數學,我拿你怎麼辦(1)?
由於筆者在上學的期間,時常將數學課當成能夠睡覺的課,造成很多基本的數學知識印象不深或者全部忘記了,但最近又要研究演算法相關的內容。「人算,終究不如天算」筆者本著不會就學的理念,還是覺得整理一份學習的數學知識出來。
注意:此處只是做知識彙總,所以很多內容將直接照抄百度/維基百科
概率論
概率論是研究隨機現象數量規律的數學分支。隨機現象是相對於決定性現象而言的。在一定條件下必然發生某一結果的現象稱為決定性現象。例如在標準大氣壓下,純水加熱到100℃時水必然會沸騰等。隨機現象則是指在基本條件不變的情況下,每一次試驗或者觀察前,不能肯定會出現哪種結果,呈現出偶然性。例如,擲一枚硬幣,可能會出現正面或者反面。
定理:
定理1
互補法則,與 A 互補事件的概率始終是 1-P(A)
定理2
不可能事件的概率為零
定理3
如果A1…An事件不能同時發生(為互斥事件),而且若干事件A1,A2,…An∈S每兩兩之間是空集關係,那麼這些所有事件集合的概率等於單個事件的概率的和。
eg: 在一次擲骰子中,得到5點或者6點的概率是:
定理4
如果事件 A,B 是差集關係,則有
定理5
任意事件加法法則,對於事件空間 S 中的任意兩個事件 A 和 B,有如下定理:概率
定理6
事件 A,B 同時發生的概率
定理7
兩個不相關聯事件 A,B 同時發生的概率是:
注意: 這個定理實際上是定理 6 的特殊情況,如果事件 A、B 沒有聯絡,則有 ,以及 。
完全概率
完全概率適用於分析具有多層結構的隨機試驗情況
n 個事件 … 互相獨立,共同組成整個事件空間 S,即 ,而且 。這時 A 的概率可以表示為
貝葉斯定理
按照定理6 ,可以匯出貝葉斯定理如上公式也可以變行為
參考
數學期望
在概率論和統計學中,數學期望(或均值)是每次實驗中每次可能結果的概率乘以其結果的總和,是最基本的數學特徵之一。它反應隨機變數取平均值的大小,又稱為加權平均 。期望值不一定包含於變數的輸出值集合裡。
離散型
隨機變數只取得有限個值或無窮能按一定次序一一列出,其值域為一個或若干個有限或無限區間,這樣的隨機變數稱為離散型隨機變數。
離散型隨機變數 X 的取值為