杭州紫金港培训学校(紫金港专升本)杭州紫金港培训学校(紫金港专升本)
同等学力申硕信息与通信工程学科综合考前辅导第一门 随机数学(必选)第 2 节 / 共 32 节约 30 分钟免费

概率论基础(一):随机事件、条件概率三公式与随机变量

对应随机数学(一)最基本的概念和方法:样本空间、事件运算与概率性质,条件概率与乘法、全概率、贝叶斯三公式,事件独立性,分布函数与离散型、连续型随机变量,常见分布与对应的实验,随机变量简单函数的分布。

本节考点:随机事件与概率条件概率三公式事件独立性分布函数常见分布随机变量函数的分布

本节导读

从这一节起是必选的随机数学。这一节对应概率论基础的「(一)最基本的概念和方法」,大纲列了六条:

  1. 样本空间、随机事件和概率的概念;事件间的关系、运算和性质;概率的基本性质。
  2. 条件概率的定义及其三公式(定理):乘法公式、全概率公式和贝叶斯(Bayes)公式。
  3. 事件独立性的定义。
  4. 随机变量的概念;分布函数的定义和性质;离散型和连续型随机变量的定义及它们的分布性质。
  5. 常见重要的分布律与常见重要的实验。
  6. 随机变量的简单函数的分布。

学完要做到:会用事件运算和概率性质化简概率;会用全概率公式「由因求果」、用贝叶斯公式「由果溯因」;会判断独立并计算串并联系统的可靠度;会由分布函数求区间概率;记住七种常见分布及其来源的实验;会求单调函数变换后的密度。

本节记号:P(⋅)P(\cdot)P(⋅) 表示概率;A‾\overline{A}A 是 AAA 的对立事件;F(x)F(x)F(x) 是分布函数,f(x)f(x)f(x) 是概率密度;正态分布的均值记 μ\muμ、方差记 σ2\sigma^2σ2;泊松分布与指数分布的参数记 λ\lambdaλ。

样本空间、事件与概率

随机试验所有可能结果组成的集合叫样本空间 Ω\OmegaΩ,它的子集叫随机事件。事件间的关系与运算和集合一样:包含、相等、和(并)A∪BA\cup BA∪B、积(交)ABABAB、差 A−B=AB‾A-B=A\overline{B}A−B=AB、互不相容(AB=∅AB=\varnothingAB=∅)、对立。运算满足交换律、结合律、分配律和德摩根律 A∪B‾=A‾ B‾\overline{A\cup B}=\overline{A}\,\overline{B}A∪B=AB、AB‾=A‾∪B‾\overline{AB}=\overline{A}\cup\overline{B}AB=A∪B。

概率是定义在事件上、满足非负性、规范性(P(Ω)=1P(\Omega)=1P(Ω)=1)和可列可加性的函数。由这三条可以推出概率的基本性质:

  • P(∅)=0P(\varnothing)=0P(∅)=0,P(A‾)=1−P(A)P(\overline{A})=1-P(A)P(A)=1−P(A);
  • 若 A⊂BA\subset BA⊂B,则 P(B−A)=P(B)−P(A)P(B-A)=P(B)-P(A)P(B−A)=P(B)−P(A),且 P(A)≤P(B)P(A)\le P(B)P(A)≤P(B);
  • 加法公式 P(A∪B)=P(A)+P(B)−P(AB)P(A\cup B)=P(A)+P(B)-P(AB)P(A∪B)=P(A)+P(B)−P(AB);互不相容时 P(AB)=0P(AB)=0P(AB)=0。

条件概率的定义及其三公式

在 BBB 已经发生的条件下 AAA 发生的概率定义为 P(A∣B)=P(AB)P(B)P(A\mid B)=\dfrac{P(AB)}{P(B)}P(A∣B)=P(B)P(AB)​(P(B)>0P(B)\gt 0P(B)>0)。由定义直接得到乘法公式 P(AB)=P(B)P(A∣B)=P(A)P(B∣A)P(AB)=P(B)P(A\mid B)=P(A)P(B\mid A)P(AB)=P(B)P(A∣B)=P(A)P(B∣A)。

