[概率论与数理统计-5]:一元连续随机变量=>几何图形=>样本空间=>组合样本=>长度/面积/体积=>几何概率

2023-11-11

作者主页(文火冰糖的硅基工坊):文火冰糖(王文兵)的博客_文火冰糖的硅基工坊_CSDN博客

 本文网址:https://blog.csdn.net/HiWangWenBing/article/details/123727473


目录

第1章 什么是几何概率

第2章 几何概率的关键点:

2.1 如何用连续的几何图形的区域表示离散的生活事件:

2.2 如何求组合事件的概率:

2.3 几何概率的计算

2.4 几何概率与n元随机变量

第3章 几何概率的案例

3.1 一维:几何度量体现为长度。

3.2 二维:几何度量体现为面积。

3.3 三维:几何度量体现为体积。


第1章 什么是几何概率

几何概率是可以用几何方法求得的现实生活中复合事件的概率。

比如,向某一可度量的区域内投一质点,如果所投的点落在门中任意区域 g 内的可能性大小与 g 的度量成正比,而与 g 的位置和形状无关,则称这个随机试验为几何型随机试验或几何概型,此处的度量就是测度,一维指长度,二维指面积,三维指体积等。

几何概型是一种求解现实问题的概率模型

在这个模型下,随机实验所有可能的结果是无限的,并且每个基本结果发生的概率是相同的。例如一个人到单位的时间可能是8:00~9:00之间的任意一个时刻;往一个方格中投一个石子,石子落在方格中任何一点上……这些试验出现的结果都是无限多个(所以只能可以通过求长度、面积、体积来完成概率的计算)属于几何概型。

一个试验是否为几何概型在于,这个试验的基本事件是否具有几何概型的两个特征:无限性和等可能性(等概率分布),只有同时具备这两个特点的概型才能用几何概型(长度、面积、体积)求解现实的概率问题。

第2章 几何概率的关键点:

2.1 如何用连续的几何图形的区域表示离散的生活事件:

  • 基础:可以把x,y坐标看成是连续事件,几何图形(线段或面积或体积)看成是组合事件(是有无数个连续的点组成)
  • 生活事件转换为几何图形(组合事件),再转换为基本事件,经过这个转换,生活的离散事件就转换成了离散的几何图形组合事件,而每个几何图形的组合事件,又是连续的空间点组成。
  • 样本空间:所有基本事件(样本)构成的总的几何图形(线段或面积或体积)
  • 组合事件:符合事件构成的几何图形(线段或面积或体积)

2.2 如何求组合事件的概率:

假设条件:所有基本事件(样本)落在样本空间的位置是等概率的。

计算概率:有了(1)的转换,组合事件的概率=组合事件的图形(线段或面积或体积)除以样本空间的图形(线段或面积或体积)

2.3 几何概率的计算

A: 复合事件

S: 样本空间

P: 概率

几何度量(长度、面积、体积)

2.4 几何概率与n元随机变量

在几何概率中,基本事件是空间中的一个质点,

每个质点是n维度的随机变量组成:

几何线段:一元随机变量(X)

面积:二元随机变量(X,Y)

空间体积:三元随机变量(X,Y,Z)

输出:联合概率分布,即复合事件覆盖的(长度或面积或体积)除以样本空间空间总的(长度或面积或体积)。

第3章 几何概率的案例

3.1 一维:几何度量体现为长度。

【例1】出租车司机李师傅有午睡习惯。一天,他睡午觉醒来,发现手机没电了,手表也停了,于是他只能打开收音机等待交通电台整点报时,如果他等待报时时间不超过15分钟,则这种可能性大小为( )

A、1/2 B、1/3 C、1/4 D、1/6

【解析】C。

如图所示,设想一条时间轴两个刻度时间相差1小时,李师傅醒来的时刻落在距离在刻度点15分钟范围可保证等待不超过15分钟,因此概率为15/60=1/4,选C。

随机变量:等待的时间长度,用X表示,单位为分钟。

随机事件:事件变量的取值范围就是随机事件,这里是【0,60】分钟之间的任意值。

样本空间:整点报时,每一个小时报一次,样本空间为1小时,即60分钟。

复合事件:不超过15分钟属于复合事件,由无数个基本事件点组成,长度小于15分钟,最大为15分钟时长

概率计算:李师傅醒来的基本事件点,如果落在x+1附件的复合事件中时,这时候的等待事件长度不超过15分钟,这个15分钟的复合事件的取值占整个样本空间基本事件的取值的15/60=1/4.

