- 一页一块:页号胶囊是 PDF 物理页序(1–30);幻灯片上印的页码可能另有编号,以胶囊为准。
- 逐句对照:蓝色左框内是西语原句(逐字照抄,含原文笔误),下面带「中」字标的是中文翻译;项目符号统一用 • 表示。
- 提示框:绿色「考点」= 这页怎么考;红色「陷阱」= 易错点与原文勘误;紫色「记忆钩子」= 口诀;橙色「补充」= 前后页串联。
- 术语悬停:西语句里带浅蓝底的词,鼠标停上去出中文;中文句里带虚下划线的词,停上去出西语原词。
- 公式:一律用本地 MathJax 渲染(断网也能显示),每个公式下附「符号 / 西语读法 / 中文含义」三列小表——口语考试念的就是这一列。
一、封面与目录
p.1–p.2Repaso teoría de la probabilidad · 概率论复习(封面)
▸ 原页截图 p.1
Repaso teoría de la
Eva Millán
Eva Millán(主讲教师)
Departamento de
Índice · 目录
▸ 原页截图 p.2
Índice
目录
1.
1.
2.
2.
3. Distribuciones
3.
4.
4.
5.
5. 随机变量的
6. Independencia
6. 随机变量的
7.
7.
8.
8.
9.
9.
10.
10.
11. Ejemplo extra: el problema de
11. 补充例子:
二、随机变量与概率分布
p.3–p.91. Variables aleatorias · 随机变量(定义与离散型)
▸ 原页截图 p.3
1.
1.
Definición:
定义:
Una
Toman valores en un conjunto finito o infinito
取值于有限或无限
Ejemplos
例子
X = Número de
X = 一分钟内失败的
Y = Número de
Y = 传输一个 100 包的数据块时
1. Variables aleatorias · 连续型随机变量
▸ 原页截图 p.4
1. Variables aleatorias
1. 随机变量
Toman valores en un conjunto continuo /
取值于实数的一个连续集合/
Ejemplos:
例子:
• Z:
• Z:一个 HTTP 请求的
• W:
• W:服务器 CPU 的
2. Distribuciones de probabilidad · 概率分布与两条基本性质
▸ 原页截图 p.5
2.
2.
Una
En el caso discreto, se representa mediante una
在离散情形下,用
| 符号 | 西语读法 | 中文含义 |
|---|---|---|
| p_X(x) | «pe sub equis de equis» | 随机变量 X 在取值 x 处的概率质量 |
| P(X = x) | «probabilidad de que equis igual a equis» | X 恰好取 x 的概率 |
| x | «equis» | X 的某个具体取值 |
que debe cumplir dos
它必须满足两条基本
• Para todo
• 对每一个可能的
| 符号 | 西语读法 | 中文含义 |
|---|---|---|
| 0 ≤ … ≤ 1 | «entre cero y uno» | 概率必须落在 0 与 1 之间 |
| P(X = x) | «probabilidad de equis igual a equis» | 单个取值的概率 |
• La
• X 所有可能取值的概率之
| 符号 | 西语读法 | 中文含义 |
|---|---|---|
| \sum | «sumatorio» | 求和 |
| \sum_{x} | «sumatorio sobre todas las equis» | 对 X 的所有取值求和 |
| = 1 | «igual a uno» | 归一化条件:总概率为 1 |
2. Distribuciones de probabilidad · HTTP 请求成功/失败的二值分布
▸ 原页截图 p.6
2. Distribuciones de probabilidad
2. 概率分布
Ejemplo:
例:
Consideremos una petición HTTP enviada a un servicio web. Definimos la variable aleatoria X como:
考虑一个发送到 Web 服务的 HTTP 请求。定义随机变量 X 为:
• X=1 si la petición
• 若请求
• X=0 si la petición no falla.
• 若请求不失败,则 X=0。
Supongamos que la probabilidad de fallo es 0.1.
假设失败概率为 0.1。
Como la función de distribución de probabilidad debe cumplir
由于概率分布函数必须满足
| 符号 | 西语读法 | 中文含义 |
|---|---|---|
| \sum_x | «sumatorio sobre las equis» | 对全部取值求和 |
| P(X = x) | «probabilidad de equis igual a equis» | 取该值的概率 |
Entonces:
于是:
| 符号 | 西语读法 | 中文含义 |
|---|---|---|
| p_X(x) | «pe sub equis de equis» | X 的概率质量函数 |
| P(X = 1) = 0.1 | «probabilidad de equis igual a uno es cero coma uno» | 失败概率 0.1 |
| P(X = 0) = 0.9 | «cero coma nueve» | 成功概率 0.9(由 1 − 0.1 得) |
2. Distribuciones de probabilidad · 抽题考试:至少要复习多少题
▸ 原页截图 p.7
2. Distribuciones de probabilidad
2. 概率分布
Otro ejemplo:
另一个例子:
En un
在一场 100 道
¿Cuál es el número mínimo de temas que tiene que estudiar para que la probabilidad de que se sepa al menos uno de los cuatro temas sorteados sea de al menos un 75%?
至少要复习多少道题,才能让「抽出的四道题中至少会一道」的概率不低于 75%?
Sea X una variable aleatoria que toma valores X=1 si se sabe al menos un tema y X=0 en el caso contrario.
设随机变量 X:若至少会一道题则 X=1,否则 X=0。
Sea n el número de temas que estudia.
设 n 为复习的题目数。
P(X=1) = 1- P (X=0)
P(X=1) = 1 − P(X=0)(用对立事件)。
| 符号 | 西语读法 | 中文含义 |
|---|---|---|
| P(X = 0) | «probabilidad de que no sepa ninguno» | 四道抽题一道都不会的概率 |
| \frac{100-n}{100} | «cien menos ene sobre cien» | 第一道抽到「没复习」的概率 |
| \cdot | «por» | 乘(逐次抽取、不放回) |
| n | «ene» | 复习过的题目数 |
Hay que encontrar un n entero tal que
要找一个整数 n,使得
| 符号 | 西语读法 | 中文含义 |
|---|---|---|
| \ge | «mayor o igual que» | 大于等于 |
| 0.75 | «cero coma setenta y cinco» | 75% 的下限 |
En este caso, n= 29 temas.
本题中,n = 29 道题。
| n | P(X = 0) | P(X = 1) = 1 − P(X = 0) | 是否 ≥ 0.75 |
|---|---|---|---|
| 28 | 0.2624 | 0.7376 | 不满足,差 0.0124 |
| 29 | 0.2478 | 0.7522 | 刚好满足(答案) |
| 30 | 0.2338 | 0.7662 | 满足,但不是最小 |
2. Distribuciones de probabilidad · 复习题数的模拟器曲线
▸ 原页截图 p.8(图示页)
2. Distribuciones de probabilidad
2. 概率分布
Otro ejemplo:
另一个例子:
用来确定要复习多少道题的
0,00 · 0,10 · 0,20 · 0,30 · 0,40 · 0,50 · 0,60 · 0,70 · 0,80 · 0,90 · 1,00
纵轴:概率刻度 0.00 → 1.00(西语用逗号作小数点,0,75 即 0.75)
0 · 10 · 20 · 30 · 40 · 50 · 60 · 70 · 80 · 90 · 100
横轴:复习题数 n,0 → 100
2. Distribuciones de probabilidad · 生日悖论练习
▸ 原页截图 p.9
2. Distribuciones de probabilidad
2. 概率分布
Ejercicio:
练习:
Calcula la probabilidad de que en una clase de 40 personas al menos dos de ellas cumplan el mismo día.
