概念：
樣本空間：隨機試驗e的所有基本結果組成的集合稱為樣本空間。
隨機事件：隨機試驗e中的樣本空間的子集稱為e的隨機事件，簡稱為事件。
基本事件：由乙個樣本點組成的單點集，稱為基本事件。
以上概念是概率論中基本的概念。
（1）發現問題：
隨機事件中有些是直接用數量來標識的，有的則不是用數量來標識的。要想更深入地了解隨機事件中的規律，那些不能用數字來標識隨機事件，必須能夠寫到紙上來，也就是說必須數量化。數學建模是必不可少的。
（2）解決問題：
如何建模呢？怎麼建已經被那些高人想明白了，我們就看看人家怎麼建吧！
為了將事件數量化，高人把對每個事件對應乙個數值x，x=f(e) x就叫 隨機變數 其中的e就是乙個基本事件,那個f 是某種對應關係（注意f是乙個單值函式），所以說隨機變數是建立在樣本空間上的。下面看看隨機變數的定義：
隨機變數 ：設隨機實驗的樣本空間為w,如果對於每乙個元素e，都有乙個數x與之相對應，
我們就稱為隨機變數。（注意啊，隨機變數的各個取值是有一定概率的 因為這個事件e的發生
是有一定概率的）。
接下來問題又來了，我們把基本事件數量化後，我們發現如果隨機事件中包含的基本事件太多，我們根本無法一一去 觀察，去研究。那怎麼辦呢？我們可以研究隨機變數x的取值範圍在某一區間上（x1,x2]中的概率，注意啊，我們研究的依然是概率的問題，只不過把那些基本事件用的概率，轉換成了數字在某個區間上的概率，他們是等價的。
所以climax來了：
隨機變數x的取值範圍在某一區間上（x1,x2] 中的概率 p 這個是可以很簡單證明的：
太精彩了！因為有了統一的形式也就是說，我們只需要研究
p就好了。
分布函式：
設x是隨機變數，x為任意實數，函式f(x)=p //這個說是f(x)是來研究概率的。
如果知道了x的分布函式 ，我們就能知道x在任一區間的概率，分布函式完整的描述了隨機變數的統計規律性。
有了分布函式的概念，我們該如何表示它呢？如何求出它來呢？
分布函式的意義：
f(x)=p f(x)表示的在整個樣本空間中，那些通過單值函式對映並且對映後的值在（—∞，x）這個區間內的事件集合（隨機事件）發生的概率是多少？
我們可以對每個基本事件求並因為是連續的我們就可以用積分的知識來解決的了
其中的每個基本事件（這樣叫可能不正確）都的發生都有一定的概率。
只要我們知道了隨機變數x的密度函式，就能隨便的求分布函式了。關於這個密度函式 是怎麼來的，我現在還沒有查明白，到底是通過統計出來的，還是理論推導出來的呢？
machine learning中的概率論名詞解釋
事情還沒有發生，要求這件事情發生的可能性的大小，是先驗概率。事情已經發生，要求這件事情發生的原因是由某個因素引起的可能性的大小，是後驗概率，後驗概率的計算，要使用貝葉斯公式。先驗概率僅僅依賴於主觀上的經驗估計，也就是事先根據已有的知識的推斷，在應用貝葉斯理論時，通常將先驗概率乘以似然函式 likel...
概率論學習
離散型隨機變數的值和概率的分布列表 在很多教材中，這樣的列表都被叫做離散型隨機變數的 概率分布 其實嚴格來說，它應該叫 離散型隨機變數的值分布和值的概率分布列表 這個名字雖然比 概率分布 長了點，但是對於我們這些笨學生來說，肯定好理解了很多。因為這個列表，上面是值，下面是這個取值相應取到的概率，而且...
概率論基礎
概率論 第一章 隨機事件及其概率 分為兩類 1.確定性現象 2.隨機現象 1.1隨機事件及其運算 1.隨機試驗與樣本空間 隨機試驗具有下列三個特徵 1 試驗可在相同條件下重複進行 2 試驗的結果不止乙個 3 每次實驗之前，不能判定哪乙個結果將會出現 用e表示隨機試驗。試驗e中的每乙個可能結果稱為基本...