考纲

在这里插入图片描述

术语

(随机)试验
随机事件
必然事件
不可能事件
样本点
样本空间
基本事件
完备事件组
概率
全集分解法
事件的独立性
独立试验序列概型
n重伯努利概型

事件的关系与运算

事件的关系、运算与集合的关系、运算相当，且具有相同的运算法则，所以实在不会时可以考虑用文氏图来做。

关系

包含
相等
积（交）事件
相容
互斥
和（并）事件
差事件
逆（对立）事件

运算

吸收律
交换律
结合律
分配律
对偶律（德 $⋅\cdot$ 摩根律）

事件运算顺序约定为先进行逆运算，然后进行交运算，最后进行并或差运算。
在这里插入图片描述

古典概型

概念和性质

如果随机试验的样本空间满足：

只有有限个样本点（基本事件）
每个样本点（基本事件）发生的可能性都一样

则称随机试验的概率模型为古典模型，事件A的古典概率计算公式：
$\frac{事件A所包含基本事件的个数}{基本事件总数}$
另外这里面可能会用到排列与组合的公式。

放入问题——随机分配

取出问题——简单随机抽样问题

几何概型

简而言之，基本事件无限且具有几何度量、等可能发生的随机试验为几何概型。A的几何概率为：
$\frac{A的几何度量}{\Omega的几何度量}$
常见的几何度量为面积或者体积，比如下面这道题：
在这里插入图片描述

一般的做题步骤就是先画图然后做计算。

概率的性质与计算

性质

有界性：对于任一事件A，有 $0 \leq P (A) \leq 1$ ，且 $P(∅)=0P(\varnothing) = 0$
Ω 表示一个人在8点到9点之间进入教室的所有可能时间。这是一个连续的时间区间（例如，从8:00到9:00），因此 Ω 是一个连续样本空间。
事件 A 表示“恰好8:30到达教室”。**在连续概率分布中，任何单个时间点的概率都为零。**这是因为概率是通过积分计算的：概率密度函数在单个点上的积分为零。
**例如，如果到达时间均匀分布在8点到9点之间，那么概率密度函数是常数（f(t) = 1/60，其中 t 是以分钟计的时间）即使事件 A 可能发生（理论上有人可能正好在8:30到达），但其概率为零。**这类似于在一条线上选一个点，选到特定点的概率为零。
两个重要结论：

$A=\varnothing$ ： **概率为0的事件不一定是不可能事件。**它只是意味着该事件发生的“机会”或“测度”为0，但在无限多的可能性中，它仍然可能发生。
$P (A) = 1 \neq = > A = Ω$ ： **概率为1的事件不一定是必然事件。**它意味着该事件“几乎肯定”会发生，但样本空间中可能存在一些“例外点”，这些点的集合的测度为0。

比如：几何概率 - 在平面上随机选一个点
样本空间 Ω：单位正方形 [0,1]×[0,1] 内的所有点

事件 A： “点恰好落在对角线 y=x 上”。
分析：对角线是一条没有宽度的“线”。它的面积（2维测度）为0。因此，随机扔一个点恰好落在这条线上的概率 P(A) = 0。
结论： P(A)=0，但 A 显然不是空集，因为对角线上有无限多个点（例如(0,0), (0.5,0.5), (1,1)等都是可能的结果）。
事件 B： “点没有落在对角线 y=x 上”。
分析： P(B) = 1 - P(A) = 1。
结论： P(B)=1，但 B 不等于整个样本空间 Ω，因为它排除了对角线上的所有点。