计算一个 40 人的班级里至少有两人生日相同的概率。
P(al menos dos cumplan el mismo día) =
P(至少两人生日相同)=
1 – P(ninguna cumpla el mismo día) =
1 − P(没有任何两人生日相同)=
| 符号 | 西语读法 | 中文含义 |
|---|---|---|
| 1 − P(…) | «uno menos la probabilidad de…» | 用对立事件求「至少两同」 |
| \frac{364}{365} | «trescientos sesenta y cuatro sobre trescientos sesenta y cinco» | 第 2 人与第 1 人不同的概率 |
| \cdots | «puntos suspensivos» | 依次连乘到 326/365 |
| \approx 0.9 | «aproximadamente cero coma nueve» | 约 0.9,即约 90% |
三、联合分布与边缘分布
p.10–p.133. Distribuciones conjunta y marginal · 联合概率质量函数
▸ 原页截图 p.10
3. Distribuciones
3.
Describe la probabilidad de cada combinación simultánea de valores de un
它通过一个称为
| 符号 | 西语读法 | 中文含义 |
|---|---|---|
| p_X(x) | «pe sub equis de equis» | 联合概率质量函数 |
| X_1, …, X_n | «equis uno hasta equis ene» | n 个随机变量组成的随机向量 |
| x_1, …, x_n | «equis uno hasta equis ene» | 各分量同时取的具体值 |
| P(…) | «probabilidad conjunta» | 所有分量同时取该组合的概率 |
• pₓ(x) ≥0
• 联合概率非负:pₓ(x) ≥ 0
| 符号 | 西语读法 | 中文含义 |
|---|---|---|
| \ge 0 | «mayor o igual que cero» | 非负性 |
| p_X(x) | «pe sub equis de equis» | 某个联合组合的概率 |
• σₓ pₓ(x) = 1
• 对所有组合求和等于 1:Σₓ pₓ(x) = 1
| 符号 | 西语读法 | 中文含义 |
|---|---|---|
| \sum | «sumatorio» | 求和(原文印作 σₓ,见下方勘误) |
| p_X(x) | «pe sub equis de equis» | 联合概率 |
| = 1 | «igual a uno» | 所有组合的概率总和为 1 |
3. Distribuciones conjunta y marginal · 边缘分布与 marginalizar
▸ 原页截图 p.11
3. Distribuciones conjunta y marginal
3. 联合分布与边缘分布
Asigna una probabilidad a una variable Xᵢsin fijar los valores de las demás variables.
它给某一个变量 Xᵢ 指定概率,而不固定其他变量的取值。
Se obtiene sumando la distribución conjunta sobre todas las demás variables (a esto se le llama
做法是把联合分布对其余所有变量求和(这叫作
| 符号 | 西语读法 | 中文含义 |
|---|---|---|
| p_{X_i}(x_i) | «pe sub equis i de equis i» | 第 i 个变量的边缘概率 |
| \sum_{x_1}\cdots\sum_{x_n} | «sumatorio sobre todas las demás variables» | 对其余变量逐一求和消掉 |
| p_X(x_1,\dots,x_n) | «probabilidad conjunta» | 原来的联合概率 |
| x_i | «equis i» | 保留下来的那个变量的取值 |
3. Distribuciones conjunta y marginal · 三个 Web 状态变量的联合分布表
▸ 原页截图 p.12(表格页)
3. Distribuciones conjunta y marginal
3. 联合分布与边缘分布
Ejemplo:
例:
Consideremos tres variables aleatorias discretas relacionadas con el estado de un sistema web:
考虑三个与 Web 系统状态有关的离散随机变量:
• X:
• X:
• Y:
• Y:
• Z:
• Z:
Y la función de distribución conjunta dada en la tabla:
以及表中给出的联合分布函数:
3. Distribuciones conjunta y marginal · 从联合分布算边缘概率与联合概率
▸ 原页截图 p.13(数值结果页)
3. Distribuciones conjunta y marginal
3. 联合分布与边缘分布
Ejemplo:
例:
La
X 的
• P(X=0) = 0.6875
• P(X=0) = 0.6875
• P(X=1) = 0.3125
• P(X=1) = 0.3125
X 与 Y 的
• P(X=0, Y=0) = 0.5350
• P(X=0, Y=0) = 0.5350
• P(X=0, Y=1) = 0.1525
• P(X=0, Y=1) = 0.1525
• P(X=1, Y=0) = 0.1900
• P(X=1, Y=0) = 0.1900
• P(X=1, Y=1) = 0.1225
• P(X=1, Y=1) = 0.1225
(X:
(X:
| 符号 | 西语读法 | 中文含义 |
|---|---|---|
| P(X=0) | «probabilidad marginal de equis igual a cero» | X=0 的边缘概率 |
| P(X=0,Y=0) | «probabilidad conjunta de equis cero y ye cero» | X=0 且 Y=0 的那一格 |
| + | «más» | 把 Y 的两种取值加掉(边缘化) |
| 0.6875 | «cero coma seis mil ochocientos setenta y cinco» | 结果,与原文 P(X=0) 一致 |
| 要算的量 | 式子 | 结果 |
|---|---|---|
| P(X=0) | 0.5350 + 0.1525 | 0.6875 |
| P(X=1) | 0.1900 + 0.1225 | 0.3125 |
| 边缘合计 | 0.6875 + 0.3125 | 1.0000 |
| 四格合计 | 0.5350 + 0.1525 + 0.1900 + 0.1225 | 1.0000 |
四、条件概率与独立性
p.14–p.194. Probabilidad condicionada · 条件概率的定义与 0,5798 练习
▸ 原页截图 p.14
4.
4.
La probabilidad condicionada permite calcular la probabilidad de que una variable aleatoria 𝑋 tome un valor 𝑥cuando se conoce que otra variable aleatoria 𝑌ha tomado el valor 𝑦.
条件概率用来计算:在已知另一个随机变量 𝑌 取值为 𝑦 的情况下,随机变量 𝑋 取值为 𝑥 的概率。
Se define como:
定义为:
| 符号 | 西语读法 | 中文含义 |
|---|---|---|
| P(X=x\mid Y=y) | «probabilidad de equis igual a equis dado ye igual a ye» | 给定 Y=y 时 X=x 的条件概率 |
| P(X=x,Y=y) | «probabilidad conjunta» | 分子:两件事同时发生的概率 |
| P(Y=y) | «probabilidad marginal de ye» | 分母:条件事件的概率 |
| P(Y=y)>0 | «siempre que pe de ye sea mayor que cero» | 分母不能为 0,否则无定义 |
siempre que 𝑃(𝑌= 𝑦) > 0
前提是 𝑃(𝑌 = 𝑦) > 0。
Ejercicio:
练习:
Sean las variables del ejemplo anterior X (carga de CPU alta) y Z (latencia elevada).Calcula:
用上一例中的变量 X(CPU 负载高)与 Z(高延迟),求:
• P(Z = 1, X = 1)
• P(Z = 1, X = 1)
= 0.1812
= 0.1812
• P(X = 1)
• P(X = 1)
= 0.3125.