若 A1,A2,⋯ ,AnA_1,A_2,\cdots,A_nA1​,A2​,⋯,An​ 两两互不相容、并起来是整个样本空间(称为完备事件组),且各 P(Ai)>0P(A_i)\gt 0P(Ai​)>0,则对任一事件 BBB 有全概率公式:

P(B)=∑i=1nP(Ai) P(B∣Ai)P(B)=\sum_{i=1}^{n}P(A_i)\,P(B\mid A_i)P(B)=i=1∑n​P(Ai​)P(B∣Ai​)

再用一次条件概率的定义,得到贝叶斯(Bayes)公式:

P(Ak∣B)=P(Ak) P(B∣Ak)∑i=1nP(Ai) P(B∣Ai)P(A_k\mid B)=\frac{P(A_k)\,P(B\mid A_k)}{\sum_{i=1}^{n}P(A_i)\,P(B\mid A_i)}P(Ak​∣B)=∑i=1n​P(Ai​)P(B∣Ai​)P(Ak​)P(B∣Ak​)​

全概率公式是「由原因推结果」:把结果 BBB 按各种原因 AiA_iAi​ 拆开加权求和。贝叶斯公式是「由结果推原因」:BBB 已经发生,问它来自原因 AkA_kAk​ 的可能性有多大。P(Ak)P(A_k)P(Ak​) 叫先验概率,P(Ak∣B)P(A_k\mid B)P(Ak​∣B) 叫后验概率。通信中的二元信道判决、雷达的虚警分析,都是这两个公式的直接应用。

事件独立性

若 P(AB)=P(A)P(B)P(AB)=P(A)P(B)P(AB)=P(A)P(B),称 AAA 与 BBB 相互独立;P(A)>0P(A)\gt 0P(A)>0 时它等价于 P(B∣A)=P(B)P(B\mid A)=P(B)P(B∣A)=P(B)。三个事件相互独立要求两两独立并且 P(ABC)=P(A)P(B)P(C)P(ABC)=P(A)P(B)P(C)P(ABC)=P(A)P(B)P(C),两两独立推不出相互独立。若 AAA 与 BBB 独立,则 AAA 与 B‾\overline{B}B、A‾\overline{A}A 与 B‾\overline{B}B 也独立。

独立与互不相容是两回事:概率都为正的两个事件若互不相容,则 P(AB)=0≠P(A)P(B)P(AB)=0\neq P(A)P(B)P(AB)=0=P(A)P(B),一定不独立。工程上常用独立性计算系统可靠度:串联系统各部件都正常才正常,可靠度是各部件可靠度之积;并联系统只要一个正常就正常,可靠度是 1−∏(1−pi)1-\prod(1-p_i)1−∏(1−pi​)。

随机变量与分布函数

随机变量是定义在样本空间上的实值函数 X(ω)X(\omega)X(ω)。它的分布函数 F(x)=P{X≤x}F(x)=P\{X\le x\}F(x)=P{X≤x} 有三条性质:单调不减;F(−∞)=0F(-\infty)=0F(−∞)=0、F(+∞)=1F(+\infty)=1F(+∞)=1;右连续。反过来,满足这三条的函数一定是某个随机变量的分布函数。用分布函数求区间概率:P{a<X≤b}=F(b)−F(a)P\{a\lt X\le b\}=F(b)-F(a)P{a<X≤b}=F(b)−F(a)。

离散型随机变量只取有限个或可列个值,用分布律 P{X=xk}=pkP\{X=x_k\}=p_kP{X=xk​}=pk​ 描述,pk≥0p_k\ge 0pk​≥0、∑pk=1\sum p_k=1∑pk​=1,分布函数是阶梯函数。连续型随机变量存在非负的概率密度 f(x)f(x)f(x),使 F(x)=∫−∞xf(t) dtF(x)=\int_{-\infty}^{x}f(t)\,dtF(x)=∫−∞x​f(t)dt;于是 ∫−∞∞f(x) dx=1\int_{-\infty}^{\infty}f(x)\,dx=1∫−∞∞​f(x)dx=1,在 fff 的连续点 F′(x)=f(x)F'(x)=f(x)F′(x)=f(x),取任一个值的概率都是 0。

