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 > 两个著名的例子 > 1.4 两个著名的例子
18世纪时 法国学者布丰提出了一个投针问题
记载于布丰1777年出版的著作中
问题是这样的
在平面上画有一组间距为d的平行线
将一根长度为L的的针任意掷在这个平面上
求此针与平行线中任一条相交的概率
为了避免一根针同时与两条平行线相交
这里要求针的长度小于平行线的间隔
布丰证明了这个概率是2L/πd
因为针的位置由针的中点到
最近直线的距离x
和针与直线的夹角θ所决定
于是所考虑弦的样本空间为0≤x≤d/2
与 0≤θ≤π所围成的矩形
而只有x小于L/2乘以sinθ时针与某直线
即离它最近的直线相交
利用古典概型面积的比值即得到结论
过程中用到了一个基本的积分运算
关于积分 第三周我们会将
概率论中常用的积分和微分计算
给出一个简要的回顾
布丰投针问题得到了一个很有意思的结论
经过看似无关的过程
居然得到了圆周率这一数学常数
由于布丰投针结果的概率表达式包括π
于是人们想到利用投针试验
来估计圆周率的值
比如给定直线间隔d 针的长度L
随机将针投掷n次
记录与直线相交的次数m
则m/n约等于2L/πd
推出π约等于2nL/md
这里列出历史上一些学者
进行投针试验的实际结果
1850年Wolf进行了5000次试验
采用的针长是间隔距离的0.8倍
估计出pi的近似值是3.1596
几年后 Smith在1855年用长度0.6L的针
进行了3204次试验
得到估计值3.1553直到1925年
还有一位学者做了2520次试验进行估计
如果就π值的近似估计而言
这个方法并不是一个好的算法
从表中也可以看到
得到的估计精度非常低
但值得注意的是
这里反映出来的具有一般性的观念
就是设计一个适当的随机试验
其中的概率与我们感兴趣的某个确定的量
(如π)有关
然后利用大量随机试验的
实际结果来估计这个量
随着计算机等现代技术的发展
这一方法已经发展为具有广泛应用的
蒙特卡罗方法
在维数非常非常高的积分运算中
蒙特卡罗方法是最有效的算法
布丰投针实验
是最早用几何形式表达概率问题的例子
他首次使用随机试验处理确定性数学问题
对概率论和计算方法的发展起到了推动作用
我们再介绍一个贝特朗奇论的例子
在半径为1的圆内随机地取一条弦
问其长度超过该圆内接等边三角形的边长
根号3的概率等于多少
考虑弦的长度由其中点的位置唯一确定
而当且仅当弦的中点位于
与该圆同心的径为1/2的小圆内时
弦长大于根号3
而小圆面积是半径为1的单位圆的1/4
所以弦长大于根号3的概率为1/4
对上述概率的计算还有另一种理解和分析
任何弦交圆两点不失一般性
先在圆周上固定其中一点
则弦的长度由另一个端点的位置所决定
以此固定端点为顶点作一等边三角形
这个等边三角形
以过弦的这个固定端点的直径为对称轴
显然当且仅当弦的另一个端点落在等边三角形
与固定端点相对的边所对应的圆弧上的时候
弦长大于根号3
而这段圆弧占整个圆周的1/3
所以弦长大于根号3的概率为1/3
再换一个分析的角度
考虑到弦的长度只与该弦与圆心的距离有关
即弦长由弦到圆心的距离所决定
不失一般性
我们考虑垂直于某直径的所有弦
即以此直径为中点的所有弦
当且仅当中点与圆心的距离离小于1/2时
其长度大于根号3因此所求概率为1/2
同一问题有三种不同的答案
细究原因 发现是在取弦时
采用了不同的等可能性假设
在第一种分析中假定弦的中点在圆内均匀分布
假定弦的中点在圆内均匀分布
在第二种分析中
则假定弦的端点在圆周上均匀的分布
而第三种解法中
又假定弦的中心在直径上均匀分布
这三种答案针对的是三种不同的随机试验
从而有着不同的样本空间和样本点
三种方法出发点不同
所以得到不同的结果也就不足为奇了
再进一步讨论
究竟哪一个更合理也没有太多意义
好比 我们问一位同学
从家里到学校需要多长时间
若没有指明走着去
还是坐车去 还骑自行车去等等
这个问题的提法就是有缺陷的
无需过多地讨论
因此 笼统地使用
随机、等可能、均匀分布等术语
其含义可能是模糊的
可能会产生不同的理解
作为一门数学理论
受到自然语言所产生歧义的影响
是不能令人满意的
1899年贝特朗在巴黎出版《概率论》
这本书中对几何概率提出了批评
并以生动的实例引起大家的注意
这种善意的批评
推动了概率论的发展
它促使人们思考到底什么是随机
应该如何给出更严格的定义
勒贝格、波雷尔等数学家在19世纪末20世纪初
建立了测度的理论
为概率论的公理化做了坚实的准备
20世纪30年代
苏联数学家科尔莫格罗夫
完善了概率论的公理体系
使概率论的发展有了严格的数学基础
概率的公理化定义
Ω是一个样本空间
F为Ω的某些子集组成的集合
称为一个事件域
如果对任一属于事件域F的事件A
有一个定义在F上的实值函数P(A)
满足以下三个公理条件
第一个非负性公理
对所有属于事件域的事件A
其函数值P(A)大于等于0
第二个正则性公理 P(Ω)等于1
第三个可列可加性公理
若A1 A2 直至A无穷互不相容
在A1 A2 到A无穷并集作为自变量时
函数P的取值等于i从1到无穷
P(Ai)的求和
则称P(A)为事件A的概率
称三元组Ω F和P 为概率空间
只要满足这样几条简单的假设
就可以清晰地定义和研究各种
随机试验的概率模型
推演出千变万化的概率结果
公理化叙述中的每个细节都是必不可少的
有其丰富的内涵
充分地理解这些内容需要测度论的知识
已经超出了本课程的范围
这里我们只是稍稍了解一下就可以了
-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