= 0.3125。
• P(Z = 1/ X = 1)
• P(Z = 1 / X = 1)(即 P(Z=1 | X=1))
=
=
0.1812
0.1812
0.3125
0.3125
≈0.5798
≈ 0.5798
| 符号 | 西语读法 | 中文含义 |
|---|---|---|
| P(Z=1\mid X=1) | «probabilidad de zeta igual a uno condicionada a equis igual a uno» | 已知 CPU 高负载时高延迟的概率 |
| 0.1812 | «cero coma mil ochocientos doce» | Z=1 且 X=1 的联合概率(表里读) |
| 0.3125 | «cero coma tres mil ciento veinticinco» | X=1 的边缘概率(分母) |
| \approx | «aproximadamente» | 约等于 |
| 步骤 | 式子 | 数值 |
|---|---|---|
| ① 取交集 | P(Z=1, X=1) | 0.1812 |
| ② 取条件 | P(X=1) | 0.3125 |
| ③ 相除 | 0.1812 / 0.3125 | 0.57984 |
| ④ 取近似 | ≈ 0.5798 | 0.5798 |
| ✗ | 0.3125 / P(Z=1) | 方向反了:P(Z=1|X=1) 的分母必须是 P(X=1) |
5. Independencia de variables aleatorias · 独立的两种定义
▸ 原页截图 p.15
5.
5. 随机变量的
Definición por
用
Dos variables X e Y son
两个变量 X 与 Y 是
| 符号 | 西语读法 | 中文含义 |
|---|---|---|
| P(X=x\mid Y=y) | «probabilidad condicionada» | 知道 Y=y 后 X=x 的概率 |
| P(X=x) | «probabilidad marginal» | 不看 Y 时 X=x 的概率 |
| = | «igual» | 条件概率与边缘概率相等 |
| \text{para todo }Y | «para todo ye» | 对 Y 的所有取值都要成立 |
Definición por
用
Dos variables X e Y son independientes si:
两个变量 X 与 Y 独立,当且仅当:
| 符号 | 西语读法 | 中文含义 |
|---|---|---|
| P(X=x,Y=y) | «probabilidad conjunta» | 两件事同时发生的概率 |
| P(X=x)\cdot P(Y=y) | «producto de las marginales» | 两个边缘概率相乘 |
| \cdot | «por» | 乘号 |
5. Independencia de variables aleatorias · 两种定义等价性的证明
▸ 原页截图 p.16(证明页)
5. Independencia de variables aleatorias
5. 随机变量的独立性
两种定义
Supongamos que P(Y = y) > 0,
设 P(Y = y) > 0,
(1) => (2):
(1) ⇒ (2):
Si P(X = x|Y = y) = P(X = x), entonces:
若 P(X = x|Y = y) = P(X = x),则:
| 符号 | 西语读法 | 中文含义 |
|---|---|---|
| P(X=x,Y=y) | «probabilidad conjunta» | 要证的左边:联合概率 |
| P(X=x\mid Y=y)\,P(Y=y) | «condicionada por la marginal» | 条件概率定义反解出来的乘积 |
| P(X=x)\cdot P(Y=y) | «producto de las marginales» | 把条件项换成边缘项(用假设) |
(2) => (1):
(2) ⇒ (1):
Si P(X = x, Y = y) = P(X = x) ⋅P(Y = y) y P(Y = y) > 0:
若 P(X = x, Y = y) = P(X = x) · P(Y = y) 且 P(Y = y) > 0:
| 符号 | 西语读法 | 中文含义 |
|---|---|---|
| \frac{P(X=x,Y=y)}{P(Y=y)} | «conjunta partido por marginal» | 条件概率的定义式 |
| \frac{P(X=x)\cdot P(Y=y)}{P(Y=y)} | «producto partido por pe de ye» | 把分子换成乘积(用假设 2) |
| =P(X=x) | «se cancela pe de ye» | P(Y=y) 上下约掉,只剩 P(X=x) |
Supongamos que 𝑃(𝑌= 𝑦) = 0:
再设 𝑃(𝑌 = 𝑦) = 0:
𝑃(𝑋= 𝑥, 𝑌= 𝑦) = 0 = 𝑃(𝑋= 𝑥)𝑃(𝑌= 𝑦)
𝑃(𝑋 = 𝑥, 𝑌 = 𝑦) = 0 = 𝑃(𝑋 = 𝑥)𝑃(𝑌 = 𝑦)。
| 符号 | 西语读法 | 中文含义 |
|---|---|---|
| P(X=x,Y=y)=0 | «probabilidad conjunta nula» | 不可能事件与任何事件同时发生都不可能 |
| P(Y=y)=0 | «pe de ye igual a cero» | 假设条件事件概率为 0 |
| 0=P(X=x)\,P(Y=y) | «producto nulo» | 乘积含 0,故等式成立 |
Se suele decir que las variables aleatorias son independientes si la probabilidad conjunta
通常就说:若
5. Independencia de variables aleatorias · 双磁盘故障练习
▸ 原页截图 p.17(练习页)
5. Independencia de variables aleatorias
5. 随机变量的独立性
Ejercicio:
练习:
Consideremos dos
考虑两台
• X:
• X:
• Y:
• Y:
Supongamos que X e Y son
设 X 与 Y
a) La
a)
b) La
b)
c) Probabilidad de que falle al menos uno de los dos discos
c) 两个磁盘中至少有一个故障的概率
Si suponemos que X e Y son independientes, tendríamos que
若假定 X 与 Y 独立,则应有
| 符号 | 西语读法 | 中文含义 |
|---|---|---|
| P(X=1,Y=1) | «probabilidad conjunta de los dos fallos» | 两个盘同时故障的概率 |
| 0.02 | «cero coma cero dos» | P(X=1),A 盘故障 |
| 0.03 | «cero coma cero tres» | P(Y=1),B 盘故障 |
| \cdot | «por» | 独立才可直接相乘 |
Si queremos calcular la distribución condicionada:
若要计算条件分布:
| 符号 | 西语读法 | 中文含义 |
|---|---|---|
| P(X=1\mid Y=1) | «probabilidad de equis uno dado ye uno» | 已知 B 盘故障时 A 盘故障的概率 |
| 0.0006 | «cero coma cero cero cero seis» | 分子:两盘同时故障 |
| 0.03 | «cero coma cero tres» | 分母:B 盘故障 |
Que vemos que es igual a P(X=1)
可以看到它等于 P(X=1)。
Si queremos calcular la probabilidad de que falle al menos uno de los dos discos, sería P(X ≥1) = 0.02 + 0.03 – 0.0006 = 0.0494.
