前几天,北京天气气象部门发布雷电蓝警,降雨致早高峰堵车加剧 晚高峰将受影响,结果大家都知道了,这场闹剧随后在朋友圈被人戏谑道:“说好的大雨呢“.可见,对于下雨或者不下雨人类在事前是无法给予精确的回复,这种在事前没法给出具体结果的现象在生活中是很普遍的,例如:这次花2元买彩票中不中奖?如火如荼的欧洲杯小组赛西班牙与土耳其的比赛谁能赢?某种产品如果提高价格,则销量下降的可能性有多大?等等
上述这些现象都有三个特性:
1)事前不能确定哪种结果出现
2)各种结果在事前的可能性有哪些是可确定的
3)各种结果在多次事件重复中体现出某种量的规律性
对于这些不确定的现象,我们称之为随机现象。所谓概率,就是一个用来度量不确定现象发生的可能性的数值度量。换句话说:概率是可以度量上边描述的各种事件每种结果发生的可能性大小。概率的取值总是介于0到1之间。如事件的概率为0,则表明事件几乎不可能发生;如太阳从西边升起,如事件的概率为1,则表明事件一定发生,如太阳从东边升起,若事件的概率介于0和1之间,则代表事件发生可能性的程度。
几种概率定义中的短语解释:
试验(experiment):可以产生明确结果的过程。在任何一个单一的重复试验中,有且只有一个试验结果产生。结果可以定性也可以定量。
样本空间(sample space):确定了试验的所有可能结果的集合。
样本点:一个试验结果称为样本点,是属于样本空间的一个元素。
事件:是样本点的一个集合。
简单事件(基本事件):只包含一个样本点的事件
复合事件:包含多个结果的事件
例如,抛掷一门硬币。样本点:要么朝上,要么朝下。样本空间:朝上,朝下,如果用S来表示样本空间的话,可以这样描述:s={正面,反面}
在给试验结果分配概率的时候,2个基本要求
1:分配给每个试验结果的概率都必须在0和1之间,包括0和1.
2:所有试验结果的概率之和必须为1.
实际当中最为常用的方法有三种:
1)古典法:适用于每个试验结果等概论发生,试验结果分配概率均为1/N.
比如抛掷硬币,每次试验结果发生正面和反面的机会是一致的。换句话说出现这2种结果的可能性是相等的。
2)相对频数法:适用于试验可以大量重复进行,并可以取得试验结果发生比率的数据。
比如汽车行清洗车辆数据,
- 10天中,没有“车辆数据”的分配概率是:2/10=20%
- 10天中,3辆车的分配概率是:5/10=50%.
3)主观法:当不能确定试验结果是等可能发生或者无法取得相关数据时,依靠经验和直觉.通常表示的某人对这件事的可信程度,人之不同,对同一试验结果可能预期分配不同的概率。
例如,A和B刚刚参加完了2016年北京高考,假设A预测高考成绩能达到600分的可能性较大,为0.8,可以记为P(A)=0.8,B对自己的成绩估摸最多500,无法达到600分,到达600分的概率为0.2,可以记为p(B)=0,2.注意,B对高考成绩能否达到600分的估计反映了他对高考成绩持悲观态度。他们2人估计的概率不同这一事实,说明了主观法的个人属性。主管概率不是空猜,它是建立在个人经验和认识的基础上,这样的基础可以保证取得较精确的概率.