常见重要的分布律与实验

大纲说的「常见重要的实验」,指产生这些分布的典型试验模型。把分布和它的来源放在一起记:

分布分布律或密度来源的实验
0—1 分布P{X=1}=pP\{X=1\}=pP{X=1}=p,P{X=0}=1−pP\{X=0\}=1-pP{X=0}=1−p一次试验只看成败
二项分布 B(n,p)B(n,p)B(n,p)Cnkpk(1−p)n−kC_n^kp^k(1-p)^{n-k}Cnk​pk(1−p)n−knnn 重伯努利试验中成功的次数
几何分布(1−p)k−1p(1-p)^{k-1}p(1−p)k−1p,k≥1k\ge 1k≥1独立重复试验直到首次成功的次数
泊松分布 P(λ)P(\lambda)P(λ)λkk!e−λ\dfrac{\lambda^k}{k!}e^{-\lambda}k!λk​e−λ稀有事件计数;nnn 大、ppp 小时二项分布的近似
均匀分布 U(a,b)U(a,b)U(a,b)1b−a\dfrac{1}{b-a}b−a1​,a<x<ba\lt x\lt ba<x<b随机相位、舍入误差
指数分布 E(λ)E(\lambda)E(λ)λe−λx\lambda e^{-\lambda x}λe−λx,x>0x\gt 0x>0寿命、等待时间,有无记忆性
正态分布 N(μ,σ2)N(\mu,\sigma^2)N(μ,σ2)见下式大量独立微小因素叠加,如热噪声

正态分布的密度和标准化公式:

f(x)=12π σ e−(x−μ)22σ2f(x)=\frac{1}{\sqrt{2\pi}\,\sigma}\,e^{-\frac{(x-\mu)^2}{2\sigma^2}}f(x)=2π​σ1​e−2σ2(x−μ)2​

若 X∼N(μ,σ2)X\sim N(\mu,\sigma^2)X∼N(μ,σ2),则 X−μσ∼N(0,1)\dfrac{X-\mu}{\sigma}\sim N(0,1)σX−μ​∼N(0,1),P{X≤x}=Φ(x−μσ)P\{X\le x\}=\Phi\Big(\dfrac{x-\mu}{\sigma}\Big)P{X≤x}=Φ(σx−μ​),Φ\PhiΦ 是标准正态分布函数,Φ(−x)=1−Φ(x)\Phi(-x)=1-\Phi(x)Φ(−x)=1−Φ(x)。

随机变量的简单函数的分布

离散型:把 Y=g(X)Y=g(X)Y=g(X) 的各个取值列出来,相同的值把概率合并。连续型:先求分布函数 FY(y)=P{g(X)≤y}F_Y(y)=P\{g(X)\le y\}FY​(y)=P{g(X)≤y},再求导。若 y=g(x)y=g(x)y=g(x) 严格单调、反函数 x=h(y)x=h(y)x=h(y) 可导,有公式:

fY(y)=fX(h(y)) ∣h′(y)∣f_Y(y)=f_X\big(h(y)\big)\,\lvert h'(y)\rvertfY​(y)=fX​(h(y))∣h′(y)∣

在 YYY 的取值范围之外 fY(y)=0f_Y(y)=0fY​(y)=0。不单调时(如平方律检波 Y=X2Y=X^2Y=X2),回到分布函数法分段处理。正态变量的线性函数仍是正态变量:aX+b∼N(aμ+b,a2σ2)aX+b\sim N(a\mu+b,a^2\sigma^2)aX+b∼N(aμ+b,a2σ2)。

易错提醒

  • ❌ 对任意两个事件都有 P(A−B)=P(A)−P(B)P(A-B)=P(A)-P(B)P(A−B)=P(A)−P(B)。
    ✅ 一般情况是 P(A−B)=P(A)−P(AB)P(A-B)=P(A)-P(AB)P(A−B)=P(A)−P(AB);只有 B⊂AB\subset AB⊂A 时才化成 P(A)−P(B)P(A)-P(B)P(A)−P(B)。

