当前课程知识点:概率论与数理统计 >  第一周:随机事件及其概率运算 >  事件间的关系与事件的运算 >  1.3 事件间的关系与事件的运算

返回《概率论与数理统计》慕课在线视频课程列表

1.3 事件间的关系与事件的运算在线视频

1.3 事件间的关系与事件的运算

下一节:1.4 两个著名的例子

返回《概率论与数理统计》慕课在线视频列表

1.3 事件间的关系与事件的运算课程教案、知识点、字幕

随机事件是样本点的集合

因而事件间的关系与运算

即为集合之间的关系和运算

下面我们先给出一些常用的事件间的关系

若事件A集合包含于事件B集合

则称事件B包含事件A

其直观含义是事件A的发生

必然导致事件B的发生

用维恩图表示

其中矩形表示样本空间

圆A与圆B分别表示事件A与事件B

包含关系也可用示性函数表示

事件A的示性函数小于等于

事件B的示性函数

是事件A包含于事件B的充分必要条件

若事件B包含事件A

同时事件A也包含事件B

则称事件A B相等

此时 事件A与事件B为同一事件

等价于两事件的示性函数相等

事件A,B之间的互不相容关系

也称为互斥关系

是指事件A和事件B不能同时发生

即事件A和事件B的交集为空

如图所示

用示性函数表示

就是事件A和事件B的示性函数乘积一定为0

对立关系是一种特殊的互斥关系

即非此即彼的关系

若A发生则B必不发生

若B发生 则A必不发生

用集合表示即为集合B等于集合A的补集

事件A B相互对立的直观含义是

事件A和事件B必有一个发生

但又不会同时发生

所以其示性函数的等价表达

为事件A的示性函数

加事件B的示性函数永远等于1

事件运算主要包括事件的和

差 积 以及交换律

结合律等运算律

首先我们看事件的和运算

事件A与事件B的并集构成的事件

称为事件A与事件B的和事件

记为A并B 或A加B

如图所示的阴影部分

和事件中的元素或者属于事件A

或者属于事件B

其直观含义是事件A和事件B至少有一个发生

类似地 可将上述概念推广到多个事件的情形

定义n个事件A1 A2 直到An的和事件

合事件为事件集合A1 A2 到An的并集

即事件A1 A2 到An 至少有一个发生

事件A与事件B的交集构成的事件

称为事件A与事件B的积事件

记为A交B 或A乘B

如图所示

积事件中的元素既属于事件A

又属于事件B 其直观含义是

事件A和事件B同时发生

类似地 可定义n个事件A1 A2

直到An的积事件为事件集合A1 A2 到An的交集

即A1 A2 到An同时发生

事件A与事件B的差集构成的事件

称为事件A与事件B的差事件

记为A减B 如图所示

集合A与集合B的差集等于

从集合A中去掉属于集合B的元素

即A减B等于A交B补

事件A B差事件的直观含义是

事件A发生但事件B不发生

下面我们看一个例子

进一步地熟悉事件语言的表达

某同学在篮球场上进行了连续3次投篮练习

分别用事件A1 A2和A3表示第1次

第2次和第3次投中篮筐

试用A1 A2和A3表示下面Bi和Cj定义的事件

B0为事件 连续3次投篮中恰好有0次投中篮筐

即3次均未投中

为A1补 A2补和A3补同时发生

B1为事件 连续3次投篮中恰好有1次投中篮筐

投中的一次可能发生在第1次

第2次或第3次投篮

而其他两次未投中

所以是A1交A2补交A3补等三个积事件的并

B2为事件 连续3次投篮中恰好有2次投中篮筐

那么未投中的一次可能发生在第1次

第2次或第3次投篮

而其他两次均未投中

而其他两次均投中

仍是三个积事件的并

B3为事件 连续3次投篮中恰好有3次投中篮筐

就是3次均投中

为A1 A2和A3同时发生的积事件

C0为事件 连续3次投篮中至少有0次投中篮筐

是必然事件 如从 至少投中0次

可分为恰好投中0 1 2 3次等4种情况的角度理解

也可表示为B0到B3的并集

C1为事件 连续3次投篮中至少有1次投中篮筐

第1次投中 第2次投中

第3次投中有一个发生即可

所以是A1 A2 A3的并集

因为此时投中的次数共有1 2 3三种可能

所以C1也可表示为B1 B2 B3的并集

C2为事件 连续3次投篮中至少有2次投中篮筐

