茆诗松概率论与数理统计持续更新中...

最新推荐文章于 2025-10-07 15:04:28 发布

原创最新推荐文章于 2025-10-07 15:04:28 发布 · 8k 阅读

87 ·

本内容遵循CC 4.0 BY-SA版权协议

收录于

笔记

茆诗松概率论与梳理统计教程学习心得分享

第一章随机事件及其概率
第二章随机变量及其分布

第一章随机事件及其概率

【重点概念的理解】
包含关系
互不相容事件
样本空间
随机变量

1.1概率的定义及其确定方法

1933年苏联数学家提出了概率公理化的定义。/概率公理化的定义理解起来比较抽象，但体现了数学的严谨，因为这个定义可以概括一切随机现象的特性。

一、确定概率的古典方法

古典概型是一个难点，本身的概念不难理解，但是会变出很多花样。以下为古典概型的四种基本逻辑。

排列: 最简单
根据乘法原理可以得到结果
重复排列：较为简单
根据乘法原理可以得到结果
组合：较复杂
要对“无序”、“不可辩球”等概念有清楚的认识。根据排列公式可以推导出组合的公式
重复组合：比较复杂
重复组合和重复排列的区别其实就是组合与排列的区别，比如取两个元素，先取1后取2构成的组合只有一种，但构成的排列却有两种。但对于重复组合和重复排列，他们又有一些“相同”。因为可以重复的取一个元素，重复排列里取到（1，1)与重复组合里取到（1，1）又是一样的（总不能自己和自己排序吧!这个是不符合常规逻辑的）。所以它原有的规律性被打破，我们无法从重复排列的公式中推导出重复组合公式（这里我不是很确定到底可不可以推）。所以引入了不可辩球放入n个盒子模型来解决重复组合问题。具体方法下文会详细讲到。

1）排列组合公式

这两个公式在高中就已经学过，但在这本书1.2节中还是用较大的篇幅强调了这两个公式的重要性。
首先这是两个极易混淆的概念。在解决复杂的问题中，我们对问题进行拆解分步计算，通常是排列与组合都会使用到，所以必须要清楚区分排列与组合的概念。

在这里插入图片描述

组合公式的证明
组合公式应用
抽样，事件A互不相容的两种情况不对称

2）重复排列

在这里插入图片描述

3）重复组合

在这里插入图片描述

4）可辨球与不可辨球（盒子模型）

5）抽样模型（组合）

在这里插入图片描述

6）先分类再组合模型

在这里插入图片描述

先分类再组合之取两个数，一个大于k，一个小于k
先分类再组合之取r个数，求最大号码（最小号码）为k的概率（此类题目也可以用概率的减法性质来讨论）
此处的一些感慨，念了这么多年书，现在觉得套公式真的是一个很愚蠢的行为，公式本身的目的是让我们弄懂其背后的逻辑，而逻辑需要理解而不是死记硬背。
先分类再组合之重复组合，求最大号码（最小号码）为k的概率（用概率的减法性质来讨论）

7）抽签模型（排列）

抽签模型（这个题目借用隔壁blog,侵删）
（我的手写字体比较乱，可能会影响阅读，深表歉意，后面的笔记我尽量使用打字）

1.3 概率的性质

不可能事件的概率为0证明（书中给出了一个严谨的证明，用到了概率的公理化定义）
有限可加性证明（用到了可列可加性和添加空集手法来证明）
对立事件公式证明
两个有包含关系事件差的概率公式证明
任意两个事件差的概率公式证明
概率的加法公式及证明

1）考虑对立事件的一些例子

在这里插入图片描述

2）包含关系事件差的例子

在这里插入图片描述

3）加法公式及证明

在这里插入图片描述

4）概率的连续性及证明

【学习心得】概率的连续性及证明是比较难理解的一个概念之一，需要储备很多数学知识，大部分在高数部分已经接触过，但可能由于大家对高数理解得不深入，导致我们再继续研究时会觉得生疏和陌生。总的来说，这部分的知识要多看几遍，方能掌握！
【一些储备知识】

极限
包含关系
可列并
可列交
单调
【极限事件】【下连续、上连续】【概率的连续性】
若P是事件域花F上的概率，则P既是上连续的，又是下连续的

5）零概率事件

在这里插入图片描述

1.4 条件概率

【学习心得】茆书的条件概率讲得非常清晰，书中提到，计算条件概率时，如果我们已知B发生，则样本空间就缩小为B，个人觉得这个总结是非常精辟的。接着，书中介绍了乘法公式、全概率公式、贝叶斯公式。虽然说是公式，但其实是介绍了3中解决或解释问题的逻辑，千万不要去记公式，我就是一个典型的失败案例，这几个公式记了好多次再接触是还是觉得很陌生。

1）条件概率及其原理

在这里插入图片描述

验证条件概率满足公理

2）乘法公式及其原理

在这里插入图片描述

3）全概率公式及其原理

在这里插入图片描述

摸彩模型

在这里插入图片描述

投保问题

在这里插入图片描述

敏感性问题调查

在这里插入图片描述

4）贝叶斯公式及其原理

在这里插入图片描述

1.5 独立性

【独立性的定义】书中给出了两个比较通俗的独立性的定义，非常清晰明了。

直观上，独立性就意味着一个事件的发生不影响另一个事件的发生，一般可以根据经验来判断。
从概率的角度，可以借助条件概率的概念来理解独立性。

在这里插入图片描述
【事件独立的例子】（不能凭经验判断是否独立）
此时就可借助的定义来判断【多个事件的独立】多个事件的任意一部分仍是相互独立的
【补充知识】事件交、并的对立

第二章随机变量及其分布

级数、积分的知识在这一张应用非常多！特别是无穷级数和定积分！你会感受到高数的有用之处！

2.1随机变量及其分布

1）分布函数的基本性质

在这里插入图片描述

2）离散随机变量概率分布列

在这里插入图片描述

3）分布列的基本性质

在这里插入图片描述

4）连续随机变量的概率密度函数

在这里插入图片描述

5）密度函数的基本性质

在这里插入图片描述

2.2随机变量的数学期望

【分赌本问题】
1654年法国数学家提出分赌本的一个方法启发我们来探讨如何求“均值”
这里对问题做适当简化
甲、乙两个赌徒赌技不相上下，各出赌注50块钱，约定谁先胜3局将获得全部的100块赌注。
当甲赢了两局，乙赢了一局时，因故要停止赌注，那么赌本应该怎么分？（显然，平均分对甲不公平，全部归甲对乙不公平）
1）甲得赌注的2/3，乙得赌注得1/3，这是基于已赌局数。
2) 在这里插入图片描述【数学期望的定义】
这里注意，离散型随机变量和连续型随机变量求期望的方法是完全不一样的。
【X的某一函数的数学期望】
【数学期望的三个性质及证明】