若要计算两个盘中至少一个故障的概率,则为 P(X ≥ 1) = 0.02 + 0.03 − 0.0006 = 0.0494。
| 符号 | 西语读法 | 中文含义 |
|---|---|---|
| P(X\ge1) | «probabilidad de que falle al menos uno» | 至少一个故障(容斥原理) |
| P(X=1)+P(Y=1) | «suma de las marginales» | 两个单盘故障概率相加 |
| -\,P(X=1,Y=1) | «menos la intersección» | 减掉被重复算的「两个都坏」 |
| 0.0494 | «cero coma cero cuatro noventa y cuatro» | 最终结果 |
| 小问 | 式子 | 结果 |
|---|---|---|
| a | 0.02 · 0.03 | 0.0006 |
| b | 0.0006 / 0.03 | 0.02 |
| c | 0.02 + 0.03 − 0.0006 | 0.0494 |
| ✗ c | 0.02 + 0.03 | 0.05:漏减交集,把「两个都坏」算了两遍 |
6. Independencia condicional · 给定 Z 时的条件独立
▸ 原页截图 p.18
6.
6. 随机变量的
Definición
定义
X e Y son
若在已知 Z 之后,知道 Y 不再改变 X 的分布,则称 X 与 Y 在给定 Z 时
| 符号 | 西语读法 | 中文含义 |
|---|---|---|
| P(X=x\mid Y=y,Z=z) | «probabilidad de equis dado ye y zeta» | 同时知道 Y、Z 时 X 的概率 |
| P(X=x\mid Z=z) | «probabilidad de equis dado zeta» | 只知道 Z 时 X 的概率 |
| = | «igual» | 多知道一个 Y 不改变结果 |
| 符号 | 西语读法 | 中文含义 |
|---|---|---|
| P(X=x,Y=y\mid Z=z) | «conjunta condicionada a zeta» | 在 Z=z 的世界里两件事同时发生 |
| P(X=x\mid Z=z)\cdot P(Y=y\mid Z=z) | «producto de las dos condicionadas» | 两个条件概率相乘 |
Se suele decir que las variables aleatorias X e Y son condicionalmente independientes dado Z si la probabilidad conjunta factoriza como producto de las distribuciones de probabilidades marginales de X e Y condicionadas a Z.
通常的说法是:若联合概率能分解为 X 与 Y 在给定 Z 下的边缘概率之积,则 X 与 Y 在给定 Z 时条件独立。
6. Independencia condicional · Web 服务器三变量的数值例子
▸ 原页截图 p.19(含 Z→X、Z→Y 贝叶斯网络图)
6. Independencia condicional de variables aleatorias
6. 随机变量的条件独立
Ejemplo:
例:
Consideremos tres variables de un servidor web:
考虑一台 Web 服务器的三个变量:
• Z:
• Z:
• X:
• X:
• Y:
• Y:
Supongamos que P(X=1|Z=1)=0.8 y P(Y=1|Z=1)=0.7.
设 P(X=1|Z=1)=0.8,P(Y=1|Z=1)=0.7。
Dado Z, X e y son independientes, por tanto:
给定 Z 后,X 与 Y 独立,因此:
• P(X=1, Y=1 | Z=1) = 0.8 · 0.7 = 0.56
• P(X=1, Y=1 | Z=1) = 0.8 · 0.7 = 0.56
• P(X=1 | Y=1, Z=1) = P(X=1 | Z=1) = 0.8
• P(X=1 | Y=1, Z=1) = P(X=1 | Z=1) = 0.8
Z
Z(图上层节点:请求量)
X
X(左下子节点:CPU 负载)
Y
Y(右下子节点:内存占用)
| 符号 | 西语读法 | 中文含义 |
|---|---|---|
| P(X=1,Y=1\mid Z=1) | «conjunta de equis y ye dado zeta» | 请求量高时 CPU 高且内存高 |
| P(X=1\mid Z=1) | «cero coma ocho» | 已知请求量高时 CPU 高的概率 |
| P(Y=1\mid Z=1) | «cero coma siete» | 已知请求量高时内存高的概率 |
| 0.56 | «cero coma cincuenta y seis» | 两者同时发生的条件概率 |
| 符号 | 西语读法 | 中文含义 |
|---|---|---|
| P(X=1\mid Y=1,Z=1) | «conocidos ye y zeta» | 同时知道内存高、请求量高 |
| P(X=1\mid Z=1) | «solo conocido zeta» | 只保留 Z,Y 被丢掉 |
| 0.8 | «cero coma ocho» | 多知道 Y 也不变,正是条件独立 |
五、全概率、贝叶斯与链式法则
p.20–p.267. Ley de probabilidad total · 全概率公式与边缘化
▸ 原页截图 p.20
7.
7.
Sea 𝑋una variable aleatoria discreta que toma valores {𝑥1, … , 𝑥n}, y sea 𝑌otra variable aleatoria.
设 𝑋 是取值为 {𝑥1, …, 𝑥n} 的离散随机变量,𝑌 是另一个随机变量。
La ley de la probabilidad total establece que para cualquier valor 𝑦:
全概率公式指出,对任意取值 𝑦:
| 符号 | 西语读法 | 中文含义 |
|---|---|---|
| P(Y=y) | «probabilidad total de ye igual a ye» | 要求的总概率 |
| \sum_{i=1}^{n} | «sumatorio desde i igual a uno hasta ene» | 把所有「原因」xᵢ 逐一加掉 |
| P(Y=y\mid X=x_i) | «probabilidad condicionada a la causa» | 在原因 xᵢ 下出现结果 y 的概率 |
| P(X=x_i) | «probabilidad de la causa» | 该原因本身的权重 |
Puede entenderse como una forma de
它可以理解为一种
| 符号 | 西语读法 | 中文含义 |
|---|---|---|
| P(Y=y) | «probabilidad marginal» | 把 X 加掉后 Y 的边缘概率 |
| P(Y=y,X=x_i) | «probabilidad conjunta» | Y=y 与 X=xᵢ 的联合概率 |
| \sum_{i} | «sumar sobre todas las x i» | 对 X 的所有取值求和 |
y, utilizando la definición de probabilidad condicionada:
再利用条件概率的定义:
| 符号 | 西语读法 | 中文含义 |
|---|---|---|
| P(Y=y,X=x_i) | «probabilidad conjunta» | 交集概率 |
| P(Y=y\mid X=x_i) | «condicionada» | 给定原因后的条件概率 |
| P(X=x_i) | «marginal de la causa» | 乘以原因的概率 |
Sustituyendo esta expresión en la anterior:
把该式代入上一式:
| 符号 | 西语读法 | 中文含义 |
|---|---|---|
| P(Y=y) | «probabilidad total» | 结论:回到全概率公式 |
| \sum_{i}P(Y=y\mid X=x_i)P(X=x_i) | «suma de condicionada por marginal» | 「条件 × 权重」逐项相加 |
7. Ley de probabilidad total · 负载均衡器三服务器示例(0,038)
▸ 原页截图 p.21(加权计算页)
7. Ley de probabilidad total
7. 全概率公式
Consideremos dos variables aleatorias:
考虑两个随机变量:
• X:
• X:
• Y:
• Y:
Sea P(X=A) = 0.50; P(X=B)=0.30 ;P(X=C)=0.20
设 P(X=A)=0.50;P(X=B)=0.30;P(X=C)=0.20。
失败的
• P(Y=1|X=A) = 0.02
• P(Y=1|X=A) = 0.02
• P(Y=1|X=B) = 0.04
• P(Y=1|X=B) = 0.04
• P(Y=1|X=C) = 0.08
• P(Y=1|X=C) = 0.08
Aplicando la ley de probabilidad total:
套用全概率公式:
• P(Y=1)=0.02·0.50 + 0.04·0.30 + 0.08·0.20
• P(Y=1)=0.02·0.50 + 0.04·0.30 + 0.08·0.20
• P(Y=1)=0.010 + 0.012 + 0.016 = 0.038
• P(Y=1)=0.010 + 0.012 + 0.016 = 0.038
Por lo tanto, la probabilidad total de que una petición falle es 0.038, es decir, un 3.8%.
