目录

  • 1 随机事件及其概率
    • 1.1 随机试验 样本空间 随机事件——小明的一天
    • 1.2 事件的关系和运算---中国游客不带现金走遍世界
    • 1.3 概率公理化定义——概率的前世今生
    • 1.4 概率的性质——配对问题
    • 1.5 古典概型——美国总统的生日
    • 1.6 几何概型——天上会掉馅饼么
    • 1.7 条件概率——抽签与顺序有关吗?(一)
    • 1.8 乘法公式——抽签与顺序有关吗?(二)
    • 1.9 全概率公式——抽签与顺序有关吗?(三)
    • 1.10 贝叶斯公式——马航客机搜寻
    • 1.11 事件的相互独立性——三个臭皮匠,顶个诸葛亮
    • 1.12 案例-三门问题
  • 2 一维随机变量
    • 2.1 随机变量的概念——现代概率的开端
    • 2.2 两点分布,二项分布——考试全凭瞎猜能及格么
    • 2.3 泊松分布、泊松定理——保险公司能亏本么
    • 2.4 几何分布与超几何分布——科比·布莱恩特的投篮
    • 2.5 一维随机变量的分布函数---随机变量的身份证特征
    • 2.6 连续随机变量及其概率密度——一切推理都必须从观察和实验中来
    • 2.7 均匀分布——几何分布的概率模型
    • 2.8 指数分布——钻石恒久远,一颗永流传
    • 2.9 正态分布——你坐公共汽车被车门碰过头么?
    • 2.10 随机变量函数的分布——一盒粉饼可以用多久?
  • 3 多维随机变量
    • 3.1 二维随机变量的分布函数、二维离散型——中奖概率有多大?
    • 3.2 二维连续型随机变量的联合密度函数和边缘密度函数——汽车车灯视野的设计
    • 3.3 边缘分布函数,边缘分布律——横看成岭侧成峰,远近高低各不同
    • 3.4 离散型随机变量的条件分布律——“学神、学霸”论
    • 3.5 条件分布函数,连续型随机变量的条件概率密度——圆盘上的思考
    • 3.6 两个随机变量的独立性——猜猜他们有办公室恋情吗?
    • 3.7 二维离散型随机变量函数的分布——学府路红绿灯
    • 3.8 二维连续型随机变量函的分布、 和的分布——食堂窗口的个数
    • 3.9 最大与最小值的分布——电路系统的寿命
  • 4 随机变量的数字特征
    • 4.1 期望的概念、离散型随机变量期望的计算——赌金如何分配?
    • 4.2 连续型随机变量期望的计算——如何分辨毒豆芽?
    • 4.3 随机变量函数的期望——中国人的骄傲“乒乓球”
    • 4.4 数学期望的性质——隐藏在七星彩中的秘密
    • 4.5 方差的定义及性质、离散型随机变量方差的计算——哪个方阵更整齐
    • 4.6 连续型随机变量方差的计算——几个常见分布的方差
    • 4.7 协方差及其性质、相关系数的性质 ——你幸福么?
  • 5 大数定律和中心极限定理
    • 5.1 切比雪夫不等式、协方差矩阵——心形的概率
    • 5.2 伯努利大数定律 ——概率论历史上的第一个极限定理
    • 5.3 切比雪夫大数定律——彩票要不要涨价
    • 5.4 中心极限定理——教室应该设置多少座位?
  • 6 数理统计的基本概念
    • 6.1 总体与样本
    • 6.2 统计量与三大分布
    • 6.3 正态总体分布
  • 7 参数估计
    • 7.1 矩估计
    • 7.2 极大似然估计
    • 7.3 评价估计的标准
    • 7.4 区间估计
  • 8 假设检验
    • 8.1 假设检验基本思想
    • 8.2 两个正态总体
      • 8.2.1 单个正态总体均值
      • 8.2.2 单个正态总体方差
    • 8.3 两个正态总体参数
  • 9 软件应用
    • 9.1 4类软件应用案例
    • 9.2 Exel应用_经验分布函数
    • 9.3 R软件
    • 9.4 SPSS软件
    • 9.5 SPSS软件1
    • 9.6 SPSS软件2
    • 9.7 SPSS软件3
    • 9.8 R软件1
    • 9.9 R软件2
    • 9.10 R软件3
    • 9.11 单正态总体均值的区间估计
    • 9.12 双正态总体均值的区间估计
    • 9.13 单正态总体均值的假设检验
    • 9.14 双正态总体均值的假设检验
    • 9.15 单个总体独立性假设检验
    • 9.16 两个总体独立性假设检验
    • 9.17 一元回归分析
    • 9.18 多元回归分析
概率的性质——配对问题


学习目标:

1、概率的加法公式、减法公式;

2、利用概率的基本性质,进行概率计算。

重点:概率性质的计算;

难点:概率的一般加法公式、减法公式。

    

                                 

概率公理化定义

柯尔莫哥洛夫于1933年给出了概率的公理化定义,如下:

设E是随机试验,S是它的样本空间。对于E的每一事件A赋于一个实数,记为P(A),称为事件A的概率。这里P(A)是一个集合函数,P(A)要满足下列条件:

(1)非负性:对于每一个事件A,有P(A)≥0;

(2)规范性:对于必然事件,有P(Ω)=1;

(3)可列可加性:设A1,A2……是两两互不相容的事件,即对于i≠j,Ai∩Aj=φ,(i,j=1,2……),则有P(A1∪A2∪……)=P(A1)+P(A2)+……


根据概率公理化定义,得到以下不同的性质:

性质1:  ;

性质2:(有限可加性)当n个事件A1,…,An两两互不相容时: 

  ;

性质3:对于任意一个事件A:

 

性质4:当事件A,B满足A包含于B时:

  ,

  ;

性质5:对于任意一个事件A,

  ;

性质6:对任意两个事件A和B,

  ;

性质7:(加法公式)对任意两个事件A和B,