A. 基本概念
一、不严谨的定义：
- 随机变量：有多种可能的取值的变量，例如：对于随机抛硬币的事件，有随机变量 \(X_i\) 定义为
令 \(X=X_1+X_2\)，有
\[X= \begin{cases} 0, & 反反\\ 1, & 正反或反正\\ 2, & 正正 \end{cases} \]掷色子等类似事件同理。
如果我们令 A 表示连续两次抛出硬币的结果为：正反，则 \(P(A)=1/4\)。
2. \(P(A)\)：事件 A 发生的概率
3. \(E(X)\)：随机变量 X 的期望值，\(E(X)=Sum[P(X=i)*i]\)
4. 独立事件：互不影响的事件，满足 \(P(AB)=P(A)P(B)\)
对于独立事件，我们有 \(E(AB)=E(A)+E(B)\)（信息学中几乎全部是独立事件，重点在于算法，而不在于概率知识）
条件概率，\(P(AB)=P(A)P(B|A)\)，其中 \(P(B|A)\) 为在 A 发生的条件下 B 的概率。