概率与期望

再%lzh

Posted by JU on August 16, 2018

概率

在oi当中一般只需要用到离散变量的概率。

条件概率

定义: 设$E$为一试验,$A$和$B$为$E$中两事件,且$P(A)>0$
则称$P(AB)/P(A)$为事件$A$发生的条件下事件$B$发生的条件概率
记作$P(B|A)$,即$P(B|A)= P(AB)/P(A)$

独立事件

对于两个事件A和B,如果他们发生的情况相对独立
即$P(AB)=P(A)P(B)$,则为相互独立事件。
等价于$P(A|B)=P(A),P(B|A)=P(B)$

全概率公式

对于事件$A$: 事件$B$的各种情况分别为$B_i$ 则:

$ P(A)=\sum^{n}_{i=1}P(B_i)P(A|B_i) $

贝叶斯公式

$ P(B|A)=\frac{P(A|B)P(B)}{P(A)} $

结合全概率公式:

$ P(B_i|A)=\frac{P(B_i)P(A|B_i)}{\sum_{j=1}^nP(B_j)P(A|B_j)} $

数学期望

试验中每次可能结果的概率乘其结果的总和。
最基本的数学特征之一。
反映随机变量平均取值的大小。

$ E(X)=\sum_{k=1}^{\infty}x_kp_k $

线性性

$ E(aX+bY)=aE(X)+bE(Y) $

若$X$与$Y$是独立事件,则

$ E(XY)=E(X)|E(Y) $

使用

常构造多个方程,高斯消元求解。

CC 原创文章采用CC BY-NC-SA 4.0协议进行许可,转载请注明:“转载自:概率与期望