概率基础

概率基础是管理事件可能性如何结合以及随机变量如何描述的基本规则。它们定义了什么是概率，如何对事件的概率进行加法和乘法运算，以及如何通过分布、期望和方差来概括随机量——这些是所有后续统计方法所依赖的基石。

Definition

概率是介于0和1之间的一个数字，分配给一个事件以表示其发生的可能性，它遵循非负性、样本空间总概率为一以及互斥事件可加性等公理。

Scope

本条目涵盖样本空间、事件、概率公理、加法和乘法规则、互补事件，以及随机变量及其期望和方差的概念。它介绍了离散和连续随机变量之间的区别。它将概率视为方法论基础，不提供临床建议。

Core questions

• 什么是样本空间，什么算作事件？
• 组合事件的概率如何相加或相乘？
• 什么是随机变量，如何概括其分布？
• 期望和方差如何定义和解释？

Key concepts

• 样本空间
• 事件
• 概率公理
• 加法规则
• 乘法规则
• 互补事件
• 随机变量
• 期望（均值）
• 方差和标准差

Mechanisms

样本空间列出了随机过程的所有可能结果，事件是样本空间的一个子集。柯尔莫哥洛夫公理要求每个事件都具有非负概率，整个样本空间的概率为一，以及互斥事件并集的概率是它们各自概率之和。由此可推导出补集规则（事件不发生的概率为一减去其发生的概率）、两个事件并集的一般加法规则，以及联合发生的乘法规则。随机变量为每个结果分配一个数字；其期望是这些数字的概率加权平均值，其方差衡量这些数字围绕期望的离散程度。这些定义适用于其值可以列出的离散变量，以及由密度描述的连续变量。

Clinical relevance

概率规则决定了诊断、风险和检测结果的不确定性如何结合，因此对这些规则的掌握有助于解释健康科学中的定量证据。本条目是方法论背景知识，不直接指导个体临床决策。

History

早期概率起源于十七世纪关于机会游戏的通信，并由伯努利和拉普拉斯系统化。现代公理化基础，将概率定义为样本空间上的测度，由安德雷·柯尔莫哥洛夫于1933年提出，统一了该领域，并为当今统计学提供了严谨的基础。

Key figures

• Andrey Kolmogorov
• Pierre-Simon Laplace
• Jacob Bernoulli

Seminal works

• kolmogorov-1956
• ross-2014
• rosner-2015

Frequently asked questions

两个事件互斥意味着什么？

如果两个事件不能同时发生，则它们是互斥的；对于此类事件，其中任一事件发生的概率就是它们各自概率之和。

期望和方差有什么区别？

期望是随机变量的长期平均值，而方差衡量其值围绕该平均值的离散程度；方差的平方根是标准差。