概率论
离散概率空间
基础部分
定义1 离散概率空间
离散概率空间(diskreter
Wahrscheinlichkeitsraum)是单位元事件(Elementarereignis)的所有结果集合(Ergebnismenge)
定义2 单位元事件
每个事件元素
集合
定义4 相对频繁度(relative Häufigkeit)
定义5 无限概率空间
概率空间
例子
假设我们扔一个硬币,直到正面出现。
定理8 性质
对于事件
若
,那么加法原理:若事件
两两互斥,那么有
定理9 容斥原理(Siebformel)
容斥原理:对于事件
条件概率
对于条件概率
- 对于给定的
, 正比于
定义12 条件概率
定理16 乘法原理
若事件
定理18 全概率公式
若事件
定理19 贝叶斯公式
事件
独立性(独立性)
若
对于两两不同的事件
定理 23
对于两两不同的事件
定理24
若
随机变量
定义25 随机变量
给定一个离散概率空间
值域(Wertebereich)是
扔硬币3次,结果集合是
也就是正反的三元组。随机变量 描述了出现正面的总数。 比如 出现正面2次, 出现正面3次,值域
是逆映射,通常我们把
定义27 概率密度函数和分布函数
- 函数
称作随机变量
- 函数
称作随机变量
求密度函数:从值域入手,把每个值都对应写出来。
求分布函数:先求密度函数,然后把密度函数累加
定义 29 期望
对于一个随机变量
计算期望
判断期望是否存在,要加绝对值算。
定理 32 期望的单调性
若
定理 33 期望的线性性
对于任意随机变量
定理 34 期望计算公式
若
定义 35 条件期望
若
定理 36 条件期望计算期望
若
定义 38 方差和标准差
对于随机变量
定理 39 方差和期望
对于任意随机变量
定理 41 方差公式
对于任意随机变量
定义 42 矩
对于一个随机变量
多变量
函数
把其他变量的所有情况带入式子求和即可
随机变量的独立性
定义45 独立性
对随机变量
定理46 独立性扩展1
若
定理47 独立性扩展2
若
组合随机变量
定理49 独立的随机变量加和
对于2个相互独立的随机变量
组合随机变量的矩
定理50 期望的线性性
对于随机变量
Beispiel 51:
个人随机到 个床位,期望有多少个人在自己的床位上? 先拆解:
因为
所以
定理52 期望的乘积性
对于相互独立的随机变量
定义53 指示函数
对于一个事件
定理54 方差加和
对于相互独立的随机变量
重要分布
伯努利分布
一个随机变量
比如扔硬币是只有正或反,满足伯努利分布
二项分布
定义 55 二项分布
若
比如连续扔硬币n次,满足二项分布
定理 56 二项分布加和
若
几何分布
定义57 几何分布
一个几何分布的(geometrisch verteilte) 随机变量
一个性质
成功概率和已经尝试的此数无关:
比如一直扔硬币,知道正面出现。满足几何分布
求大于某个值的概率
泊松分布
泊松分布(Poisson-Verteilung) 可以用于建模在给定时间段有固定变化率且独立的固定事件的个数。
一个泊松分布变量
而且方差和期望满足
定理59 泊松分布随机变量加和
若
求解泊松分布常用到
的幂级数展开式
泊松分布与二项分布
当
概率的估计
不等式
定理60 马尔可夫不等式
若
用于估计概率的上界 (Blatt6 H01)
定理 61 切比雪夫不等式
若
用的时候可以用绝对值的性质拆开绝对值(Blatt6 H01),
大数定律
定理 63 大数定律
给定一个随机变量, 若
若
切诺夫界
定理 64 切诺夫界 1
若
定理 66 切诺夫界 2
若
引理 67 切诺夫界扩展
对于
推论 68 推论公式
若
für alle für alle für
概率生成函数
定义70 概率生成函数
对于一个随机变量
定理71 函数的唯一性
一个随机变量
伯努利分布
均匀分布
若
二项分布
几何分布
泊松分布
计算期望方差
定义74 秩生成函数
对于一个随机变量
随机变量加和
定理75 和的生成函数
对于独立随机变量
随机和
我们考虑这样的情况:
定理77 和的生成函数
若
连续概率空间
连续随机变量
定义79 连续随机变量
一个连续的随机变量
根据性质计算参数 (Blatt7 T02)
Kolmogorov-Axiome和σ-代数
定义82 σ-代数
若
- 若
那么 - 对于
设 那么
对于所有
判断集合是否是 σ-代数 (Blatt7 T01)
定义83 柯尔莫哥洛夫公理Kolmogorov-Axiome
若
是两两互斥的事件. 那么满足:
对于一个事件
引理84
若
若
则(加法原理) 当事件
两两互斥,那么
勒贝格积分
一个函数
每个可测量的函数都可以积分,叫做勒贝格积分(Lebesgue-Integral).
