1795 字
9 分钟
概率论与数理统计

概率论与数理统计-速成课笔记#


第一章#

第一讲 随机事件及其概率(一)#

本讲包含 2 种题型。


一、利用”四大公式”求事件概率#

“四大公式”:加法公式、减法公式、乘法公式、条件概率公式。

例1#

(1) 设 P(A)=0.5P(A)=0.5,P(A∪B)=0.8P(A\cup B)=0.8,且 A,BA,B 互不相容,求 P(B)P(B)。

(2) 设 P(A)=P(B)=P(C)=14P(A)=P(B)=P(C)=\dfrac{1}{4},P(AC)=18P(AC)=\dfrac{1}{8},P(AB)=P(BC)=0P(AB)=P(BC)=0,求 ”A,B,CA,B,C 至少发生一个” 的概率。


【分析】

① “四大公式”

  • 加法公式

    1. P(A∪B)P(A\cup B) 的含义:”A,BA,B 至少发生一个”。(问:A∪B∪CA\cup B\cup C 呢?)
    2. P(A∪B)=P(A)+P(B)−P(AB)P(A\cup B)=P(A)+P(B)-P(AB)
    3. P(A∪B∪C)=P(A)+P(B)+P(C)−P(AB)−P(AC)−P(BC)+P(ABC)P(A\cup B\cup C)=P(A)+P(B)+P(C)-P(AB)-P(AC)-P(BC)+P(ABC)

    口诀:“加奇减偶”。


【解】

(1) 由 A,BA,B 互不相容,则 AB=∅AB=\varnothing,又 P(A∪B)=0.8P(A\cup B)=0.8

⇒P(A)+P(B)−P(AB)=0.8\Rightarrow P(A)+P(B)-P(AB)=0.8

∴P(B)=0.8−P(A)=0.8−0.5=0.3\therefore P(B)=0.8-P(A)=0.8-0.5=0.3

补充:ABC⊆ABABC \subseteq AB,P(ABC)≤P(AB)=0P(ABC) \leq P(AB) = 0(互不相容),所以 P(ABC)=0P(ABC)=0。

(2) ”A,B,CA,B,C 至少发生一个” =P(A∪B∪C)= P(A\cup B\cup C)

=P(A)+P(B)+P(C)−P(AB)−P(AC)−P(BC)+P(ABC)= P(A)+P(B)+P(C)-P(AB)-P(AC)-P(BC)+P(ABC)

=14+14+14−0−18−0+0=58= \dfrac{1}{4}+\dfrac{1}{4}+\dfrac{1}{4}-0-\dfrac{1}{8}-0+0 = \dfrac{5}{8}


例2#

设 P(A)=0.7P(A)=0.7,P(A−B)=0.3P(A-B)=0.3,求 P(AB‾)P(\overline{AB})。

【分析】

① 减法公式:P(A−B)=P(A)−P(AB)P(A-B)=P(A)-P(AB)

② 对立事件:P(A‾)=1−P(A)P(\overline{A})=1-P(A)

【解】

① 由 P(A−B)=0.3⇒P(A)−P(AB)=0.3P(A-B)=0.3 \Rightarrow P(A)-P(AB)=0.3

⇒P(AB)=P(A)−0.3=0.7−0.3=0.4\Rightarrow P(AB)=P(A)-0.3=0.7-0.3=0.4

② P(AB‾)=1−P(AB)=1−0.4=0.6P(\overline{AB})=1-P(AB)=1-0.4=0.6


例3#

设 P(B)=0.4P(B)=0.4,P(A∪B)=0.5P(A\cup B)=0.5,求 P(A∣B‾)P(A|\overline{B})。

【分析】

① 条件概率公式:P(A∣B)=P(AB)P(B)P(A|B)=\dfrac{P(AB)}{P(B)}

② P(A−B)=P(A)−P(AB)P(A-B)=P(A)-P(AB)

【解】

  1. 由 P(B)=0.4P(B)=0.4,P(A∪B)=0.5P(A\cup B)=0.5,则:

