對於幾何概型所解決的問題,可能的結果可以是一維二維乃至於任意維數,而發生的事情的機率與其“區域”的測度成正比,與形狀等其他因素無關
不知道為什麼前面兩節的程式碼無法顯示,如果需要看的話可以到我公眾號上看隨機事件與機率古典概型定義隨機分配(佔位)簡單隨機抽樣幾何概型重要公式一維隨機變數及其分佈隨機變數與分佈函式離散型隨機變數連續型隨機變數X~F(x)八個常見分佈多元隨機變
總體思路按古典概型來就好了,就是要求出現的事件數比上所有可能出現的事件數按例題來說,5個球有放回抽取6次,每次都有5種可能,一共有5的6次方種可能,把它作為分母再看要求的情況種類數,6次裡面出現3個1,2個2,1個3,那麼等於說六個位值先挑
注意到為了定義閉集,需要賦予有限維線性空間一個拓撲結構:我們在這裡不直接定義該拓撲,而是透過代數簇的概型定義匯出該拓撲,然後再驗證這個拓撲確實是我們想要的
同學們觀察這個轉盤,求出甲獲勝的機率貌似古典概型,但是由於這個問題中的基本事件應該是“指標指向的位置”,而不是“指標指向的區域”,因此就有無限多種可能,不滿足有限性的特點,所以不能用古典概型解決問題,在特定情況下,我們可以用幾何概型來計算試
所以上面的方法錯誤,在這裡我們用兩個變數來分析,大家注意方法:解:設父親離家時間為x,送報人送到時間為y,要想父親收的了報紙,必須滿足x大於y,即父親後離開家
最初是純代數角度入手,似乎一年baisic algebra(交換代數、同調代數)是必須的,還有一年的幾何與拓撲(微分流形與代數拓撲),這麼說來好像就要很久的感覺,要是我那時候認識到基礎的重要性,也就不會在gtm52都差不多才去看Huybre
現代機率論基於測度論,定義在 [0, 2] 上的測度(「尺子」)可以有無數種,自然地,事件 {x | x > 1} 的機率也可以是任意的數值
部分內容節選:高中數學教師招聘面試《古典概型》教案一、教學目標【知識與技能】會判斷古典概型,會用列舉法計算一些隨機事件所含的基本事件數和試驗中基本事件的總數
新授——初讀同學們觀察這個轉盤,求出甲獲勝的機率貌似古典概型,但是由於這個問題中的基本事件應該是“指標指向的位置”,而不是“指標指向的區域”,因此就有無限多種可能,不滿足有限性的特點,所以不能用古典概型解決問題,在特定情況下,我們可以用幾何
因此一共有種事件而如果我們將第五次的抽取結果定為號球,那麼得到的可能情況數就是剩下九個球的排列數因此總的機率就是首先來計算一下等可能事件的總數,每個球都有等可能的種不同放法,並且放球可以視為分步獨立進行的,因此最終有個基本事件