随机事件 / 偶然事件 random event
在同一组条件下,每次试验可能出现也可能不出现的事件。
必然事件 certain event
在同一组条件下,每次试验一定出现的事件。
不可能事件 impossible event
在同一组条件下,每次试验一定不出现的事件。
基本事件 elementary event
如果一个事件不能分解成两个或更多个事件,则这个事件称为基本事件或简单事件。
概率 probability
事件A的概率是描述事件A在试验中出现的可能性大小的一种度量,记事件A出现可能性大小的数值为P(A),P(A)称为事件A的概率。
条件概率 conditional probability
当某一事件B已经发生时,事件A发生的概率,称这种概率为事件B发生条件下事件A发生的条件概率,记为P(A|B)。
独立性 independence
两个事件中无论哪一个事件发生并不影响另一个事件发生的概率,则称这两个事件相互独立。
概率函数 probability function
在同一组条件下,如果每次试验可能出现这样活那样的结果,并且把所有的结果都能列举出来,即把X的所有可能值x1,x2,…,xn都能列举出来,并且X的可能值x1,x2,…,xn具有确定概率P(x1),P(x2),…,P(xn),其中P(xi)=P(X=xi),称为概率函数,则X称为P(X)的随机变量,P(X)称为随机变量X的概率函数。
随机变量 random variable
离散型 discrete
如果随机变量X的所有取值都可以逐个列举出来,则称X为离散型随机变量。
连续型 continuous
如果随机变量X的所有取值无法逐个列举出来,而是取数轴上某一区间内的任一点,则称X为连续型随机变量。
概率分布 probability distribution
设有一离散型随机变量X,可能取值x1,x2,…,xn,其相应的概率为p1,p2
,…,pn,即P(x=xi)=pi(i=1,2,…,n)。将X=xi和P(X=xi)=pi列为两行,一一对应,则称列成的表格形式为离散型随机变量X的概率分布,其中,P(X=xi)=pi是X的概率函数。
期望值 expected value
离散型随机变量X的期望值定义为,在离散型随机变量X的一切可能值的完备组中,各可能值xi与其对应概率pi的乘积之和称为该随机变量X的期望值,记作E(X)或μ。
二项分布 binomial distribution
实际问题中,有许多试验与掷硬币的试验有共同的性质,它们只包含两个结果。这种随机变量所服从的概率分布通常称为二项分布。
贝努利试验 Bernoulli traials
具有如下特征的n次重复独立试验为n重贝努利试验【批:也称伯努利试验】,简称贝努利试验或贝努利试验模型:
- 包含了n个相同的试验
- 每次试验只有两个可能的结果
- 出现任一可能的概率对每一次试验是相同的
- 试验是相互独立的
- 试验的结果可以计数,即实验结果对应于一个离散型随机变量
概率密度函数 probability density function
当用函数f(x)来表示连续型随机变量时,我们将f(x)称为概率密度函数。概率密度函数应满足下述两个条件:
(
1
)
f
(
x
)
≥
0
(1)f(x)\geq0
(1)f(x)≥0
( 2 ) ∫ − ∞ + ∞ f ( x ) d x = 1 (2)\int^{+∞}_{-∞}{f(x)dx}=1 (2)∫−∞+∞f(x)dx=1
f ( x ) f(x) f(x)并不是一个概率,即 f ( x ) ≠ P ( X = x ) f(x)\neq{P(X=x)} f(x)=P(X=x), f ( x ) f(x) f(x)称为概率密度函数。
正态分布 normal distribution
在连续型随机变量中,最重要的一种随机变量是具有钟形概率分布的随机变量;人们称它为正态随机变量,相应的概率分布称为正态分布。