3.2 二维:几何度量体现为面积。

【例2】小波通过往圆圈里投掷米粒(米粒本身长度不计,视为一个点)的方式决定自己的周末活动。经过试验,他将米粒投进圆圈内的成功率达到100%,但投掷在圆内的位置随机。如果米粒到圆心的距离大于圆半径的一半,那么他周末去看电影;若米粒到圆心的距离小于半径的 ,他会去打篮球;否则,他将在家看书。据此可知小波周末不在家看书的概率为:

A、13/16 B、2/5 C、3/5 D、1/16

【解析】A。投掷米粒在圆圈内任一点是等可能的,且结果有无限种可能,属于几何概率。如图所示,假设大圆圈的半径为4、面积=π×42=16π;打篮球的面积=π、看电影的面积=16π-4π=12π,所以不看书的概率=(π+12π)/(16π)=13/16,选A。

随机变量:平面中的落点,二维随机变量(x,y)组成,且x^2 + y^2< r^2.

随机事件:随机变量的取值范围就是随机事件(X,Y)

样本空间:由于是圆,整个圆筒的底面积就是整个样本空间。

复合事件:复合事件与现实问题相关,这里的三个复合事件包括

  • 最小圆的的面积的区域
  • 中间圆面积-最小圆面积的区域
  • 最外层圆面积-中间圆面积的区域

概率计算:李师傅醒来的基本事件点,如果落在x+1附件的复合事件中时,这时候的等待事件长度不超过15分钟,这个15分钟的复合事件的取值占整个样本空间基本事件的取值的15/60=1/4.

【例3】甲乙两人相约见面,并约定第一人到达后,等15分钟不见第二人来就可以离去。假设他们都在10点至10点半的任一时间来到见面地点,则两人能见面的概率有多大?

A. 37.5% B. 50% C. 62.5% D. 75%

【中公解析】D。如图所示,x、y分别代表甲乙两人到达的时间,两人能够见面的条件是,即图中阴影部分,则所求概率为阴影部分面积占大正方形的面积的比例,即为甲乙能见面的概率,阴影部分面积=30×30-2×1/2×15×15=675,所求概率为675/900=75%,选D。

3.3 三维:几何度量体现为体积。

【例4】半径为4的球体,有一点落于球体内,此点到球心距离都小于2的概率是多少?

【中公解析】该点在球内有无限种可能,而每种可能性相同,属于几何概率。如图所示,在球内随机取一点,使这个点到球心的距离小于2,说明点落在与大球球心相同,半径为2的小球的内部,体积为,整个打的球体体积为,则所求概率。


作者主页(文火冰糖的硅基工坊):文火冰糖(王文兵)的博客_文火冰糖的硅基工坊_CSDN博客

本文网址:https://blog.csdn.net/HiWangWenBing/article/details/123727473

本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)

[概率论与数理统计-5]:一元连续随机变量=>几何图形=>样本空间=>组合样本=>长度/面积/体积=>几何概率 的相关文章

  • [概率论与数理统计-5]:一元连续随机变量=>几何图形=>样本空间=>组合样本=>长度/面积/体积=>几何概率

    作者主页 文火冰糖的硅基工坊 文火冰糖 王文兵 的博客 文火冰糖的硅基工坊 CSDN博客 本文网址 https blog csdn net HiWangWenBing article details 123727473 目录 第1章 什么是
  • 损失与损失函数L1、L2、MSE

    损失 是一个数值 表示对样本而言模型预测的准确程度 如果模型的预测完全正确 则损失为零 反之损失会很大 训练模型的目标是从所有的样本当中 找到一组损失较小的权重与偏差 其 损失较小 的考量取决于具体需要 损失函数 L1损失 基于模型预测的值
  • 多项式分布的理解概率公式的理解

    多项式分布是二项分布的推广 二项分布 也叫伯努利分布 的典型例子是扔硬币 硬币正面朝上概率为p 重复扔n次硬币 k次为正面的概率即为一个二项分布概率 而多项分布就像扔骰子 有6个面对应6个不同的点数 二项分布时事件X只有2种取值 而多项分布
  • 生成对角矩阵 numpy.diag

    给定对角线上元素 我想生成对角矩阵 在网上搜了一下 竟然都是numpy diagonal 这个函数的作用是提取给定矩阵的对角元素 当然不是我想要的 后来发现numpy diag才是生成对角矩阵的函数 所以写此文章记录之 import num
  • Applications(4)

    CONTENTS Other Applications In this section we cover a few other types of applications of deep learning that are differe
  • [洛谷] [NOIP2018 提高组] 旅行 加强版 - 基环树