可用第1 2次都投中 第2 3次都投中和

第1 3次都投中的并集来表示

或者考虑投中的次数共有2 3两种可能

用B2 B3的并集表示

C3为事件 连续3次投篮至少有3次投中篮筐

就是3次均投中

等于A1 A2 A3同时发生的积事件 也等于B3

这里我们列举事件之间的几个运算律

这些运算律与集合的运算律完全相同

可以利用集合元素的归属加以验证

也可以借助维恩图得到

我们看几个特殊的事件

和事件关系所对应的概率运算

不可能事件的概率是0

必然事件的概率是1

事件A的补事件的概率等于1减去事件A的概率

事件A B差事件的概率等于

事件A的概率减去事件A B同时发生的概率

事件A B和事件的概率等于

事件A的概率加事件B的概率

再减去事件A B同时发生的概率

准备好了事件表达和运算规则的工具

下面我们看应用事件语言解决概率问题的例子

袋中有编号为1到n的n个球

从中有放回地任取m次

求取出的m个号码中

最大编号恰好是k的概率

求解的关键是设定恰当的事件

然后利用集合运算规则计算出概率

最大编号恰好是k 的情况比较复杂

是只抽到一次k

还是抽到2次k等等有多种可能

放宽些条件

考虑最大编号不超过k

则相当于在编号1到k的球中任意取球

其基本事件数很容易确定是k的m次方

而恰好为k就是不超过k减去不超过k-1的情形

这样就将不易求的 恰好 的问题

转化为了更好计算的

不超过 的问题来求解

设事件Ak为最大编号恰好是k

事件Bk为最大号码不超过k

则Ak等于Bk与B k-1的差事件

又注意到B k-1是Bk的子集

根据Bk和B k-1的概率

即可算出所求的事件Ak的概率

匹配问题有很多种提法

我们这里采用装信封的方式给出

n封写给不同人的信

随机放入n个写好收信人姓名的信封

1个信封装1封信

求所有信件全部都装错了信封的概率

将n封信分别编号为1到n

对应的信封也编号为1到n

设事件Ai表示编号为i的信

恰好装入了编号为i的信封

n封信全都装错是至少有一封信装对的补事件

而事件n封信中

至少有一封信装对等于事件A1到An的和事件

所以所求概率为1减去

事件A1到An的和事件的概率

这一计算需要用到概率的加法公式

两个和三个事件情形的加法公式比较简单

也易于用维恩图验证

n个事件的加法公式则有些复杂

我们这里只给出结论

证明这一公式的一个思路是

考虑A1到An并集中的任意元素

可验证该元素

虽然在右端很多积事件中都可能出现

但经过正负项求和抵消后

其在右端各项中出现的次数的总和一定为1

证明的细节在这里就不展开了

我们已经得到

所求概率p0的

用A1 A2 An

等的和事件概率的表达形式

并且用加法公式

展开了和事件概率的计算

加法公式中各个事件

和积事件的概率都容易计算

每个Ai的概率

也就是编号为i的信

恰好装入了

编号为i的信封的概率

都是1/n

而Ai1 Ai2到Aik的积事件

即为有k封信

装入了对应编号的信封

将k个封信

装入k个不同的信封

第1封信有n种选择

第2封信有n-1种选择

第k封信有n-k+1种选择

因此k封信

装入k个不同信封

共有n乘n-1

一直乘到n-k+1种不同的装法

而k封信恰好都装对

只有一种可能

所以 给定的k封信

装入了对应编号的信封的概率

为n乘n-1一直乘到n-k+1分之1

将所有积事件的概率

都代入加法公式

因为n个事件中

选k个共有Cnk种取法

所以Ai1 Ai2到Aik的积事件项

共有Cnk个

而每一个Ai1Ai2

到Aik的积事件的概率

均为n乘n-1一直乘到n-k+1分之1

所以k个积事件

总的概率和为

Cnk乘以n乘n-1

一直乘到n-k+1分之1

等于k阶乘分之一

符号为-1的k-1次方

最终

利用加法公式可计算出

A1到An和事件的概率为

1减2阶乘分之1

加3阶乘分之1

减4阶乘分之1

一直加到(-1)的n-1次方

乘以n阶乘分之1

而且利用1-e的-1次幂的展开式

可以得到

所求概率p0的很好的估计值

结果说明

无论是5封信还是100封信

全部装错的概率几乎是相同的

大约是0.37

概率论与数理统计课程列表:

