程序员数学(25)–概率初步

简介: 本文目录1. 概念2. 列举法求概率3. 用频率估计概率

1. 概念

在一定条件下,可能发生也可能不发生的事件,称为随机事件。


对于随机事件A,刻画其发生可能性大小的数值,称为随机事件A发生的概率,记作P(A)。


一般情况下,如果1次实验中,有n种可能的结果,并且这n种结果发生的可能性等等,事件A包含其中的m种结果,那么事件A发生的概率P(A)=m/n。


P(A)=1时,A为必然事件。

P(A)=0时,A为不可能事件。


2. 列举法求概率

抛两枚硬币,求一正一反的概率。


列举所有结果为:正正、正反、反正、反反,且这4中结果可能性相同。


所以一正一反的概率为P(A)=2/4=0.5。


3. 用频率估计概率

可以利用多次重复试验,通过统计试验结果估计概率。


如果数据量足够大,计算性能足够强,频率应该能越来越接近概率,所以概率的原理是程序员数学中非常重要的知识点。


根据长期实践发现,可以用一个随机事件发生的频率,去估计它的概率。


例如下图,可以往图中撒米粒,通过米粒命中圆内的数量/正方形命中数量,来计算π。

image.png


相关文章
|
6月前
|
算法 测试技术 C++
【动态规划】【 数学】C++算法:514自由之路
【动态规划】【 数学】C++算法:514自由之路
|
5月前
线性代数——(期末突击)概率统计习题(概率的性质、全概率公式)
线性代数——(期末突击)概率统计习题(概率的性质、全概率公式)
45 1
|
5月前
数学基础从高一开始7、等式性质与不等式性质(重点作差法)
数学基础从高一开始7、等式性质与不等式性质(重点作差法)
38 0
|
机器学习/深度学习 人工智能 算法
数学基础之概率论
数学基础之概率论
72 1
|
算法
梯度下降算法详解(从下山比喻、数学推导到代码实现)
梯度下降算法详解(从下山比喻、数学推导到代码实现)
1030 0
|
算法 程序员
程序员的数学【最优化】(三)
本文其实值属于:程序员的数学【AIoT阶段二】 的一部分内容,本篇把这部分内容单独截取出来,方便大家的观看,本文介绍 最优化
207 0
程序员的数学【最优化】(三)
|
程序员
程序员的数学【最优化】(二)
本文其实值属于:程序员的数学【AIoT阶段二】 的一部分内容,本篇把这部分内容单独截取出来,方便大家的观看,本文介绍 最优化
247 0
程序员的数学【最优化】(二)
|
机器学习/深度学习 算法 数据挖掘
程序员的数学【最优化】(一)
本文其实值属于:程序员的数学【AIoT阶段二】 的一部分内容,本篇把这部分内容单独截取出来,方便大家的观看,本文介绍 最优化
214 0
程序员的数学【最优化】(一)
|
机器学习/深度学习 算法 数据挖掘
程序员的数学【概率论】(一)
本文其实值属于:程序员的数学【AIoT阶段二】 的一部分内容,本篇把这部分内容单独截取出来,方便大家的观看,本文介绍 概率论
284 0
程序员的数学【概率论】(一)