大学概率论与数理统计-牛莉-PPT文稿资料课件PPT
收藏
资源目录
压缩包内文档预览：(预览前20页/共30页)
编号：21836105
类型：共享资源
大小：20.23MB
格式：ZIP
上传时间：2019-09-06
上传人：QQ24****1780
认证信息
个人认证
王**（实名认证）
浙江
IP属地：浙江
25
积分
- 关 键 词：
-
大学
概率论
数理统计
牛莉
ppt
文稿
资料
课件
- 资源描述：
-
大学概率论与数理统计-牛莉-PPT文稿资料课件PPT,大学,概率论,数理统计,牛莉,ppt,文稿,资料,课件
- 内容简介：
-
第1章 随机事件及其概率,本章学习目标 了解随机事件的概念，掌握事件的关系与运算 理解概率的统计定义和古典定义，掌握概率的加法法则 掌握条件概率的概念，掌握乘法公式、全概率公式 理解事件独立性的定义，掌握独立试验序列概型的计算,1.1 随机事件,1.1.1 随机试验与随机事件 1随机现象 自然界与人类社会所能观察到的现象多种 多样，若从结果能否预测的角度来分，大致可 分为两类，即确定性现象和非确定性现象随 机现象. 确定性现象 在一定条件下必然发生或必然不发生的现象，称为确定性现象例如，水在标准大气压下加热到100必然沸腾；上抛的石子必然落下；同性电荷必然互斥；函数在间断点处不存在导数等都为确定性现象.,确定性现象的特征：条件完全决定结果 随机现象（偶然现象） 在一定条件下可能发生也可能不发生的现象称为随机现象例如，在相同条件下掷一枚均匀的硬币,落地后可能正面（指币值面）朝上，也可能反面朝上；用同一门炮向同一目标发射同一种炮弹多发，弹着点会各不相同；抛掷一枚质地均匀的骰子,观察出现的点数；出生的婴儿可能是男,也可能是女；明天的天气可能是晴, 也可能是多云或雨；过马路交叉口时,可能遇上各种颜色的交通指挥灯；从一批含有正品和次品的产品中任意抽取一件产品，可能抽到正品，也可能抽到次品等都为随机现象.,随机现象的特征：条件不能完全决定结果 2随机试验 在概率论中,把具有以下三个特征的试验称为随机试验. （1） 可以在相同条件下重复地进行； （2） 每次试验的可能结果不止一个,并且能事先明确试验的所有可能结果； （3） 进行一次试验之前不能确定哪一个结果会出现，但一次试验中必有且仅有其中一个结果出现. 我们将通过随机试验来研究随机现象，随机试验又可简称为试验，通常用字母表示，,：抛一枚质地均匀的硬币,观察出现正面还 是反面； ：掷一枚质地均匀的骰子,观察出现的点数； ：从一批产品中,任取三件,记录出现正品的 件数； ：记录某公共汽车站某日上午某时刻的等车 人数； ：射击一目标，直到击中为止，记录射击次 数； ：从一批灯泡中任取一只,测试其寿命,3随机事件与样本空间 随机事件 随机试验的一种结果称为该随机试验的随机事件，简称为事件，通常用字母 、 、 等表示 基本事件（样本点） 随机试验中的每一个基本结果，称为该随机试验的基本事件，或称为样本点，记为 样本空间 基本事件的全体，称为试验 的样本空间，记为 ,样本空间可分为二种类型： （1）有限样本空间：样本空间中的样本点数是有限的，如 、 、 ； （2）无限样本空间：样本空间中的样本点数是无限的，如 、 、 无限样本空间又可分为可列样本空间，如 、 ；不可列样本空间，如 由此可见，随机事件是由一个或多个样本点组成的，所以随机事件是样本空间 的某个子集,随机事件可以分为以下几种类型： 基本事件 只含一个样本点的随机事件为基本事件例如， 中，“出现1点”，“出现2点”，“出现6点”，都是基本事件 复合事件 由两个或两个以上的样本点组成的事件为复合事件，例如， 中，“点数小于5”、“点数为偶数”，都是复合事件 必然事件 由全体样本点组成的事件，在每次试验中必然发生的，称为必然事件，也用 表示例如， 中“点数小于7”就是必然事件,不可能事件 不包含任何样本点，它作为样本空间的子集，在每次试验中决不会发生的，称为不可能事件，记为 4随机事件的发生 因为随机事件是样本空间 的子集，所以随机事件发生，当且仅当随机事件所包含的样本点之一在试验中出现 例如，在试验 中，设事件 =“朝上的那一面的点数为奇数”=1，3，5，若试验中3出现，即朝上的那一面的点数是3，则称事件 发生；反之，若事件 发生，则意味着1、3、5之一必然出现总之，随机事件是“一触即发”,1.1.2 事件之间的关系及运算 一、事件的运算 1.