  • ❌ 全概率公式里的 A1,⋯ ,AnA_1,\cdots,A_nA1​,⋯,An​ 只要两两互不相容就可以用。
    ✅ 它们还必须并起来是整个样本空间,否则会漏掉一部分概率,求出的 P(B)P(B)P(B) 偏小。

  • ❌ 分布函数只对连续型随机变量才有。
    ✅ 任何随机变量都有分布函数;离散型的分布函数是右连续的阶梯函数,在每个可能取值处跳一个台阶。

  • ❌ 三个事件两两独立,就是相互独立。
    ✅ 还要验证三者之积的概率等于三个概率之积。

例题精讲

例题 1(计算:二元信道的全概率与贝叶斯公式)

二元信道发送「1」的概率为 0.4,发送「0」的概率为 0.6。发「1」时接收端判为「1」的概率为 0.95;发「0」时被误判为「1」的概率为 0.1。求接收端判为「1」的概率,以及判为「1」时确实发送了「1」的概率。

解:记 S1S_1S1​ 为发「1」,R1R_1R1​ 为判「1」。全概率公式:P(R1)=0.4×0.95+0.6×0.1=0.38+0.06=0.44P(R_1)=0.4\times 0.95+0.6\times 0.1=0.38+0.06=0.44P(R1​)=0.4×0.95+0.6×0.1=0.38+0.06=0.44。贝叶斯公式:

P(S1∣R1)=0.380.44≈0.864P(S_1\mid R_1)=\frac{0.38}{0.44}\approx 0.864P(S1​∣R1​)=0.440.38​≈0.864

点评:判为「1」的结果里,约 13.6% 其实来自发送的「0」。先求全概率,再拿其中「原因 S1S_1S1​」那一项去除,是贝叶斯题的固定步骤。

例题 2(计算:平方律检波器输出的密度)

噪声电压 X∼N(0,1)X\sim N(0,1)X∼N(0,1),经平方律检波器得 Y=X2Y=X^2Y=X2,求 YYY 的概率密度。

解:y≤0y\le 0y≤0 时 FY(y)=0F_Y(y)=0FY​(y)=0。y>0y\gt 0y>0 时 FY(y)=P{−y≤X≤y}=2Φ(y)−1F_Y(y)=P\{-\sqrt y\le X\le\sqrt y\}=2\Phi(\sqrt y)-1FY​(y)=P{−y​≤X≤y​}=2Φ(y​)−1,求导得

fY(y)=12πy e−y2,y>0f_Y(y)=\frac{1}{\sqrt{2\pi y}}\,e^{-\frac y2},\quad y\gt 0fY​(y)=2πy​1​e−2y​,y>0

点评:y=x2y=x^2y=x2 在整条数轴上不单调,不能直接套单调公式,要用分布函数法把正负两支合起来;结果就是自由度为 1 的 χ2\chi^2χ2 分布的密度。

本节小结

  • 事件运算照集合运算;P(A‾)=1−P(A)P(\overline{A})=1-P(A)P(A)=1−P(A),P(A∪B)=P(A)+P(B)−P(AB)P(A\cup B)=P(A)+P(B)-P(AB)P(A∪B)=P(A)+P(B)−P(AB)。
  • 乘法公式、全概率公式(由因求果)、贝叶斯公式(由果溯因)。
  • 独立:P(AB)=P(A)P(B)P(AB)=P(A)P(B)P(AB)=P(A)P(B);互不相容不等于独立;多个事件相互独立要逐组验证。
  • 分布函数单调不减、右连续、两端极限 0 和 1;P{a<X≤b}=F(b)−F(a)P\{a\lt X\le b\}=F(b)-F(a)P{a<X≤b}=F(b)−F(a)。
  • 七种常见分布要连同来源的实验一起记;单调变换用 fX(h(y))∣h′(y)∣f_X(h(y))\lvert h'(y)\rvertfX​(h(y))∣h′(y)∣,不单调用分布函数法。

学完练一练

按本节考点从本课的课后练习里抽题(每次 10 道以内),做完看解析、错题自动进错题本。

本节内容由 AI 辅助编写,配图由 AI 生成,仅供备考参考;考试要求以《全国各类成人高等学校招生考试大纲(2024 年版)》及浙江省教育考试院当年公布为准。

我要提问免费报名咨询