P(A)+P(B)−P(AB)=0.5P(A)+P(B)-P(AB)=0.5

⇒P(A)−P(AB)=0.5−P(B)=0.5−0.4=0.1\Rightarrow P(A)-P(AB)=0.5-P(B)=0.5-0.4=0.1

P(A∣B‾)=P(AB‾)P(B‾)=P(A)−P(AB)1−P(B)=0.11−0.4=16P(A|\overline{B}) = \dfrac{P(A\overline{B})}{P(\overline{B})} = \dfrac{P(A)-P(AB)}{1-P(B)} = \dfrac{0.1}{1-0.4} = \dfrac{1}{6}


例4#

设 A,BA,B 相互独立,P(B)=0.4P(B)=0.4,P(A∪B)=0.5P(A\cup B)=0.5,求 P(B‾∣A)P(\overline{B}|A)。

【分析】

① AA 与 BB 独立 ⟺\Longleftrightarrow AA 与 BB 互不影响 ⟺\Longleftrightarrow P(B∣A)=P(B)P(B|A)=P(B)

⟺P(AB)=P(A)P(B)\Longleftrightarrow P(AB)=P(A)P(B)

② AA 与 BB 独立 ⟺\Longleftrightarrow BB 是否发生不受 AA 的影响 ⟺\Longleftrightarrow B‾\overline{B} 与 AA,B‾\overline{B} 与 A‾\overline{A},BB 与 A‾\overline{A} 独立

⟺P(B‾∣A)=P(B‾)\Longleftrightarrow P(\overline{B}|A)=P(\overline{B})

口诀:“有爸无爸,对妈独立无影响”。

【解】

法一:由 A,BA,B 独立 ⇒P(AB)=P(A)P(B)=0.4P(A)\Rightarrow P(AB)=P(A)P(B)=0.4P(A)

而 P(A∪B)=0.5⇒P(A)+P(B)−P(AB)=0.5P(A\cup B)=0.5 \Rightarrow P(A)+P(B)-P(AB)=0.5

⇒P(A)+0.4−0.4P(A)=0.5⇒P(A)=14\Rightarrow P(A)+0.4-0.4P(A)=0.5 \Rightarrow P(A)=\dfrac{1}{4}

P(B‾∣A)=P(AB‾)P(A)=P(A)−P(AB)P(A)=P(A)−0.4P(A)P(A)=0.6P(\overline{B}|A)=\dfrac{P(A\overline{B})}{P(A)}=\dfrac{P(A)-P(AB)}{P(A)}=\dfrac{P(A)-0.4P(A)}{P(A)}=0.6

法二:由 A,BA,B 独立 ⇒\Rightarrow B‾\overline{B} 与 AA 独立

⇒P(B‾∣A)=P(B‾)=1−P(B)=1−0.4=0.6\Rightarrow P(\overline{B}|A)=P(\overline{B})=1-P(B)=1-0.4=0.6


二、古典型求概率#

例1#

袋中有 5 只白球,6 只黑球,从中任取 2 球,求:

  1. 取到 1 白 1 黑 的概率;
  2. 至少取到 1 只黑球的概率。

【分析】

① 古典型概率:事件 AA 发生的概率公式:

P(A)=A 中可能的点数Ω 中可能的点数P(A)=\dfrac{A\text{ 中可能的点数}}{\Omega\text{ 中可能的点数}}

② 排列:A112A_{11}^{2} 表示从 11 个不同元素中任取 2 个排成一列的排法:A112=11×10A_{11}^{2}=11\times 10

组合:C112C_{11}^{2} 表示从 11 个不同元素中任取 2 个(不计顺序)的取法:C112=11×102!C_{11}^{2}=\dfrac{11\times 10}{2!}

【解】

(1)法一 设 AA = “取到 1 黑 1 白球”,Ω\Omega = “从 11 球中任取 2 球”(不计顺序,一次取 2 球)

P(A)=C51⋅C61C112=5×611×102!=611P(A)=\dfrac{C_{5}^{1}\cdot C_{6}^{1}}{C_{11}^{2}}=\dfrac{5\times 6}{\dfrac{11\times 10}{2!}}=\dfrac{6}{11}

(分步相乘,分类相加)

法二 设 AA = “取到 1 黑 1 白球”,Ω\Omega = “从 11 球中任取 2 球”(共取 2 次,一次取 1 球,分类:“先白后黑” + “先黑后白”)