- 连续函数都是Borel波莱尔可测的(Borel-messbar)
- 指示函数
是Borel可测的 - Borel可测的函数与Borel可测函数的和和积也是Borel可测的
判断一个函数是否是Borel可测 (Blatt7 T02)
计算连续随机变量
连续随机变量函数
若
求密度函数:先求分布再求导
求一个函数是否是分布函数:
- 非严格单调增
- 连续
- 在负无穷的极限是0,正无穷的极限是1
连续随机变量极限
若
期望和方差
定义88 期望和方差
对于一个连续随机变量
对于方差是
引理89 计算期望
若
使用公式计算期望和方差 (Blatt07 T02)
重要连续分布
均匀分布
正态分布
定义 91 正态分布
记为
分布函数
高斯函数的性质
对于
引理 92 定义
定理 93 正态分布的线性变换
若
定理 94 N(0,1) 期望方差
若
定理 95 N 期望方差
秩生成函数
若
指数分布
定义 96
一个随机变量
定理 97 指数随机变量的缩放
一个随机变量
定理 98 无思想性
一个连续随机变量
指数分布与几何分布的极限
设一个几何分布的序列
多个连续随机变量
多元密度函数
两个连续随机变量
定义 100 边缘分布Randverteilung
若
定义 101 独立性
两个连续随机变量
多个事件的等待问题
定理 102 指数分布最小值
随机变量
泊松过程
对于给定
定理 105 随机变量加和
若
定理 106 正太分布的加和
随机变量
连续变量秩生成函数
连续随机变量和离散随机变量有相同的秩生成函数
中心极限定理
定理108 中心极限值定理
随机变量
随机变量
定理 109 de Moivre 棣莫弗—拉普拉斯定理
随机变量
对于
当
定理 110 正太分布对于二项分布的极值
若 $H_{n} (n, p)
数理统计
定义 112 估计量
给定一个随机变量
定义 113 均方误差MSE
若估计变量
一个估计变量是在平方中部常数的. 若当
定义 114 Stichprobenmittel 和 Stichprobenvarianz
样本均值和样本方差
最大似然估计
似然估计函数
定义 115 最大似然估计值
估计值
置信区间(Kondenzintervall)
我们要找2个估计量
由
定义 118 分位数
定义 119 正态分布的分位数
对于正态分布
假设检验
检验的定义
检验的错误
1类错误
2类错误
1类错误的数量用
二项检验
若是伯努利分布的随机变量,测试某个概率的大小
根据具体情况选择拒绝域的公式
高斯检验
若
假设
gegen , gegen , gegen .
检验量
, .
2次t-检验
若
假设:
, , , ,
检验量
, , .
卡方检验
若:
假设:
随机过程
离散时间处理
定义 123
一个在状态集合
定义 126 步数
随机变量
定义 127 到自己的步数
是从
定理 129 状态转移方程
定义 132 stationäre Verteilung稳定分布
这个分布满足
定理 134 irreduzibel不可简化的
一个马尔科夫链是不可简化的,若对于所有状态对
也就是走几步一定可以到
定理 136 irreduzibel定理
一个不可简化的有限马尔科夫链只有1个稳定分布stationäre Verteilung,
并且满足
定义 137 Periode周期
一个状态
定理138 aperiodisch非周期性
一个状态
定义 140 ergodisch可遍历的
不可简化的Irreduzibel 和非周期性 aperiodisch 的马尔科夫链是可遍历的ergodisch
定理 141 Fundamentalsatz für ergodische Markov-Ketten可遍历的马尔可夫链基本定理
对于所有有限的可遍历的ergodisch的马尔科夫链