因此,一个请求失败的总概率是 0.038,也就是 3.8%。
| 符号 | 西语读法 | 中文含义 |
|---|---|---|
| P(Y=1) | «probabilidad total de fallo» | 一次请求失败的总概率 |
| 0.02\cdot0.50 | «cero coma cero dos por cero coma cinco» | A 的失败率 × A 的流量份额 |
| 0.04\cdot0.30 | «cero coma cero cuatro por cero coma tres» | B 的失败率 × B 的流量份额 |
| 0.08\cdot0.20 | «cero coma cero ocho por cero coma dos» | C 的失败率 × C 的流量份额 |
| 服务器 | 条件失败率 | 流量权重 | 贡献 |
|---|---|---|---|
| A | 0.02 | 0.50 | 0.010 |
| B | 0.04 | 0.30 | 0.012 |
| C | 0.08 | 0.20 | 0.016 |
| 合计 | — | 1.00 | 0.038 |
8. Teorema de Bayes · 先验、似然、边缘、后验
▸ 原页截图 p.22
8.
8.
El teorema de Bayes permite calcular la probabilidad de una
贝叶斯定理用来计算:当观察到新
| 符号 | 西语读法 | 中文含义 |
|---|---|---|
| P(X\mid Y) | «probabilidad a posteriori» | 看过证据后对假设的信念(后验) |
| P(Y\mid X) | «verosimilitud» | 假设成立时观察到该证据的概率(似然) |
| P(X) | «probabilidad a priori» | 看证据前的初始信念(先验) |
| P(Y) | «probabilidad marginal de la evidencia» | 证据本身的总概率(常用全概率公式算) |
si P(Y) > 0
前提是 P(Y) > 0。
Donde:
其中:
• P(X) es la
• P(X) 是
• P(Y/X) es la
• P(Y/X) 是
• P(Y) es la
• P(Y) 是 Y 的
• P(X/Y) es la
• P(X/Y) 是
8. Teorema de Bayes · 血检阳性示例(罕见病)
▸ 原页截图 p.23(贝叶斯计算页)
8. Teorema de Bayes
8. 贝叶斯定理
Ejemplo:
例:
Un análisis de sangre que te has realizado ha dado positivo para una
你做的一次血检对一种
Los resultados del test son fiables al 99%, tanto en el caso de que sean positivos como negativos.
该检测的可靠度为 99%,无论阳性还是阴性结果都是如此。
¿Cuál es aproximadamente la probabilidad que tienes de padecer la enfermedad?
那么你患病的概率大约是多少?
Sea A = padecer la enfermedad y B= dar positivo en el test
设 A = 患病,B = 检测呈阳性。
Según el Teorema de Bayes:
根据贝叶斯定理:
| 符号 | 西语读法 | 中文含义 |
|---|---|---|
| P(A\mid B) | «probabilidad de padecer la enfermedad dado positivo» | 阳性后真正患病的后验概率 |
| P(A) | «prevalencia» | 先验:0.0001(万分之一) |
| P(B\mid A) | «tasa de verdaderos positivos» | 真阳性率 0.99 |
| P(\bar A) | «no padecer la enfermedad» | 1 − 0.0001 = 0.9999 |
| P(B\mid\bar A) | «tasa de falsos positivos» | 假阳性率 0.01 |
| P(B) | «probabilidad total de dar positivo» | 分母用全概率公式展开 |
𝑃𝐴/𝐵
P(A/B)(原页末尾的公式标注)
8. Teorema de Bayes y probabilidad · 患病率与检测率四组对比
▸ 原页截图 p.24(数值表页)
8. Teorema de Bayes y probabilidad
8. 贝叶斯定理与概率
Ejemplo
例
Influencia de
¿Cómo cambia la probabilidad de estar enfermo habiendo dado positivo en la prueba en función de la prevalencia y las tasas de verdaderos positivos y falsos positivos?
在检测呈阳性的前提下,「患病概率」会随患病率、真阳性率和假阳性率怎样变化?
Prevalencia 0,0001 · Verdaderos positivos 0,99 · Falsos positivos 0,01 · Probabilidad 0,009804
患病率 0.0001 · 真阳性 0.99 · 假阳性 0.01 · 后验概率 0.009804
Prevalencia 0,01 · Verdaderos positivos 0,99 · Falsos positivos 0,01 · Probabilidad 0,5
患病率 0.01 · 真阳性 0.99 · 假阳性 0.01 · 后验概率 0.5
Prevalencia 0,0001 · Verdaderos positivos 1 · Falsos positivos 0,0001 · Probabilidad 0,500025
患病率 0.0001 · 真阳性 1 · 假阳性 0.0001 · 后验概率 0.500025
Prevalencia 0,1 · Verdaderos positivos 0,99 · Falsos positivos 0,01 · Probabilidad 0,916667
患病率 0.1 · 真阳性 0.99 · 假阳性 0.01 · 后验概率 0.916667
| Prevalencia | Verdaderos positivos | Falsos positivos | P(A|B) |
|---|---|---|---|
| 0.0001 | 0.99 | 0.01 | 0.009804 |
| 0.01 | 0.99 | 0.01 | 0.5 |
| 0.0001 | 1 | 0.0001 | 0.500025 |
| 0.1 | 0.99 | 0.01 | 0.916667 |
9. Regla de la cadena · 链式法则的定义
▸ 原页截图 p.25
9.
9.
Definición
定义
La regla de la cadena permite calcular la
链式法则用一串
Se deriva directamente de la definición de probabilidad condicionada y establece que, para 𝑛 variables aleatorias, su distribución conjunta se
它直接由条件概率的定义推出:对 𝑛 个随机变量,其联合分布可
| 符号 | 西语读法 | 中文含义 |
|---|---|---|
| P(X_1,\dots,X_n) | «probabilidad conjunta de las n variables» | n 个变量的联合概率 |
| P(X_1) | «probabilidad marginal de la primera» | 第一项:不带条件的边缘概率 |
| P(X_2\mid X_1) | «condicionada a la primera» | 第二项:给定 X₁ |
| P(X_3\mid X_1,X_2) | «condicionada a las dos anteriores» | 第三项:给定前两个 |
| P(X_n\mid X_1,\dots,X_{n-1}) | «condicionada a todas las anteriores» | 最后一项:给定前 n−1 个 |
9. Regla de la cadena · 重请求 → CPU 满载 → 服务崩溃(0,036)
▸ 原页截图 p.26(链式相乘页)
9. Regla de la cadena
9. 链式法则
Ejemplo
例
Imaginemos tres variables aleatorias binarias relacionadas con el procesamiento de una petición:
设想三个与「处理一个请求」有关的二值随机变量:
• A:
• A:
• B:
• B:
• C:
• C:
Supongamos que
设
P(A=1) = 0.05; P(B=1 | A=1) = 0.80; P(C=1 | A=1, B=1) = 0.90.