事件的和 事件 与事件 至少有一个发生就发生的事件，即 与 的样本点合在一起组成的事件，称为 与 的和事件，记为 或 + （如图1.1.1中阴影部分）,图1.1.1,图1.1.2,类似地，事件 中至少有一个发 生就发生的事件称为事件 的和事件， 记为 或 例1 设试验 为掷一颗骰子， 表示 出现 点，令 表示出现奇数点事件，则 ，即出现奇数点事件是出现 点这三个事件的和事件 2事件的差 事件 发生而事件 不发生的事件，即属于 而不属于 的样本点所组成的事件，称为 与 的差，记为 - （如图1.1.2）,事件的积 事件 与事件 同时发生时才发生的事件，即 与 的公共样本点所组成的事件，称为 与 的积事件，记为 或 （如图1.1.3） 类似地，事件 同时发生才发生的事件称为的积事件，记为 或 显然有 ,图1.1.4,图1.1.3,图1.,图1.,二、事件的关系 1包含 若事件 发生必然导致事件 发生， 即 的样本点都在 中，则称事件 包含于 或 包含 ，记为 或 （如图1.1.4） 2相等 若 且 ，则称 与 相等， 记为 = 3互斥 若事件 与 事件不能同时发生，即= ，则称 与 是互斥的或互不相容（如 图1.1.5）,4互逆 如果在一次试验中，事件 与事件 必有一个且仅有一个发生，即 + = 且 = ， 则称 与 互为逆事件，或称 与 是对立事件， 记为 = 或 = （如图1.1.6）显然， = - 由定义可知，对立事件必为互斥事件，其逆 不真，即互斥事件不一定是对立事件,+,-,三、事件的运算规律 1加法和乘法的交换律 + = + ， = 2加法和乘法的结合律 + + =（ + ）+ = +（ + ） 3乘法对加法的分配律 4加法对乘法的分配律,5反演律（德摩根（De Morgan）律） 一般地，对有限个及可列个事件也有,，,，,及,，,例2 若 表示第 个射手击中目标 ，试描述 ， ， 解 = “三个射手都击中目标”； =“三个射手没有都击中目标”； “至少有一个射手击中目标”,第1章 随机事件及其概率本章学习目标了解随机事件的概念，掌握事件的关系与运算理解概率的统计定义和古典定义，掌握概率的加法法则掌握条件概率的概念，掌握乘法公式、全概率公式理解事件独立性的定义，掌握独立试验序列概型的计算1.1 随机事件1.1.1 随机试验与随机事件1随机现象 自然界与人类社会所能观察到的现象多种多样，若从结果能否预测的角度来分，大致可分为两类，即确定性现象和非确定性现象随机现象.确定性现象 在一定条件下必然发生或必然不发生的现象，称为确定性现象例如，水在标准大气压下加热到100必然沸腾；上抛的石子必然落下；同性电荷必然互斥；函数在间断点处不存在导数等都为确定性现象.确定性现象的特征：条件完全决定结果随机现象（偶然现象） 在一定条件下可能发生也可能不发生的现象称为随机现象例如，在相同条件下掷一枚均匀的硬币,落地后可能正面（指币值面）朝上，也可能反面朝上；用同一门炮向同一目标发射同一种炮弹多发，弹着点会各不相同；抛掷一枚质地均匀的骰子,观察出现的点数；出生的婴儿可能是男,也可能是女；明天的天气可能是晴, 也可能是多云或雨；过马路交叉口时,可能遇上各种颜色的交通指挥灯；从一批含有正品和次品的产品中任意抽取一件产品，可能抽到正品，也可能抽到次品等都为随机现象. 随机现象的特征：条件不能完全决定结果2随机试验在概率论中,把具有以下三个特征的试验称为随机试验.（1） 可以在相同条件下重复地进行；（2） 每次试验的可能结果不止一个,并且能事先明确试验的所有可能结果；（3） 进行一次试验之前不能确定哪一个结果会出现，但一次试验中必有且仅有其中一个结果出现.我们将通过随机试验来研究随机现象，随机试验又可简称为试验，通常用字母表示， ：抛一枚质地均匀的硬币,观察出现正面还是反面； ：掷一枚质地均匀的骰子,观察出现的点数； ：从一批产品中,任取三件,记录出现正品的件数； ：记录某公共汽车站某日上午某时刻的等车人数； ：射击一目标，直到击中为止，记录射击次数； ：从一批灯泡中任取一只,测试其寿命3随机事件与样本空间随机事件随机试验的一种结果称为该随机试验的随机事件，简称为事件，通常用字母 、 、 等表示基本事件（样本点）随机试验中的每一个基本结果，称为该随机试验的基本事件，或称为样本点，记为 样本空间基本事件的全体，称为试验 的样本空间，记为 