第一周:随机事件及其概率运算

-随机试验与随机事件

--1.1 随机试验与随机事件

-古典概型

--1.2 古典概型

--第一周:古典概型

-事件间的关系与事件的运算

--1.3 事件间的关系与事件的运算

--第一周:事件间的关系与事件的运算

-两个著名的例子

--1.4 两个著名的例子

--第一周:两个著名的例子

-讲义

第二周:条件概率和独立性

-条件概率

--2.1 条件概率

--第二周:条件概率

-有关条件概率的三个重要计算公式

--2.2 条件概率的三个重要计算公式

--第二周:有关条件概率的三个重要计算公式

-事件的独立性

--2.3 事件的独立性

--第二周:事件的独立性

-应用实例

--2.4 应用实例

--第二周:应用实例

-网球比赛胜率的计算

--Video

-讲义

第三周:随机变量

-随机变量及分布函数

--3.1.随机变量及分布函数

--第三周:随机变量及分布函数

-离散型与连续型随机变量

--3.2 离散型随机变量

--第三周:离散型与连续型随机变量

-分布函数的性质与特殊的例子

--3.3 分布函数的性质与特殊的例子

--第三周:分布函数的性质与特殊的例子

-概率论所需微积分要点回顾

--3.4 概率论所需微积分要点回顾

--第三周:概率论所需微积分要点回顾

-讲义

第四周:常见随机变量

-二项分布与负二项分布

--4.1 二项分布与负二项分布

--第四周:二项分布与负二项分布

-泊松分布

--4.2 泊松分布

--第四周:泊松分布

-几何分布与指数分布

--4.3 几何分布与指数分布

--第四周:几何分布与指数分布

-正态分布

--4.4 正态分布

--第四周:正态分布

-讲义

第五周:随机变量函数的分布及随机变量的数字特征

-随机变量函数的分布

--5.1 随机变量函数的分布

--第五周:随机变量函数的分布

-随机变量的数学期望

--5.2 随机变量的数学期望

--第五周:随机变量的数学期望

-随机变量的方差

--5.3 随机变量的方差

--第五周:随机变量的方差

-原点矩与中心矩

--5.4 原点矩与中心矩

--第五周:原点矩与中心矩

-期望和方差的一些补充性质

--5.5 期望和方差的一些补充性质

--第五周:期望和方差的一些补充性质

-讲义

第六周:常见随机变量的期望方差和应用实例

-二项分布与泊松分布的期望与方差

--6.1二项分布与泊松分布的期望与方差

--第六周:二项分布与泊松分布的期望与方差

-几何分布的期望与方差

--6.2 几何分布的期望与方差

--第六周:几何分布的期望与方差

-均匀、指数和正态分布的期望与方差

--6.3 均匀、指数和正态分布的期望与方差

--第六周:均匀、指数和正态分布的期望与方差

-随机变量数学期望的应用实例

--6.4 随机变量数学期望的应用实例

--第六周:随机变量数学期望的应用实例

-快速排序算法的平均计算量分析

--Video

-讲义

第七周:多维随机变量,独立性

-多维随机变量

--7.1. 多维随机变量

-第七周:多维随机变量

-常见多维随机变量举例

--7.2. 常见多维随机变量举例

--第七周:常见多维随机变量举例

-随机变量的独立性

--7.3 随机变量的独立性

--第七周:随机变量的独立性

-独立随机变量期望和方差的性质

--7.4 独立随机变量期望和方差的性质

--第七周:独立随机变量期望和方差的性质

-讲义

第八周:条件分布与条件期望

-条件分布

--8.1条件分布

--第八周:条件分布

-条件期望

--8.2 条件期望

--第八周:条件期望

-全期望公式(上)

--8.3 全期望公式(上)

--第八周:全期望公式(上)

-全期望公式(下)

--8.4 全期望公式(下)

--第八周:全期望公式(下)