P(A=1) = 0.05;P(B=1 | A=1) = 0.80;P(C=1 | A=1, B=1) = 0.90。
Calcula la probabilidad conjunta 𝑃(𝐴= 1, 𝐵= 1, 𝐶= 1).
求联合概率 𝑃(𝐴 = 1, 𝐵 = 1, 𝐶 = 1)。
Aplicando la regla de la cadena:
应用链式法则:
| 符号 | 西语读法 | 中文含义 |
|---|---|---|
| P(A=1) | «cero coma cero cinco» | 请求很重的先验概率 |
| P(B=1\mid A=1) | «cero coma ochenta» | 重请求下 CPU 满载的概率 |
| P(C=1\mid A=1,B=1) | «cero coma noventa» | 重请求且 CPU 满载下崩溃的概率 |
| 0.036 | «cero coma cero treinta y seis» | 三件事同时发生的概率 |
| 步骤 | 计算 | 结果 |
|---|---|---|
| ① | 0.05 × 0.80 | 0.04 |
| ② | 0.04 × 0.90 | 0.036 |
| ✗ | 0.80 × 0.90 | 0.72:漏乘 P(A=1)=0.05,把先验权重丢了 |
六、综合练习与 Monty Hall
p.27–p.3010. Ejercicio resumen · 五变量联合分布表(32 行)
▸ 原页截图 p.27(32 行联合分布表)
10.
10.
En un sistema web distribuido se observan las variables aleatorias binarias
在一个分布式 Web 系统中观察以下二值随机变量:
• A:
• A:
• B:
• B:
• C:
• C:
• D:
• D:
• E:
• E:
(0: no, 1: sí)
(0:否,1:是)
La tabla muestra la
表中给出
10. Ejercicio resumen · a)–e) 五问
▸ 原页截图 p.28
10. Ejercicio resumen
10. 综合练习
Se pide:
求:
a) Calcula la
a) 计算 A 的
b) Calcula la
b) 计算 B 与 C 的
c) Calcula la probabilidad de que el servidor esté sobrecargado si se observan simultáneamente carga de CPU alta, uso de memoria alto, congestión de red y latencia elevada:
c) 在同时观察到 CPU 负载高、内存占用高、网络拥塞和高延迟时,服务器过载的概率:
d) Calcula la probabilidad de observar latencia elevada sabiendo que el servidor está sobrecargado
d) 已知服务器过载,观察到高延迟的概率
e) Interpreta brevemente el resultado obtenido en los apartados 3 y 4 en el contexto del sistema web.
e) 结合 Web 系统背景,简要解释第 3、4 小问的结果。
| 符号 | 西语读法 | 中文含义 |
|---|---|---|
| P(E=1\mid A=1,\dots,D=1) | «sobrecarga dado el resto de síntomas» | c) 问:给定四个症状时过载的条件概率 |
| P(A=1,\dots,E=1) | «conjunta de las cinco variables» | 分子:五变量全为 1 的那一行 |
| P(A=1,\dots,D=1) | «marginal de los cuatro síntomas» | 分母:固定 A–D 后对 E 求和 |
| 符号 | 西语读法 | 中文含义 |
|---|---|---|
| P(D=1\mid E=1) | «latencia dado servidor sobrecargado» | d) 问:已知过载时高延迟的概率 |
| P(D=1,E=1) | «conjunta de latencia y sobrecarga» | 分子:D=1 且 E=1 的所有行求和 |
| P(E=1) | «marginal de sobrecarga» | 分母:E=1 的所有行求和 |
11. Monty Hall · 题干与三个选项
▸ 原页截图 p.29(题干页)
11. Ejemplo extra: el problema de
11. 附加例子:
En el concurso televisivo
在电视节目
Su premio será lo que se encuentre detrás de la
奖品就是他选中的那扇
Una de ellas oculta un
其中一扇门后是
Una vez que el concursante ha elegido una puerta, el
参赛者选好一扇门后,
En ese momento, el concursante tiene la opción de cambiar su puerta por la que aún continúa cerrada.
这时,参赛者可以选择把门换成那扇仍然关着的门。
¿Debe el concursante mantener su elección original o escoger la otra puerta?
参赛者应该坚持原来的选择,还是改选另一扇门?
a) Debe mantener su elección original
a) 应坚持原来的选择
b) Debe cambiar
b) 应该换门
c) En realidad, da igual lo que haga
c) 其实换不换都一样
11. Monty Hall · 来源、结论与 2/3 的证明
▸ 原页截图 p.30(来源与结论页)
11. Ejemplo extra: el problema de Monty Hall
11. 附加例子:蒙提·霍尔问题
• Fuente:
• 来源:
• Simulador:
• 模拟器:
• Películas:
• 电影:
• Serie:
• 剧集:
• Libros:
• 书籍:
• La historia completa en
• 完整故事见
Solución: si cambias la puerta,
解答:如果换门,你获胜的概率会
𝑃𝐴/𝐵
P(A/B)(原页末尾的条件概率记号)
| 符号 | 西语读法 | 中文含义 |
|---|---|---|
| P(\text{ganar}\mid\text{cambiar}) | «probabilidad de ganar si cambias» | 换门后获胜的概率 |
| P(\text{ganar}\mid\text{mantener}) | «probabilidad de ganar si mantienes» | 坚持原门获胜的概率 |
| \frac{2}{3},\ \frac{1}{3} | «dos tercios, un tercio» | 2/3 恰好是 1/3 的两倍 |
| 车门 | 初选 | 主持人打开 | 换门结果 | 不换结果 |
|---|---|---|---|---|
| 1 | 1 | 2 或 3(有羊) | 输 | 赢 |
| 2 | 1 | 3(有羊) | 赢 | 输 |
| 3 | 1 | 2(有羊) | 赢 | 输 |
| 合计 | — | — | 2/3 赢 | 1/3 赢(坚持是劣策略) |
专有名词速记表(A–Z)
共 103 条,覆盖全 30 页的高频术语。第三列点页码直接跳回原页;最后一列只写「一句话 + 最容易被扣分的点」。
| 西语术语 | 中文 | 页码 | 一句话记住 · 易错点 |
|---|---|---|---|
| # | |||
| 21 Black Jack | 电影《21 点》 | p.30 | 电影用 Monty Hall 讲换门;只作来源,不是公式依据。 |
