概率论
1000+ 人选课
更新日期:2024/12/19
开课时间2024/09/01 - 2025/01/31
课程周期22 周
开课状态开课中
每周学时-
课程简介

概率论

是研究随机现象数量规律的数学分支。随机现象是相对于决定性现象而言的,在一定条件下必然发生某一结果的现象称为决定性现象。例如在标准大气压下,纯水加热到100℃时水必然会沸腾等。随机现象则是指在基本条件不变的情况下,每一次试验或观察前,不能肯定会出现哪种结果,呈现出偶然性。例如,掷一硬币,可能出现正面或反面。

 传统概率

传统概率又称为拉普拉斯概率,因为其定义是由法国数学家拉普拉斯提出的。如果一个随机试验所包含的单位事件是有限的,且每个单位事件发生的可能性均相等,则这个随机试验叫做拉普拉斯试验。在拉普拉斯试验中,事件A在事件空间S中的概率P(A)为:

例如,在一次同时掷一个硬币和一个骰子的随机试验中,假设事件A为获得国徽面且点数大于4,那么事件A的概率应该有如下计算方法:S={(国徽,1点),(数字,1点),(国徽,2点),(数字,2点),(国徽,3点),(数字,3点),(国徽,4点),(数字,4点),(国徽,5点),(数字,5点),(国徽,6点),(数字,6点)},A={(国徽,5点),(国徽,6点)},按照拉普拉斯定义,A的概率为2/12=1/6,注意到在拉普拉斯试验中存在着若干的疑问,在现实中是否存在着这样一个试验,其单位事件的概率具有精确的相同的概率值,因为人们不知道,硬币以及骰子是否"完美",即骰子制造的是否均匀,其重心是否位于正中心,以及轮盘是否倾向于某一个数字等等。

 公理化定义

 如何定义概率,如何把概率论建立在严格的逻辑基础上,是概率理论发展的困难所在,对这一问题的探索一直持续了3个世纪。20世纪初完成的勒贝格测度与积分理论及随后发展的抽象测度和积分理论,为概率公理体系的建立奠定了基础。

在这种背景下,苏联数学家柯尔莫哥洛夫1933年在他的《概率论基础》一书中第一次给出了概率的测度论的定义和一套严密的公理体系。他的公理化方法成为现代概率论的基础,使概率论成为严谨的数学分支,对概率论的迅速发展起了积极的作用。

课程大纲

第一章 随机事件与概率

  • 1.1 1.随机事件及其运算
  • 1.2 2.概率的定义
  • 1.3 3.概率的性质
  • 1.4 4.概率的计算
  • 1.5 5概率的计算2
  • 1.6 6.条件概率
  • 1.7 7.全概率公式
  • 1.8 8.贝叶斯公式
  • 1.9 9.独立性

第二章随机变量及其分布

  • 2.1 1.随机变量的概念
  • 2.2 2.随机变量的分布函数
  • 2.3 3.离散型随机变量的概率分布列
  • 2.4 4.连续型随机变量的概率密度函数
  • 2.5 5.数学期望
  • 2.6 6.方差
  • 2.7 7.常用的离散型分布(一)
  • 2.8 8.常用的离散型分布(二)
  • 2.9 9.常用的连续型分布(一)
  • 2.10 10.常用的连续型分布(二)
  • 2.11 11.常用的连续型分布(三)
  • 2.12 12.随机变量函数的分布(一)
  • 2.13 13.随机变量函数的分布(二)
  • 2.14 14.分布的其他特征数

第三章多维随机变量及其分布

  • 3.1 1.多维随机变量以及联合分布函数
  • 3.2 2.多维离散型随机变量的联合分布列
  • 3.3 3.多维连续型随机变量的联合密度函数
  • 3.4 4.常用多维分布
  • 3.5 5.边际分布列
  • 3.6 6.边际密度函数
  • 3.7 7.随机变量的独立性
  • 3.8 8.多维随机变量函数的分布(离散型)
  • 3.9 9.多维随机变量函数的分布(连续型卷积公式)
  • 3.10 10.多维随机变量函数的分布(一般函数,连续型)
  • 3.11 11.多维随机变量函数的分布(一般函数,连续型、离散型)
  • 3.12 12.多维随机变量函数的分布(变量变换法)
  • 3.13 13.数学期望和方差的性质
  • 3.14 14.协方差与相关系数
  • 3.15 15 相关系数
  • 3.16 16.条件分布
  • 3.17 17.条件期望

第四章大数定律与中心极限定理

  • 4.1 1.随机变量序列的两种收敛性
  • 4.2 2.特征函数(一)
  • 4.3 3.特征函数(二)
  • 4.4 4.函数特征(三)
  • 4.5 5.大数定律
  • 4.6 6.中心极限定理(一)
  • 4.7 7.中心极限定理(二)

微课视频

  • 5.1 说课
  • 5.2 4个微课