機率論與數理統計，人工智能方向的程式員應該看看！

第一章 機率論基礎

1.1 随機事件與樣本空間

随機試驗：可重複進行，結果預先知道

樣本空間：随機試驗的一切可能結果組成的集合，稱為樣本空間

1.2 事件之間的關系與運算

關系：包含、并交、互不相容（互斥）、差、對立

運算：交換律、結合律、配置設定率、摩根定律

1.3 随機事件的機率

統計機率、古典機率、幾何機率，略

1.4 條件機率 全機率公式與貝葉斯公式

P(B|A)=P(AB)/P(A)，指的是在A發生的情況下B發生的機率

全機率公式

貝葉斯公式（逆機率公式）

實際上，貝葉斯公式可以不用記住，由條件機率和全機率公式推導即可

1.5 事件的獨立性

定義：對兩個事件A、B，如果P(AB)=P(A)P(B)，則稱A、B互相獨立

定理：①設A、B是互相獨立的事件，若P(A)>0，則P(B|A)=P(B)；若P(B)>0，則P(A|B)=P(A)

②設A、B是互相獨立的事件，則下列各對事件也互相獨立：A與B非、A非與B、A非與B非

完整内容請點選：

機率論與數理統計複習 515code.com