| 《Let's Make a Deal》 | 《Let's Make a Deal》 | p.29 | Monty Hall 原节目名;结论前提是主持人知道车在哪。 |
| 服务器 A 的磁盘状态 | 服务器 A 的磁盘状态 | p.17 | 即 p.17 的 X;题干给的 0.02 是单盘故障率。 |
| 服务器 B 的磁盘状态 | 服务器 B 的磁盘状态 | p.17 | 即 p.17 的 Y;求「至少一块坏」用容斥。 |
| A | |||
| Ask Marilyn (Vos Savant) | Ask Marilyn(Vos Savant) | p.30 | 专栏作者因 Monty Hall 一题引发论战;结论是换门 2/3。 |
| Ask Marilyn(Vos Savant) | Ask Marilyn(Vos Savant) | p.30 | 同一条的另一种写法;答题只认「换门概率翻倍」。 |
| B | |||
| balanceador | 负载均衡器 | p.21 | 按流量权重选服务器;权重必须加和为 1。 |
| C | |||
| cabra | 山羊 | p.29 | 山羊=没中奖的门;开门后两扇门概率是 1/3 与 2/3。 |
| Carga de CPU | CPU 负载 | p.12 | 连续量,只谈区间概率,单点概率为 0。 |
| Carga de CPU alta | CPU 负载高 | p.19 | 贝叶斯网络里的观测证据,会改变后验。 |
| coche | 汽车 | p.29 | 汽车=中奖门;初选命中 1/3,换门后变 2/3。 |
| condicional | 条件独立性 | p.2 | 目录里的「条件」小节;条件概率分母必须为正。 |
| condicionalmente independientes | 条件独立 | p.18 | 给定 Z 后 P(X|Y,Z)=P(X|Z);反过来推不成立。 |
| Congestión de red | 网络拥塞 | p.12 | 连续随机变量的例子;用密度积分求区间概率。 |
| conjunta | 联合 | p.2 | 联合分布描述多变量同时取值;对另一变量求和得边缘。 |
| CPU 负载 | CPU 负载 | p.12 | 同 Carga de CPU;连续量,不要算 P(X=x)。 |
| CPU 负载高 | CPU 负载高 | p.19 | 观测到高负载才更新后验,别把先验当结论。 |
| CPU 达到 100% 负载 | CPU 达到 100% 负载 | p.26 | 链式法则第三个事件;连乘前先定条件顺序。 |
| D | |||
| Demostración | 证明 | p.16 | p.16 证两定义等价;P(Y=y)=0 时条件式无定义,需单独讨论。 |
| distribución condicionada | 条件分布 | p.17 | 在给定条件下重新归一化,总和仍为 1。 |
| distribución conjunta | 联合分布 | p.13 | 联合表所有格子加起来等于 1,这是最快的自检。 |
| distribución de probabilidad | 概率分布 | p.5 | 取值到概率的映射;离散用质量函数、连续用密度。 |
| Distribución de probabilidad conjunta | 联合概率分布 | p.10 | 多个变量的联合质量函数;表内总和为 1。 |
| Distribución marginal | 边缘分布 | p.11 | 对另一个变量求和;只加不除。 |
| Distribuciones de probabilidad | 概率分布 | p.2 | 目录小节名;含边缘、联合、条件三类。 |
| distribuciones marginales | 边缘分布 | p.16 | 由联合表按行或按列求和得到。 |
| duplicas | 翻倍 | p.30 | 换门概率 1/3 变 2/3,是翻倍不是变成 100%。 |
| E | |||
| Ejercicio resumen | 综合练习 | p.2 | p.27–p.28 的五变量综合题;2⁵=32 行联合表。 |
| El servicio se cae | 服务崩溃 | p.26 | 链式法则例题的顶事件;0.036 是三个条件概率之积。 |
| El usuario hace una petición muy pesada | 用户发起非常重的请求 | p.26 | 0.05 是链式乘积的第一个因子,最容易被漏乘。 |
| equivalencia | 等价性 | p.16 | 两定义等价要双向证明;只证一边不算完。 |
| Estado del disco del servidor A | 服务器 A 的磁盘状态 | p.17 | 即 X;两盘独立时联合概率可直接相乘。 |
| Estado del disco del servidor B | 服务器 B 的磁盘状态 | p.17 | 即 Y;P(X≥1 ∪ Y≥1) 用 1 减都不发生的概率。 |
| evidencia | 证据 | p.22 | 观测到的 Y;贝叶斯用它把先验变成后验。 |
| examen de oposición | 竞争性考试 | p.7 | 频率解释的类比;不影响公式用法。 |
| experimento aleatorio | 随机试验 | p.3 | 结果不确定但可重复;样本空间列出所有可能结果。 |
| F | |||
| p.30 | Monty Hall 讨论的传播来源之一;仅作出处。 | ||
| factoriza | 分解为乘积 | p.16 | 独立时联合概率分解为边缘之积;反之不一定。 |
| falla | 失败 | p.6 | 故障即事件发生;求「至少一次」用 1 减去一次都不发生。 |
| Formulación equivalente | 等价形式 | p.18 | 条件独立也可写 P(X,Y|Z)=P(X|Z)P(Y|Z)。 |
| función de distribución de masa de probabilidad | 概率质量函数 | p.5 | 只对离散变量;所有取值概率和为 1。 |
| función de distribución de masa de probabilidad conjunta | 联合概率质量函数 | p.10 | f(x,y)=P(X=x,Y=y);表内总和为 1。 |
| H | |||
| hipótesis | 假设 | p.22 | 贝叶斯里的假设 X;先验 P(X) 是原来的相信程度。 |
| HTTP 请求 | HTTP 请求 | p.3 | 讲义反复用的例子;成功/失败是可建模的二值事件。 |
| I | |||
| Independencia | 独立性 | p.2 | P(X,Y)=P(X)P(Y);与「互斥」完全不同。 |
| Independencia condicional | 条件独立 | p.18 | 给定 Z 后独立;Z 是共同原因时典型成立。 |
| independientes | 独立 | p.15 | 要对所有 x、y 成立;找出一对反例即可否定。 |
| intervalo | 区间 | p.4 | 连续变量求 P(a<X<b) 要积分密度,端点无影响。 |
| L | |||
| La CPU alcanza el 100% de carga | CPU 达到 100% 负载 | p.26 | 链式法则第三个因子 0.90;三因子相乘才是 0.036。 |
| Latencia elevada | 高延迟 | p.12 | 高延迟是连续变量的观测;比阈值用区间概率。 |
| Lenguajes y Ciencias de la Computación | 语言与计算机科学系 | p.1 | 封面院系名;不影响内容。 |
| Let´s Make a Deal | 《Let's Make a Deal》 | p.29 | 原文用 ´ 代替撇号,属笔误;节目名照抄。 |
| Ley de probabilidad total | 全概率公式 | p.2 | 按原因划分加权求和:P(Y)=ΣP(Y|Xᵢ)P(Xᵢ)。 |
| M | |||
| marginal | 边缘 | p.2 | 边缘=把不要的变量求和掉;目录里的「边缘分布」。 |
| marginalización | 边缘化 | p.20 | 对其他变量求和;不做除法,分母不变。 |