P(A)=A51⋅A61+A61⋅A51A112=5×6+6×511×10=611P(A)=\dfrac{A_{5}^{1}\cdot A_{6}^{1}+A_{6}^{1}\cdot A_{5}^{1}}{A_{11}^{2}}=\dfrac{5\times 6+6\times 5}{11\times 10}=\dfrac{6}{11}

答案是一样的。

(2) 设 BB = “至少取到 1 只黑球”,B‾\overline{B} = “2 只球均为白球”(不计顺序)

P(B)=1−P(B‾)=1−C52C112=1−5×42!11×102!=1−211=911P(B)=1-P(\overline{B})=1-\dfrac{C_{5}^{2}}{C_{11}^{2}}=1-\dfrac{\dfrac{5\times 4}{2!}}{\dfrac{11\times 10}{2!}}=1-\dfrac{2}{11}=\dfrac{9}{11}


第二讲 随机事件及其概率(二)#

本讲包含 2 种题型。


三、全概率公式与贝叶斯公式#

【分析】 ① 在用题中,若适合分两个阶段完成,则用全概率公式或贝叶斯公式。

① 全概率公式:

P(A)=P(AB1∪AB2∪AB3)=P(B1)P(A∣B1)+P(B2)P(A∣B2)+P(B3)P(A∣B3)P(A)=P(AB_{1}\cup AB_{2}\cup AB_{3})=P(B_{1})P(A|B_{1})+P(B_{2})P(A|B_{2})+P(B_{3})P(A|B_{3})

② 贝叶斯公式:

P(Bi∣A)=P(ABi)P(A)=P(Bi)P(A∣Bi)全概率公式P(B_{i}|A)=\dfrac{P(AB_{i})}{P(A)}=\dfrac{P(B_{i})P(A|B_{i})}{\text{全概率公式}}

步骤:

  • 第1步:把第一阶段所有可能结果看成完备组 B1,B2,B3B_{1},B_{2},B_{3};
  • 第2步:把第二阶段的某个可能结果看成 AA;
  • 第3步:用全概率或贝叶斯公式。

例1#

甲袋中有 5 只红球、4 只白球;乙袋中有 4 只红球、5 只白球。先从甲中任取 1 只球放入乙中,再从乙中取 1 只球,求:

  1. 从乙中取到的球是白球的概率;
  2. 若已知从乙中取到 1 白球,问从甲中取到的球是白球的概率。

【解】

(1) 第 1 阶段:甲→乙

  • B1=B_{1}= 从甲中取到红球,P(B1)=59P(B_{1})=\dfrac{5}{9}
  • B2=B_{2}= 从甲中取到白球,P(B2)=49P(B_{2})=\dfrac{4}{9}

第 2 阶段:从乙中取 1 球,A=A= “从乙中取到白球”

由全概率公式:

P(A)=P(B1)P(A∣B1)+P(B2)P(A∣B2)=59×510+49×610=4990P(A)=P(B_{1})P(A|B_{1})+P(B_{2})P(A|B_{2})=\dfrac{5}{9}\times\dfrac{5}{10}+\dfrac{4}{9}\times\dfrac{6}{10}=\dfrac{49}{90}

(2) 由题意(贝叶斯公式):

P(B2∣A)=P(B2A)P(A)=P(B2)P(A∣B2)49/90=49×61049/90=2449P(B_{2}|A)=\dfrac{P(B_{2}A)}{P(A)}=\dfrac{P(B_{2})P(A|B_{2})}{49/90}=\dfrac{\dfrac{4}{9}\times\dfrac{6}{10}}{49/90}=\dfrac{24}{49}


例2#

已知男性中有 5%5\% 是色盲,女性中有 0.25%0.25\% 是色盲,今从男女人数相等的人群中随机挑选一人,恰好是色盲,问此人是男性的概率。

【解】

第一阶段:从人群中选人

  • B1=B_{1}= “选到男性”
  • B2=B_{2}= “选到女性”

第二阶段:判断此人是否色盲,A=A= “发现此人是色盲”

① 全概率公式:

P(A)=P(B1)P(A∣B1)+P(B2)P(A∣B2)=12×5%+12×0.25%=21800P(A)=P(B_{1})P(A|B_{1})+P(B_{2})P(A|B_{2})=\dfrac{1}{2}\times 5\%+\dfrac{1}{2}\times 0.25\%=\dfrac{21}{800}

② 贝叶斯公式:

