2、概率基础：条件概率、独立性与离散随机变量

概率基础：条件概率、独立性与离散随机变量

1. 条件概率与独立性

在概率统计领域，条件概率和独立性是两个极为基础的概念。条件概率反映了在新信息出现时对信念的更新，而独立性则表示新信息的无关性。

1.1 包含 - 排除公式与邦费罗尼界

包含 - 排除公式在精确应用时可能存在困难，因为对于较大的指标 (j)，计算 (S_j) 可能颇具挑战。不过，该公式能为 (n) 个一般事件的并集概率提供双向的边界。

邦费罗尼界定理 ：给定 (n) 个事件 (A_1, A_2, \cdots, A_n)，设 (p_n = P(\bigcup_{i = 1}^{n}A_i))，则有：
(p_n \leq S_1)；(p_n \geq S_1 - S_2)；(p_n \leq S_1 - S_2 + S_3)；(\cdots)
此外，(P(\bigcap_{i = 1}^{n}A_i) \geq 1 - \sum_{i = 1}^{n}P(A_i^c))

1.2 条件概率的定义与相关定理

设 (A)、(B) 为样本空间 (\Omega) 中的一般事件，且 (P(A) > 0)，则给定 (A) 时 (B) 的条件概率定义为：
(P(B|A) = \frac{P(A \cap B)}{P(A)})
基于此定义，有以下重要定理：
- 乘法公式 ：对于任意两个事件 (A)、(B)，若 (P(A) > 0)，则 (P(A \cap B) = P(A)P(B|A))
- 全概率公式 <