R 统计学/一些基本概率概念

R 公式

公式编号	名称	公式	R 公式
3.2.1	古典概率	$P(E)={\frac {m}{N}}$	例子
3.2.2	相对频率概率	$P(E)={\frac {m}{n}}$	例子
3.3.1–3.3.3	概率的性质	$P(E_{i})\geq 0$ $P(E_{1})+P(E_{2})+\dots +P(E_{n})=0$ $P(E_{i}+E_{j})=P(E_{i})+P(E_{j})$	例子
3.4.1	乘法规则	$P(A\cap B)=P(A|B)P(B)=P(A)P(B|A)$	例子
3.4.2	条件概率	$P(A|B)={\frac {P(A\cap B)}{P(B)}}$	例子
3.4.3	加法规则	$P(A\cup B)=P(A)+P(B)-P(A\cap B)$	例子
3.4.4	独立事件	$P(A\cap B)=P(A)P(B)$	例子
3.4.5	互补事件	$P({\overline {A}})=1-P(A)$	例子
3.4.6	边缘概率	$P(A_{i})=\sum {P(A_{i}\cap B_{j})}$	例子
	筛查检验的敏感度	$P(T|D)={\frac {a}{(a+c)}}$	例子
	筛查检验的特异度	$P({\overline {T}}|{\overline {D}})={\frac {d}{(b+d)}}$	例子
3.5.1	筛查测试的阳性预测值	$P(D|T)={\frac {P(D|T)P(D)}{P(T|D)P(D)+P(T|{\overline {D}})P({\overline {D}})}}$	例子
3.5.2	筛查测试的阴性预测值	$P({\overline {D}}|{\overline {T}})={\frac {P({\overline {D}}|{\overline {T}})P({\overline {D}})}{P({\overline {T}}|{\overline {D}})P({\overline {D}})+P({\overline {T}}|D)P(D)}}$	例子
符号键	$D$= 疾病 $E$= 事件 $m$= 事件 E_i 发生的次数 $n$= 样本量或过程发生的总次数 $n$=总体规模或相互排斥且等可能的事件的总数 $P({\overline {A}})$= 互补事件；事件 A 不发生的概率 $P(E_{i})$= 事件 E_i 发生的概率 $P(A\cap B)$= “交集” 或 “且” 语句；事件 A 和事件 B 同时发生的概率 $P(A\cup B)$= “并集” 或 “或” 语句；事件 A 或事件 B 或两者同时发生的概率 $P(A|B)$= 条件语句；在事件 B 已经发生的情况下，事件 A 发生的概率 $T$= 测试结果		例子