P(B1∣A)=P(B1)P(A∣B1)P(A)=12×5%21/800=2021P(B_{1}|A)=\dfrac{P(B_{1})P(A|B_{1})}{P(A)}=\dfrac{\dfrac{1}{2}\times 5\%}{21/800}=\dfrac{20}{21}


四、伯努利概型求概率#

【分析】 当出现”独立”、”nn 重试验”、“每次试验只有 AA 与 A‾\overline{A} 两种结果”,则用伯努利概型:

Pn(k)=Cnk pk(1−p)n−k,其中 p=P(A), 1−p=P(A‾)P_{n}(k)=C_{n}^{k}\,p^{k}(1-p)^{n-k}, \quad \text{其中 } p=P(A),\ 1-p=P(\overline{A})


例#

某人打靶的命中率为 0.80.8,现独立射击 5 次,问 5 次中命中 2 次的概率。

【解】 5 次独立重复射击,p=0.8p=0.8,则:

P{5 次试验中命中 2 次}=P5(2)=C52⋅p2⋅(1−p)3=C52⋅0.82⋅0.23P\{\text{5 次试验中命中 2 次}\}=P_{5}(2)=C_{5}^{2}\cdot p^{2}\cdot(1-p)^{3}=C_{5}^{2}\cdot 0.8^{2}\cdot 0.2^{3}


第二章#

第三讲 一维随机变量及其分布(一)#

本讲包含 3 种题型。


一、离散型随机变量(R.V.)求分布律#

【分析】 离散型随机变量 R.V. 的分布律求法:“先求取值,再求概率”。

例#

将一枚骰子掷两次,以 XX 表示两次中得到的小的点数,求 XX 的分布律(概率分布)。

解: X=X= “两次骰子中较小的点数”,XX 可能取值:1,2,3,4,5,61,2,3,4,5,6。

⇒ 分布律:

XX123456
PPp1p_1p2p_2p3p_3p4p_4p5p_5p6p_6

法1(列表法):掷两次总情况共 6×6=366\times 6=36 种(等可能):

第一次 \ 第二次123456
1(1,1)(1,2)(1,3)(1,4)(1,5)(1,6)
2(2,1)(2,2)(2,3)(2,4)(2,5)(2,6)
3(3,1)(3,2)(3,3)(3,4)(3,5)(3,6)
4(4,1)(4,2)(4,3)(4,4)(4,5)(4,6)
5(5,1)(5,2)(5,3)(5,4)(5,5)(5,6)
6(6,1)(6,2)(6,3)(6,4)(6,5)(6,6)

其中

p1="X=1" 情况数总情况数=1136,p2=936,p3=736p_1=\frac{\text{"}X=1\text{" 情况数}}{\text{总情况数}}=\frac{11}{36},\qquad p_2=\frac{9}{36},\qquad p_3=\frac{7}{36}

p4=536,p5=336,p6=136p_4=\frac{5}{36},\qquad p_5=\frac{3}{36},\qquad p_6=\frac{1}{36}

法2(排列法):

p1="先1后X"+"先大后1"+"先1后1"总情况数=A11A51+A51A11+A11A11A61⋅A61=1136p_1=\frac{\text{"先1后}X\text{"}+\text{"先大后1"}+\text{"先1后1"}}{\text{总情况数}}=\frac{A_1^1A_5^1+A_5^1A_1^1+A_1^1A_1^1}{A_6^1\cdot A_6^1}=\frac{11}{36}

p2=A11A41+A41A11+A11A11A61⋅A61=936p_2=\frac{A_1^1A_4^1+A_4^1A_1^1+A_1^1A_1^1}{A_6^1\cdot A_6^1}=\frac{9}{36}

同理可得 p3=736p_3=\dfrac{7}{36},p4=536p_4=\dfrac{5}{36},p5=336p_5=\dfrac{3}{36},p6=136p_6=\dfrac{1}{36}。故

XX123456
PP1136\dfrac{11}{36}936\dfrac{9}{36}736\dfrac{7}{36}536\dfrac{5}{36}336\dfrac{3}{36}136\dfrac{1}{36}