-讲义

第九周 协方差与相关系数

-随机变量函数的期望

--9.1. 随机变量函数的期望

--第九周:随机变量函数的期望

-协方差

--9.2 协方差

--第九周:协方差

-相关系数

-- 9.3 相关系数

--第九周:相关系数

-相关与独立

--9.4 相关与独立

--第九周:相关与独立

-讲义

第十周 独立随机变量和的分布与顺序统计量

-独立随机变量和的分布

--10.1. 独立随机变量和的分布

--第十周:独立随机变量和的分布

-独立正态分布和的分布

--10.2 独立正态分布和的分布

--第十周:独立正态分布和的分布

-最大值、最小值分布

--10.3 最大值、最小值分布

--第十周:最大值、最小值分布

-顺序统计量

--10.4 顺序统计量

--第十周:顺序统计量

-讲义

第十一周 正态分布专题

-正态分布的相关与独立

--11.1 正态分布的相关与独立

--第十一周:正态分布的相关与独立

-边缘密度均为正态,联合分布不是二元正态的例子

--11.2 边缘密度均为正态,联合分布不是二元正态的例子

--第十一周:边缘密度均为正态,联合分布不是二元正态的例子

-二项分布的正态近似

--11.3 二项分布的正态近似

--第十一周:二项分布的正态近似

-正态近似计算实例

--11.4 正态近似计算实例

--第十一周:正态近似计算实例

-讲义

第十二周 大数定律和中心极限定理

-大数定律

--12.1大数定律

--第十二周:大数定律

-中心极限定理

--12.2 中心极限定理

--第十二周:中心极限定理

-蒙特卡洛(Monte Carlo)算法

--12.3 蒙特卡洛(Monte Carlo)算法

-伪随机数和随机模拟

--12.4 伪随机数和随机模拟

-讲义

第十三周 统计学基本概念

-统计学实例

--13.1 统计学实例

-总体与样本

--13.2.总体与样本

-常用统计量

--13.3 常用统计量

--第十三周:常用统计量

-三种重要的统计分布和分位数

--13.4 三种重要的统计分布和分位数

--第十三周:三种重要的统计分布和分位数

-讲义

第十四周 参数点估计

-参数的矩估计

--14.1参数的矩估计法

--第十四周:参数的矩估计

-参数的极大似然估计

--14.2参数的极大似然估计法

--第十四周:参数的极大似然估计

-参数点估计的无偏性和有效性

--14.3 参数点估计的无偏性和有效性

--第十四周:参数点估计的无偏性和有效性

-参数点估计应用实例

--14.4 参数点估计应用实例

--第十四周:参数点估计应用实例

-讲义

第十五周 参数的区间估计

-区间估计的基本思想

--15.1 区间估计的基本思想

--第十五周:区间估计的基本思想

-区间估计的构造方法

--15.2 区间估计的构造方法

--第十五周:区间估计的构造方法

-两个正态总体的区间估计

--15.3 两个正态总体的区间估计

--第十五周:两个正态总体的区间估计

-大样本置信区间

--15.4 大样本置信区间

--第十五周:大样本置信区间

-讲义

第十六周 假设检验

-假设检验问题的提示和标准步骤

--16.1假设检验问题的提示和标准步骤

--第十六周:假设检验问题的提示和标准步骤

-假设检验问题的两类错误和P值

--16.2假设检验问题的两类错误和P值

--第十六周:假设检验问题的两类错误和P值

-单个正态总体参数的假设检验

--16.3 单个正态总体参数的假设检验

--第十六周:单个正态总体参数的假设检验

-拟合优度检验

--16.4拟合优度检验

--第十六周:拟合优度检验

-讲义

应用实例

-利用条件概率计算网球比赛胜率

--利用条件概率计算网球比赛胜率

-利用期望的计算性质分析快速排序算法的平均计算量

--利用期望的计算性质分析快速排序算法的平均计算量

-讲义

习题课一

-事件

--事件

-分布函数

--分布函数

-正态

--正态

-指数与二项

--指数与二项

习题课二

-随机变量函数的分布

--随机变量函数的分布

-指数分布期望

--指数分布期望

-切比雪夫不等式

--切比雪夫

-二元离散

--二元离散

-协方差

--协方差

-二元特征

--二元特征

习题课三

-统计量

--统计量

-无偏估计

--无偏估计

-点估计

--点估计

-假设检验

--假设检验

习题课四

-选择

--选择

-填空

--填空

-大题

--大题

1.3 事件间的关系与事件的运算笔记与讨论

也许你还感兴趣的课程:

© 柠檬大学-慕课导航 课程版权归原始院校所有,
本网站仅通过互联网进行慕课课程索引,不提供在线课程学习和视频,请同学们点击报名到课程提供网站进行学习。