结】先用样本空间S明确试验可能结果,再把事件写成集合。并是至少一个、交是同时、差是前者发生后者不发生、补是不发生;互斥与对立不同,独立与互斥也不同。不可列空间的事件须属于指定事件族,不能把概率0、1直接等同空集、全集。

【概率与频率】概率满足非负性、规范性、可列可加性。它确定事件概率之间应有的关系,却不凭空确定具体数值。经验频率fₙ(A)=/n可估计模型概率,其稳定性须结合重复试验假设。样本次数多不代表每次估计都更准。

【基本运算】P(Ā)=1−P(A);A⊆B⇒P(A)≤P(B);P(A∪B)=P(A)+P(B)−P(AB)。三个及更多事件用容斥;先检查已给概率是否满足非负性与包含关系。

【古典概型】有限且等可能才可用有利数/总数。有序与无序、放回与不放回必须统一;颜色、计数等合并后的结果常常不等可能。超几何模型适合固定总体中不放回抽样。

【条件概率与乘法】P(A)>0时P(B|A)=P(AB)/P(A),既可直接在缩减事件A中数,也可在原S中分别算交与条件。多步乘法沿已发生的历史写条件,不能未经独立假设逐项改为边缘概率。

【全概率与贝叶斯】先找互斥且穷尽的原因划分,按“先验×条件似然”加总结果概率;已知结果后,再将目标原因的这一个乘积除以全部原因总和。后验、灵敏度、特异度与阳性预测值各有不同含义。

【独立性】定义P(AB)=P(A)P(B),n事件相互独立须检查所有子族交事件。补事件仍保持独立;两两独立不必相互独立。依赖背景判断的独立是模型假设,应排查共享环境、不放回抽样等共同影响。

【重要术语自检】随机试验、样本空间、样本点、随机事件、基本事件、频数与频率、概率三公理、古典概型、对立事件、互斥、加法与容斥、条件概率、乘法公式、划分、全概率、贝叶斯、先验与后验、独立与相互独立、实际推断原理。小概率观察可提供反对模型的证据,但不是逻辑上的不可能,也不能忽略事后选事件的影响。