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:
- 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。
- 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。
- 事件独立性的定义。
- 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。
- 常见重要的分布律与常见重要的实验。
- 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(⋅) 表示概率;A 是 A 的对立事件;F(x) 是分布函数,f(x) 是概率密度;正态分布的均值记 μ、方差记 σ2;泊松分布与指数分布的参数记 λ。
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,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∪B、积(交)AB、差 A−B=AB、互不相容(AB=∅)、对立。运算满足交换律、结合律、分配律和德摩根律 A∪B=AB、AB=A∪B。
概率是定义在事件上、满足非负性、规范性(P(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(∅)=0,P(A)=1−P(A);
- 若 A⊂B,则 P(B−A)=P(B)−P(A),且 P(A)≤P(B);
- 加法公式 P(A∪B)=P(A)+P(B)−P(AB);互不相容时 P(AB)=0。
条件概率的定义及其三公式
在 B 已经发生的条件下 A 发生的概率定义为 P(A∣B)=P(B)P(AB)(P(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)。
若 A1,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)>0,则对任一事件 B 有全概率公式:
P(B)=i=1∑nP(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)=∑i=1nP(Ai)P(B∣Ai)P(Ak)P(B∣Ak)全概率公式是「由原因推结果」:把结果 B 按各种原因 Ai 拆开加权求和。贝叶斯公式是「由结果推原因」:B 已经发生,问它来自原因 Ak 的可能性有多大。P(Ak) 叫先验概率,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),称 A 与 B 相互独立;P(A)>0 时它等价于 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),两两独立推不出相互独立。若 A 与 B 独立,则 A 与 B、A 与 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),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)。
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)。它的分布函数 F(x)=P{X≤x} 有三条性质:单调不减;F(−∞)=0、F(+∞)=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)。
离散型随机变量只取有限个或可列个值,用分布律 P{X=xk}=pk 描述,pk≥0、∑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),使 F(x)=∫−∞xf(t)dt;于是 ∫−∞∞f(x)dx=1,在 f 的连续点 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}=p,P{X=0}=1−p | 一次试验只看成败 |
| 二项分布 B(n,p) | Cnkpk(1−p)n−k | n 重伯努利试验中成功的次数 |
| 几何分布 | (1−p)k−1p,k≥1 | 独立重复试验直到首次成功的次数 |
| 泊松分布 P(λ) | k!λke−λ | 稀有事件计数;n 大、p 小时二项分布的近似 |
| 均匀分布 U(a,b) | b−a1,a<x<b | 随机相位、舍入误差 |
| 指数分布 E(λ) | λe−λx,x>0 | 寿命、等待时间,有无记忆性 |
| 正态分布 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)=2πσ1e−2σ2(x−μ)2若 X∼N(μ,σ2),则 σX−μ∼N(0,1),P{X≤x}=Φ(σx−μ),Φ 是标准正态分布函数,Φ(−x)=1−Φ(x)。
随机变量的简单函数的分布
离散型:把 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},再求导。若 y=g(x) 严格单调、反函数 x=h(y) 可导,有公式:
fY(y)=fX(h(y))∣h′(y)∣在 Y 的取值范围之外 fY(y)=0。不单调时(如平方律检波 Y=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)。
易错提醒
-
❌ 对任意两个事件都有 P(A−B)=P(A)−P(B)。
✅ 一般情况是 P(A−B)=P(A)−P(AB);只有 B⊂A 时才化成 P(A)−P(B)。 -
❌ 全概率公式里的 A1,⋯,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) 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 S1 为发「1」,R1 为判「1」。全概率公式:P(R1)=0.4×0.95+0.6×0.1=0.38+0.06=0.44。贝叶斯公式:
P(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 S1」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),经平方律检波器得 Y=X2,求 Y 的概率密度。
解:y≤0 时 FY(y)=0。y>0 时 FY(y)=P{−y≤X≤y}=2Φ(y)−1,求导得
fY(y)=2πy1e−2y,y>0点评:y=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 分布的密度。
本节小结
- 事件运算照集合运算;P(A)=1−P(A),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);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)。
- 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)∣,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。