二、利用常见离散型分布求概率#

【分析】 当出现”独立”、”nn 次试验”、“每次试验只有两种结果”时,用二项分布 B(n,p)B(n,p),其分布律为

P{X=k}=Cnk pk(1−p)n−k,k=0,1,⋯ ,nP\{X=k\}=C_n^k\,p^k(1-p)^{n-k},\qquad k=0,1,\cdots,n

例#

在四次独立射击试验中,每次命中目标的概率为 pp,若已知至少命中 1 次的概率为 8081\dfrac{80}{81},求 pp。

解: 设 X=X= “4 次射击中命中目标的次数”,则 X∼B(4,p)X\sim B(4,p)。

由题意 P{至少命中 1 次}=8081P\{\text{至少命中 1 次}\}=\dfrac{80}{81},故

P{4 次均未中}=1−8081=181P\{\text{4 次均未中}\}=1-\frac{80}{81}=\frac{1}{81}

⇒ P{X=0}=C40 p0(1−p)4−0=181\Rightarrow\ P\{X=0\}=C_4^0\,p^0(1-p)^{4-0}=\frac{1}{81}

⇒ (1−p)4=181=(13)4 ⇒ 1−p=13 ⇒ p=23\Rightarrow\ (1-p)^4=\frac{1}{81}=\left(\frac{1}{3}\right)^4\ \Rightarrow\ 1-p=\frac{1}{3}\ \Rightarrow\ p=\frac{2}{3}


三、连续型 R.V. 相关计算#

连续型 R.V. XX 的区间概率:

P{a<X≤b}=①∫abf(x) dx=②F(b)−F(a)P\{a<X\leq b\}\overset{①}{=}\int_a^b f(x)\,dx\overset{②}{=}F(b)-F(a)

P{X=a}=0,P{X≤a}=F(a)=∫−∞af(x) dxP\{X=a\}=0,\qquad P\{X\leq a\}=F(a)=\int_{-\infty}^{a}f(x)\,dx

例1#

设 R.V. XX 的分布函数

F(x)={0,x<1ln⁡x,1≤x<e1,x≥eF(x)=\begin{cases}0,&x<1\\[4pt] \ln x,&1\leq x<e\\[4pt] 1,&x\geq e\end{cases}

(1)求 XX 的概率密度 f(x)f(x);(2)求 P{X<2}P\{X<2\}、P{0<X≤3}P\{0<X\leq 3\}。

解:

(1)由 f(x)=F′(x)f(x)=F'(x):

f(x)={0,x<11x,1≤x<e0,x≥e={1x,1≤x<e0,其它f(x)=\begin{cases}0,&x<1\\[4pt] \dfrac{1}{x},&1\leq x<e\\[4pt] 0,&x\geq e\end{cases}=\begin{cases}\dfrac{1}{x},&1\leq x<e\\[4pt] 0,&\text{其它}\end{cases}

分布函数 F(x):x<1 时为 0,1≤x<e 时为 ln x,x≥e 时为 1

(2)

① P{X<2}=P{X≤2}=F(2)=ln⁡2P\{X<2\}=P\{X\leq 2\}=F(2)=\ln 2

② 法1:P{0<X≤3}=F(3)−F(0)=1−0=1P\{0<X\leq 3\}=F(3)-F(0)=1-0=1

法2:P{0<X≤3}=∫03f(x) dx=∫1e1x dx=ln⁡x∣1e=1P\{0<X\leq 3\}=\displaystyle\int_0^3 f(x)\,dx=\int_1^e \frac{1}{x}\,dx=\ln x\Big|_1^e=1

注:f(x)f(x) 仅在 [1,e][1,e] 上非零,故积分区间由 [0,3][0,3] 收缩为 [1,e][1,e]。

例2#

设 XX 的概率密度为

f(x)={ke−2x,x>00,x<0f(x)=\begin{cases}ke^{-2x},&x>0\\[4pt] 0,&x<0\end{cases}

(1)求 kk;(2)求分布函数 F(x)F(x)。

【分析】

(1)已知 f(x)f(x) 反求参数——用规范性:∫−∞+∞f(x) dx=1\displaystyle\int_{-\infty}^{+\infty}f(x)\,dx=1(即 F(+∞)=1F(+\infty)=1、F(−∞)=0F(-\infty)=0)

(2)已知 f(x)f(x) 求 F(x)F(x)——不定积分:① F(x)=∫f(x) dxF(x)=\int f(x)\,dx;② 用 F(x)F(x) 的规范性