样本空间可分为二种类型：（1）有限样本空间：样本空间中的样本点数是有限的，如 、 、 ；（2）无限样本空间：样本空间中的样本点数是无限的，如 、 、 无限样本空间又可分为可列样本空间，如 、 ；不可列样本空间，如 由此可见，随机事件是由一个或多个样本点组成的，所以随机事件是样本空间 的某个子集随机事件可以分为以下几种类型：基本事件只含一个样本点的随机事件为基本事件例如， 中，“出现1点”，“出现2点”，“出现6点”，都是基本事件复合事件由两个或两个以上的样本点组成的事件为复合事件，例如， 中，“点数小于5”、“点数为偶数”，都是复合事件必然事件由全体样本点组成的事件，在每次试验中必然发生的，称为必然事件，也用 表示例如， 中“点数小于7”就是必然事件不可能事件不包含任何样本点，它作为样本空间的子集，在每次试验中决不会发生的，称为不可能事件，记为 4随机事件的发生 因为随机事件是样本空间 的子集，所以随机事件发生，当且仅当随机事件所包含的样本点之一在试验中出现 例如，在试验 中，设事件 =“朝上的那一面的点数为奇数”=1，3，5，若试验中3出现，即朝上的那一面的点数是3，则称事件 发生；反之，若事件 发生，则意味着1、3、5之一必然出现总之，随机事件是“一触即发”1.1.2 事件之间的关系及运算一、事件的运算1.事件的和 事件 与事件 至少有一个发生就发生的事件，即 与 的样本点合在一起组成的事件，称为 与 的和事件，记为 或 + （如图1.1.1中阴影部分）图1.1.1 图1.1.2 类似地，事件 中至少有一个发生就发生的事件称为事件 的和事件，记为 或 例1 设试验 为掷一颗骰子， 表示出现 点，令 表示出现奇数点事件，则 ，即出现奇数点事件是出现 点这三个事件的和事件2事件的差 事件 发生而事件 不发生的事件，即属于 而不属于 的样本点所组成的事件，称为 与 的差，记为 - （如图1.1.2） 事件的积 事件 与事件 同时发生时才发生的事件，即 与 的公共样本点所组成的事件，称为 与 的积事件，记为 或（如图1.1.3）类似地，事件 同时发生才发生的事件称为的积事件，记为 或 显然有 图1.1.4 图1.1.3 图1. 图1. 二、事件的关系1包含 若事件 发生必然导致事件 发生，即 的样本点都在 中，则称事件 包含于 或 包含 ，记为 或 （如图1.1.4）2相等 若 且 ，则称 与 相等，记为 = 3互斥 若事件 与 事件不能同时发生，即= ，则称 与 是互斥的或互不相容（如图1.1.5）4互逆 如果在一次试验中，事件 与事件 必有一个且仅有一个发生，即 + = 且 = ，则称 与 互为逆事件，或称 与 是对立事件，记为 = 或 = （如图1.1.6）显然， = - 由定义可知，对立事件必为互斥事件，其逆不真，即互斥事件不一定是对立事件+-三、事件的运算规律1加法和乘法的交换律 + = + ， =2加法和乘法的结合律+ + =（ + ）+ = +（ + ）3乘法对加法的分配律4加法对乘法的分配律5反演律（德摩根（De Morgan）律） 一般地，对有限个及可列个事件也有 ， ，及，例2 若 表示第 个射手击中目标 ，试描述 ， ， 解 = “三个射手都击中目标”； =“三个射手没有都击中目标”； “至少有一个射手击中目标”第1章 随机事件及其概率,1.2 随机事件的概率,1.2.1 频率 定义1 在相同的条件下，进行了n 次试验， 在这n 次试验中，事件 A 发生的次数 称为事件 A 发生的频数，比值 称为事件A 发生的频率，记作 频率具有下述性质： （1）对任一事件A ，有 ； （2）对必然事件 ，有 ； （3）若 两两互斥，则,1.2.2 概率的统计定义 定义2 在相同条件下，重复进行的了 次试验，设在 次试验中事件 发生了 次，如果当 增大时，事件 发生的频率 稳定地在某一常数 附近摆动，则称此常数 为事件 发生的概率，记为 . 