--第一周:事件间的关系与事件的运算
-两个著名的例子
--第一周:两个著名的例子
-讲义
-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
--第二周:有关条件概率的三个重要计算公式
-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
-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
--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
--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
--第三周:概率论所需微积分要点回顾
-讲义
-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
--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
-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
--第五周:随机变量的数学期望
-随机变量的方差
--第五周:随机变量的方差
-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
--第五周:期望和方差的一些补充性质
-讲义
-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
--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
--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
--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
-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
--第七周:常见多维随机变量举例
-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
--第七周:独立随机变量期望和方差的性质
-讲义
-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)
--第八周:全期望公式(上)
-全期望公式(下)
--第八周:全期望公式(下)
-讲义
-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
--第九周:相关与独立
-讲义
-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
--第十周:独立正态分布和的分布
-最大值、最小值分布
--第十周:最大值、最小值分布
-顺序统计量
--第十周:顺序统计量
-讲义
-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
--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
--第十一周:二项分布的正态近似
-正态近似计算实例
--第十一周:正态近似计算实例
-讲义
-大数定律
--12.1大数定律
--第十二周:大数定律
-中心极限定理
--第十二周:中心极限定理
-蒙特卡洛(Monte Carlo)算法
-伪随机数和随机模拟
-讲义
-统计学实例
-总体与样本
-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
--第十三周:三种重要的统计分布和分位数
-讲义
-参数的矩估计
--第十四周:参数的矩估计
-参数的极大似然估计
--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
--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
--第十四周:参数点估计应用实例
-讲义
-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
--第十五周:区间估计的构造方法
-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
--第十五周:大样本置信区间
-讲义
-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
--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
--第十六周:单个正态总体参数的假设检验
-拟合优度检验
--第十六周:拟合优度检验
-讲义
-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
-讲义
-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
-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
-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
-选择
--选择
-填空
--填空
-大题
--大题