2 概率论基础概念之事件与样本空间

查看大图

样本空间是全部可能结果，事件是其中一部分。很多概率题的难点不是算，而是把事件边界圈准。

查看大图

我会把事件写成集合，再判断是并集、交集还是补集。文字题先翻译成集合关系。

在了解了概率的定义之后，我们需要进一步掌握概率论中的重要概念：事件与样本空间。这一节将帮助你理解这些基础概念，为后续学习条件概率与独立性打下坚实的基础。

1. 样本空间

样本空间是概率论中一个核心的概念，它是指在一次试验中所有可能的结果的集合。通常用字母 $S$ 来表示样本空间。

查看大图

学习事件与样本空间时，先写清所有可能结果，再标出真正关心的事件。这个习惯会直接影响后面理解分布、条件概率和模型置信度。

举例说明

假设我们有一个简单的实验：投掷一枚公平的六面骰子。那么，这个实验的样本空间可以表示为：

$$S = \{1, 2, 3, 4, 5, 6\}$$

这里的每一个元素都是一个可能的结果。

其他例子

• 抛硬币实验：在抛一枚硬币的实验中，样本空间为 $S = \{\text{正面}, \text{反面}\}$。
• 抽取扑克牌：从一副标准的52张扑克牌中随机抽取一张，样本空间为 $S$ 的所有51张牌组成。

2. 事件

事件是样本空间中的一个子集。我们可以把事件看作是我们感兴趣的结果的集合。用字母 $A$ 表示事件。

查看大图

读完《概率论基础概念之事件与样本空间》后，可以回头问三件事：它解决什么问题，哪一步最容易出错，自己能否拿一个小例子跑通。

类型

事件可以分为以下几类：

• 基本事件：样本空间中的单个结果，例如骰子投出"3"，用 $A = \{3\}$ 表示。
• 复合事件：包含多个基本事件的集合，例如投出一个偶数，用 $A = \{2, 4, 6\}$ 表示。
• 不可能事件：样本空间中不存在的事件，例如从一副52张扑克牌中抽到一张"Wild Card"。

举例说明

在抛硬币的实验中，事件“抛出正面”可以表示为：

$$A = \{\text{正面}\}$$

而事件“抛出反面或正面”则可以表示为整个样本空间：

$$A = S$$

3. 事件的运算

我们常常需要对事件进行一些运算，常见的包括：并、交、补。

3.1 事件的并

事件 $A$ 和 $B$ 的并记作 $A \cup B$，表示 $A$ 或 $B$ 发生的情形。

举例

假设在投掷骰子的实验中，事件 $A = \{2, 4, 6\}$（投出偶数）和事件 $B = \{1, 2, 3\}$（投出1、2或3），则：

$$A \cup B = \{1, 2, 3, 4, 6\}$$

3.2 事件的交

事件 $A$ 和 $B$ 的交记作 $A \cap B$，表示 $A$ 和 $B$ 同时发生的情形。

举例

继续以上的骰子实验，事件 $A = \{2, 4, 6\}$（投出偶数）和事件 $B = \{1, 2, 3\}$（投出1、2或3），则：

$$A \cap B = \{2\}$$

3.3 事件的补

事件 $A$ 的补记作 $A^c$，表示不发生 $A$ 的情况。

举例

在骰子实验中，如果事件 $A = \{2, 4, 6\}$，其补事件为：

$$A^c = \{1, 3, 5\}$$

4. 代码示例

下面是一个简单的 Python 代码示例，演示如何生成样本空间、定义事件，并进行并、交、补运算。

# 定义样本空间
S = {1, 2, 3, 4, 5, 6}

# 定义事件A和B
A = {2, 4, 6}
B = {1, 2, 3}

# 事件的并
A_union_B = A.union(B)
print("A ∪ B:", A_union_B)

# 事件的交
A_intersection_B = A.intersection(B)
print("A ∩ B:", A_intersection_B)

# 事件的补
A_complement = S - A
print("A的补:", A_complement)

输出结果

运行上述代码将输出：

A ∪ B: {1, 2, 3, 4, 6}
A ∩ B: {2}
A的补: {1, 3, 5}

查看大图

学完《概率论基础概念之事件与样本空间》后，不妨换一个自己的场景试一次，重点观察输入、处理和输出是否能对应起来。

查看大图

如果想把《概率论基础概念之事件与样本空间》用到自己的任务里，可以先缩小场景，只验证一个最关键的判断点。

总结

在这一节中，我们讲解了样本空间与事件的基本概念，包括样本空间的定义、事件的分类及其运算。理解这些基础概念对学习接下来的条件概率与独立性等内容至关重要。希望通过案例与代码示例，能帮助你更好地掌握这一部分的内容！如有任何疑问，请随时提问。