解:

(1)由规范性

1=∫−∞+∞f(x) dx=∫0+∞f(x) dx=∫0+∞ke−2x dx1=\int_{-\infty}^{+\infty}f(x)\,dx=\int_0^{+\infty}f(x)\,dx=\int_0^{+\infty}ke^{-2x}\,dx

∴ 1=∫0+∞ke−2x dx=k⋅(−12)e−2x∣0+∞=k2 ⇒ k=2\therefore\ 1=\int_0^{+\infty}ke^{-2x}\,dx=k\cdot\left(-\frac{1}{2}\right)e^{-2x}\Big|_0^{+\infty}=\frac{k}{2}\ \Rightarrow\ k=2

(其中 e−∞=0e^{-\infty}=0,e0=1e^0=1)

(2)由 F′(x)=f(x)={2e−2x,x≥00,x<0F'(x)=f(x)=\begin{cases}2e^{-2x},&x\geq 0\\[4pt] 0,&x<0\end{cases},显然

F(x)={−e−2x+C1,x≥0C2,x<0F(x)=\begin{cases}-e^{-2x}+C_1,&x\geq 0\\[4pt] C_2,&x<0\end{cases}

由规范性

{F(−∞)=0 ⇒ C2=0F(+∞)=1 ⇒ −e−2×(+∞)+C1=1 ⇒ C1=1\begin{cases}F(-\infty)=0\ \Rightarrow\ C_2=0\\[6pt] F(+\infty)=1\ \Rightarrow\ -e^{-2\times(+\infty)}+C_1=1\ \Rightarrow\ C_1=1\end{cases}

⇒ F(x)={1−e−2x,x≥00,x<0\Rightarrow\ F(x)=\begin{cases}1-e^{-2x},&x\geq 0\\[4pt] 0,&x<0\end{cases}

指数分布:概率密度 f(x)=2e^(-2x) 与分布函数 F(x)=1-e^(-2x)

例3#

若 X∼f(x)={1,0<x<10,其他X\sim f(x)=\begin{cases}1,&0<x<1\\[4pt] 0,&\text{其他}\end{cases},求 F(x)F(x)。

【分析】 已知 f(x)f(x) 求 F(x)F(x)(不定积分):

① F(x)=∫f(x) dxF(x)=\int f(x)\,dx;② 规范性 F(−∞)=0F(-\infty)=0、F(+∞)=1F(+\infty)=1;③ 分段点处连续

解:

① 由 f(x)={0,x≤01,0<x<10,x≥1f(x)=\begin{cases}0,&x\leq 0\\[4pt] 1,&0<x<1\\[4pt] 0,&x\geq 1\end{cases},显然

F(x)={C1,x≤0x+C2,0<x<1C3,x≥1F(x)=\begin{cases}C_1,&x\leq 0\\[4pt] x+C_2,&0<x<1\\[4pt] C_3,&x\geq 1\end{cases}

② 由规范性:F(−∞)=0⇒C1=0F(-\infty)=0\Rightarrow C_1=0;F(+∞)=1⇒C3=1F(+\infty)=1\Rightarrow C_3=1

由分段点处连续:

lim⁡x→0−F(x)=lim⁡x→0+F(x) ⇒ lim⁡x→0−C1=lim⁡x→0+(x+C2) ⇒ C2=0\lim_{x\to 0^-}F(x)=\lim_{x\to 0^+}F(x)\ \Rightarrow\ \lim_{x\to 0^-}C_1=\lim_{x\to 0^+}(x+C_2)\ \Rightarrow\ C_2=0

综上

F(x)={0,x≤0x,0<x<11,x≥1F(x)=\begin{cases}0,&x\leq 0\\[4pt] x,&0<x<1\\[4pt] 1,&x\geq 1\end{cases}

均匀分布 U(0,1):概率密度 f(x)=1 与分布函数 F(x)
概率论与数理统计
https://xianhe51920.github.io/posts/probability-statistics/
作者
仙鹤
发布于
2026-06-30
许可协议
CC BY-NC-SA 4.0

分享文章

生成精美分享图或复制链接,与更多人分享本文。

继续阅读

沿着主题读

基于共同的标签与分类

换条路线

从其他文章中稳定抽取

评论

正在加载评论...