| marginalizar | 边缘化 | p.11 | 对联合分布按行或按列求和得到边缘分布。 |
| mediciones | 测量 | p.4 | 测量值常建模为连续随机变量;用密度描述。 |
| milisegundos | 毫秒 | p.4 | 响应时间的单位;注意题干是 ms 还是 s。 |
| Monty Hall | 蒙提霍尔 | p.2 | 三扇门:初选 1/3,换门 2/3;前提是主持人知道车在哪。 |
| N | |||
| Numbers | 电视剧《数字追凶》 | p.30 | 剧里用过 Monty Hall;仅作来源。 |
| numerable | 可数的 | p.3 | 与自然数一一对应;离散变量取值可数。 |
| Número de peticiones elevado | 请求数量高 | p.19 | 请求数高是观测证据,用于更新后验。 |
| P | |||
| paquetes perdidos | 丢失的数据包 | p.3 | 可建模为离散变量;求期望即加权平均。 |
| peticiones HTTP | HTTP 请求 | p.3 | 本讲义最常见的生活化例子。 |
| Porcentaje de utilización | 占用率 | p.4 | 占用率落在 0 到 1 之间;连续变量求区间概率。 |
| presentador | 主持人 | p.29 | 主持人知道车在哪,必定开羊门;这才是 2/3 的关键。 |
| Prevalencia | 患病率 | p.23 | 即先验 P(A);罕见病时后验仍可能很小。 |
| probabilidad | 概率 | p.1 | 取值在 0 到 1 之间,全空间为 1。 |
| probabilidad a posteriori | 后验概率 | p.22 | 看到证据后更新的 P(X|Y);别与先验混淆。 |
| probabilidad a priori | 先验概率 | p.22 | 看证据前的 P(X);是贝叶斯公式的起点。 |
| Probabilidad condicionada | 条件概率 | p.2 | P(X|Y)=P(X,Y)/P(Y),要求 P(Y)>0。 |
| probabilidad condicional | 条件概率 | p.15 | 分母是条件事件的概率,不是联合概率。 |
| probabilidad conjunta | 联合概率 | p.13 | P(X=x,Y=y);对另一变量求和得边缘概率。 |
| probabilidad marginal | 边缘概率 | p.13 | 联合表按行或按列求和的结果。 |
| probabilidades condicionadas | 条件概率 | p.25 | 链式法则里每个因子都是条件概率。 |
| Probabilidades condicionales | 条件概率 | p.21 | 负载均衡例里 P(Y=1|X=xᵢ) 就是条件概率。 |
| propiedades | 性质 | p.5 | 非负、归一、可加;推导全靠这三条。 |
| puerta | 门 | p.29 | 门=选项;换门后概率从 1/3 升到 2/3。 |
| R | |||
| rara enfermedad | 罕见病 | p.23 | P(A)=0.0001 时阳性后仍只有约 1%。 |
| recuentos | 计数 | p.3 | 计数型数据用离散分布;期望即加权平均。 |
| Regla de la cadena | 链式法则 | p.2 | 联合=逐个条件概率连乘,顺序必须一致。 |
| Resultado de la petición | 请求结果 | p.21 | 负载均衡例里的 Y,取 0 或 1。 |
| Rossman/Chance | Rossman/Chance 模拟器 | p.30 | Monty Hall 在线模拟器;可自己跑验证 2/3。 |
| S | |||
| Servidor al que el balanceador | 负载均衡器 | p.21 | 均衡器选中的服务器 X;取 1/2/3,概率 0.5/0.3/0.2。 |
| servidor sobrecargado | 服务器过载 | p.27 | 综合题事件之一;5 个二值变量共 32 种组合。 |
| servidores de respaldo | 备份服务器 | p.17 | 双盘冗余:至少一块好即可用,求补事件更快。 |
| Simulador | 模拟器 | p.8 | 仿真能验证结论,但不能代替推导。 |
| suma | 求和 | p.5 | 用于边缘化与全概率;注意别漏项、权重和为 1。 |
| T | |||
| Tasa de falsos positivos | 假阳性率 | p.23 | P(B|Ā)=0.01;常被误当作 P(Ā|B)。 |
| Tasa de verdaderos positivos | 真阳性率 | p.23 | P(B|A)=0.99;是似然,不是后验。 |
| tasas | 率 | p.24 | p.24 四组数值的统称;原文用逗号当小数点。 |
| temas | 题目 | p.7 | 考纲主题;本讲义只覆盖概率复习。 |
| Teorema de Bayes | 贝叶斯定理 | p.2 | 后验正比于似然乘先验;分母用全概率展开。 |
| The curious incident of the dog in the night-time | 《深夜小狗神秘事件》 | p.30 | 小说里出现 Monty Hall;仅作来源。 |
| Tiempo de respuesta | 响应时间 | p.4 | 连续变量;求超阈概率要积分密度。 |
| U | |||
| Uso de memoria alto | 内存占用高 | p.19 | 内存高是观测证据;与 CPU 高可条件独立。 |
| V | |||
| valor | 取值 | p.5 | 质量函数给每个取值一个概率。 |
| variable aleatoria | 随机变量 | p.3 | 把试验结果映射成数的函数。 |
| Variables aleatorias | 随机变量 | p.2 | 目录小节;分离散与连续两类。 |
| Variables Aleatorias Continuas | 连续随机变量 | p.4 | 单点概率为 0,只能谈区间概率。 |
| Variables Aleatorias Discretas | 离散随机变量 | p.3 | 用质量函数;各取值概率和为 1。 |
| vector aleatorio | 随机向量 | p.10 | 多个随机变量组成;由联合分布完整描述。 |
| verosimilitud | 似然 | p.22 | P(Y|X):给定假设下证据出现的概率,不是 P(X|Y)。 |
关键数值速记(阈值对照)
把全 30 页出现过的关键数字集中在一张表:考场上看到这些数,就知道自己算到了哪一步、答案该落在什么量级。
| 数值 | 出现页 | 含义 | 一句话记住 |
|---|---|---|---|
| 0.0001 | p.23 | 罕见病患病率 P(A),即先验 | 先验极小,阳性后也只有约 1%,别凭直觉答 99%。 |
| 0.01 | p.23 | 假阳性率 P(B|Ā) | 它是「没病却阳性」,不是「阳性却没病」。 |
| 0.05 | p.26 | 用户发起重请求 P(A=1) | 链式乘积的第一个因子,最容易被漏乘。 |
| 0.30 | p.21 | 流量打到服务器 2 的权重 | 0.50+0.30+0.20=1,权重不归一就没有意义。 |
| 0.038 | p.21 | 请求失败的总概率 P(Y=1) | 0.010+0.012+0.016,正好 3.8%。 |
| 0.009 | p.23 | 阳性后患病 P(A|B) | 与 p.24 的 0.009804 只差舍入,量级一致。 |
| 0.916667 | p.24 | 患病率 0.5 时的后验 | 先验变大,后验就被似然拉向 0.99。 |
| 32 | p.27 | 五变量联合表行数 | 2⁵=32,行数太多所以走截图不硬转写。 |
| 1 | p.13 | 联合表与边缘表的总和 | 任何分布表加起来必须是 1,这是最快的自检。 |
易混对照(一眼分清)
12 组最容易在考场上对调的概念。左边是「看起来差不多」的一对,右边给判别方法和止损口诀。