标签: 概率论 - 文档

全概率公式与贝叶斯公式的树形图理解

2026-08-14 00:45:51

全概率公式与贝叶斯公式的树形图理解先画一棵树，概率题就变成看图说话。全概率公式和贝叶斯公式看起来像两堵公式墙，但其实它们只做一件事：沿着树形图的分支，读出你需要的概率。下面用“抽球”这个经典场景，三步画出这棵树。第 1 阶段：用树形图画出事件的“全过程” 绘制一棵树，设定根节点为“实验开始”。

全概率公式贝叶斯公式树形图

97 0

为什么蒙特卡洛方法能收敛：大数定律的保证

2026-08-06 10:42:55

蒙特卡洛方法听起来很神秘，但它的核心思想你其实每天都在用：通过大量重复试验，用频率来估算概率。比如掷硬币，掷一万次会发现正面朝上接近一半。蒙特卡洛方法就是把这种“笨办法”扩展到了更复杂的计算问题上。但你有没有想过，为什么重复试验得到的平均值，会稳定在真实值附近？这背后就是大数定律在撑腰。下面我们分

蒙特卡洛大数定律概率论

109 0

为什么指数分布是无记忆的：条件概率恒等性

2026-08-02 20:42:07

为什么指数分布是无记忆的：条件概率恒等性指数分布是概率论中最常用的连续分布之一，常用于描述“等待时间”——比如设备寿命、排队时间、放射性衰变间隔。它有一个反直觉的独特性质：无记忆性。简单说就是“已经用了很久的旧设备，在下一个瞬间坏掉的概率，和一台全新设备完全相同”。这篇文章手把手带你从条件概率公式

指数分布无记忆性条件概率

81 0

大数定律：样本均值依概率收敛于期望的直观理解

2026-07-29 00:43:50

大数定律：样本均值依概率收敛于期望的直观理解先理解一个核心思想：大量重复试验的结果，会稳定在它的理论平均值附近。这不是魔法，而是数学告诉我们的规律。当你抛一枚公平硬币 10 次，可能得到 7 次正面；但当你抛 10000 次，正面比例会非常接近 0.5。大数定律就是这个现象的数学表述。 1. 拆解

大数定律概率论样本均值

48 0

互斥事件与独立事件的区别及P(AB)的计算方式不同

2026-07-24 22:47:38

互斥事件与独立事件的区别及PAB的计算方式不同第一步：明确互斥事件的定义观察两个事件是否可以同时发生。如果两个事件不可能同时发生，则它们互为互斥事件。记住：互斥事件的本质是“排他性”——一个出现，另一个必定不出现。示例：掷一枚硬币，事件A=“正面向上”，事件B=“反面向上”。A和B不可能

互斥事件独立事件概率计算

30 0

离散型随机变量的分布列及期望E(X)=∑xi·pi的定义

2026-07-16 06:41:49

离散型随机变量的分布列及期望理解一个随机事件的结果如何分布，以及如何计算其“平均水平”，是概率论的核心任务。本文将指导你如何通过分布列和期望值来量化描述一个离散型随机变量。第一步：识别你的随机变量 1. 明确你要研究的随机试验及其所有可能的结果。例如，抛掷一枚硬币 3 次，记录正面朝上的次数。

离散型随机变量分布列期望值

40 0

大偏差理论中的速率函数与Sanov定理

2026-06-27 10:47:22

大偏差理论中的速率函数与Sanov定理要理解一个极端事件发生的概率，常规的中心极限定理可能无能为力。大偏差理论提供了一套系统的方法来量化这类小概率事件。其核心工具是速率函数，它描述了偏离典型行为的“代价”。Sanov定理是这套理论的基石，它精确地告诉我们在独立重复试验中，观察到的经验分布偏离真实分

大偏差理论速率函数 Sanov定理

54 0

概率论 共 7 篇文章