    题目链接 https www luogu com cn problem P5049 题目描述 小 Y 是一个爱好旅行的 OIer 她来到 X 国 打算将各个城市都玩一遍 小Y了解到 X国的 n 个城市之间有 m 条双向道路 每条双向道路连接
  • 统计学常用概念:T检验、F检验、卡方检验、P值、自由度

    常用检验公示表 自由度概念 在统计模型中 自由度指样本中可以自由变动的变量的个数 当有约束条件时 自由度减少 自由度计算公式 自由度 样本个数 样本数据受约束条件的个数 即df n k df自由度 n样本个数 k约束条件个数 例 一组数据
  • 【Basis】变分推断以及VIEM

    在包含隐变量 latent variables 的推断问题中 针对连续性随机变量的情况 隐变量的高维以及被积函数 intergrand 的复杂度使积分 intergration 无法进行 而针对离散型随机变量 隐变量呈指数 exponent
  • 【统计模拟及其R实现】逆变换 / 筛选法 / 合成法 上机习题答案(超详细)

    课本 统计模拟及其R实现 肖枝红 朱强 武汉大学出版社 参考课件 第三章 随机数 浙江大学数学科学学院 目录 1 逆变换法 2 筛选法 3 合成法 1 逆变换法 题目1 用逆变换方法生成如下密度函数的随机变量 要求写出R程序 Cauchy概
  • 2023 hdu 第10场 1004 Do you Like Interactive Problem

    Problem Description 现在有一个整数 x x x 1 x n
  • VAE(变分自编码器) 详解

    近期看论文要用到VAE 看了很多资料 有这样一种感觉 要么过度过于偏向数学原理 要么只是讲了讲网络结构 本文将两者结合 以简洁易懂的语言结合代码实现来介绍VAE 1 解决问题 VAE是变分推断 variational inference 以
  • 朴素贝叶斯基本原理和预测过程、先验概率、后验概率、似然概率概念

    贝叶斯原理是英国数学家托马斯 贝叶斯提出的 贝叶斯原理 建立在主观判断的基础上 在我们不了解所有客观事实的情况下 同样可以先估计一个值 然后根据实际结果不断进行修正 举例 一个袋子里有10个球 其中6个黑球 4个白球 那么随机抓一个黑球的概
  • 概率论入门

    概率论入门 导论 概率论解决随机问题的本质 就是把局部的随机性转变为整体上的确定性 概率论的产生 能让我们对未来随机事件发生做出数学上的确定性判断 这是概率论的思想基石 概率论作为一种数学工具的基本思路 正式基于这种整体的 全局性的思考框架
  • 第八章 假设检验

    目录 一 假设检验的基本概念 假设及假设检验的定义 原假设与备择假设 基本思想 接受域与拒绝域 假设检验的分类 两类错误 二 一个正态总体下的参数假设检验 期望 方差的假设检验 三 两个正态总体下的参数假设检验 期望的差异性 方差的差异性的
  • 一.用matlab生成想要的分布数据——均匀分布

    给大家讲讲怎么用matlab生成想要分布的随机数吧 1 均匀分布 2 正态分布 3 对数正态分布 4 gumbel分布 5 weibull分布 6 指数分布 7 Raili分布 1 均匀分布 matlab的rand指令可以帮助我们生成0 1
  • 舒尔补-边际概率-条件概率

    margin求边际概率的时候喜欢通过舒尔补的形式去操作信息矩阵 如p b c 求积分p a b c da 从上图可知 边缘概率直接看协方差矩阵比较方便 边际概率的方差就是取对应联合分布中相应的协方差块 信息矩阵是由舒尔补的形式计算 此形式也
  • 【Basis】狄利克雷分布

    初次看狄利克雷分布 比较懵 主要是它有很多先行知识 所以我先介绍狄利克雷分布用到的多项式分布 gamma 函数 beta分布 然后再介绍狄利克雷分布 参考文献见文章末 目录 一 多项式分布 multinomial distribution
  • 【概率】概率论中具有可加性的分布及性质:二项、泊松、正态、卡方

    目录 一 可加性 二 相关结论 三 小结 一 可加性 可加性 指对于某种变换来说 特定的 加法 和该变换的顺序可颠倒而不影响结果 这样一种性质 wiki 分布的可加性 指同一类型分布的独立随机变量和的分布仍属于此类分布 1 注 前提是同类型
  • 边缘概率密度

    对于二维连续型随机变量 设它的概率密度为 则 称 为 关于 的边缘概率密度 称 为 关于 的边缘概率密度
  • 条件概率密度

    设二维随机变量 的概率密度为 关于 的边缘概率密度为 若对于固定的 有 则称 为在 条件下的 的条件概率密度 记为

随机推荐