1.2.3 概率的古典定义 古典概型 （1）有限性：试验 的样本空间是有限的，即样本点的个数（设为 ）是有限的，记为 ；,（2）等可能性：每个样本点出现的可能性都相等，即事件 的发生是等可能的，它们出现的概率都一样，记为 定义3 设 是一个古典型随机试验，对其任给事件 ，称 为随机事件 的概率,例1 投掷一枚均匀骰子，求朝上一面的点数为奇数的概率 解 由于骰子是均匀的，所以骰子的6个面哪一面朝上可能性都相等，因此试验是古典型，用 表示“朝上一面的点数为 ”， ，则样本空间 ，用 表示“朝上一面的点数是奇数”，则 ，故 ,例2 袋中装有 只白球 只黑球，从中任取一只，求取到的是白球的概率 解 由于球除颜色外而无其它区别，所以从袋中取球时每一球被取到的可能性都是相等的，共有 种取法，因此该样本空间 ， 其中前 号为白球，后 号为黑球，令 表示“取到的是白球”，则 ，故 ,1.2.4 概率的公理化定义 定义4 设随机试验 的样本空间为 ，若按照某种方法对 的每一事件 都赋予一个实数 ，且满足以下公理： （1）非负性：对任一事件 ，有 ； （2）规范性： ； （3）完全可加性：对 的任意一列两两互斥的事件 ，有 则称实数 为事件的概率,由概率的公理化定义可知概率还具有如下性质 性质1 对任一事件 ，都有 ； 性质2 ， ； 性质3 有限可加性：若事件 两两互斥，则 ， 上式称为加法公式 性质4 对任意事件 ，有 ；,推论 对任一事件 ，有 性质5 对事件 、 ，若 ，则有 ， 性质6 （加法定理） 对任意两事件 、 有 性质6的推广：对任意3个事件 、 、 ，有 一般地，对任意 个事件 ，有,例3 已知 ， ， ，求 （1） ，（2） ，（3） 解 （1）由性质4 （2）因 ，且 ， 由性质3， ，故有 （3）由性质4、6得 ,例4 一批产品中有46件合格品，4件不合格品从中任取三件，求 “其中有不合格品”， “其中不合格品不多于一件”的概率 解 用 表示“三件产品中正好有 件不合格品”， 则 ， 显然 两两互斥，故 ， 或者 ， ,第1章 随机事件及其概率1.2 随机事件的概率1.2.1 频率定义1 在相同的条件下，进行了n 次试验， 在这n 次试验中，事件 A 发生的次数 称为事件 A 发生的频数，比值 称为事件A 发生的频率，记作 频率具有下述性质：（1）对任一事件A ，有 ；（2）对必然事件 ，有 ；（3）若 两两互斥，则 1.2.2 概率的统计定义定义2 在相同条件下，重复进行的了 次试验，设在 次试验中事件 发生了 次，如果当 增大时，事件 发生的频率 稳定地在某一常数 附近摆动，则称此常数 为事件 发生的概率，记为 .1.2.3 概率的古典定义古典概型 （1）有限性：试验 的样本空间是有限的，即样本点的个数（设为 ）是有限的，记为 ；（2）等可能性：每个样本点出现的可能性都相等，即事件 的发生是等可能的，它们出现的概率都一样，记为 定义3 设 是一个古典型随机试验，对其任给事件 ，称 为随机事件 的概率 例1 投掷一枚均匀骰子，求朝上一面的点数为奇数的概率解 由于骰子是均匀的，所以骰子的6个面哪一面朝上可能性都相等，因此试验是古典型，用 表示“朝上一面的点数为 ”， ，则样本空间 ，用 表示“朝上一面的点数是奇数”，则 ，故 例2 袋中装有 只白球 只黑球，从中任取一只，求取到的是白球的概率解 由于球除颜色外而无其它区别，所以从袋中取球时每一球被取到的可能性都是相等的，共有 种取法，因此该样本空间 ， 其中前 号为白球，后 号为黑球，令 表示“取到的是白球”，则 ，故 1.2.4 概率的公理化定义定义4 设随机试验 的样本空间为 ，若按照某种方法对 的每一事件 都赋予一个实数 ，且满足以下公理：（1）非负性：对任一事件 ，有 ；（2）规范性： ；（3）完全可加性：对 的任意一列两两互斥的事件 ，有 则称实数 为事件的概率 由概率的公理化定义可知概率还具有如下性质性质1 对任一事件 ，都有 ；性质2 ， ；性质3 有限可加性：若事件 两两互斥，则 ，上式称为加法公式性质4 对任意事件 ，有 ；推论 对任一事件 ，有 性质5 对事件 、 ，若 ，则有 ， 性质6 （加法定理） 对任意两事件 、 有 性质6的推广：对任意3个事件 、 、 ，有 一般地，对任意 个事件 ，有 例3 已知 ， ， ，求（1） ，（2） ，（3） 解 （1）由性质4 （2）因 ，且 ，由性质3， ，故有 （3）由性质4、6得 例4 一批产品中有46件合格品，4件不合格品从中任取三件，求 “其中有不合格品”， “其中不合格品不多于一件”的概率解 用 表示“三件产品中正好有 件不合格品”， 则 ，显然 两两互斥，故 ，或者 ， 第1章 随机事件及其概率,1.3 条件概率与事件的独立性,1.3.1 条件概率 定义 设 、 是某随机试验中的两个事件，且 ，则称 为事件 已发生的条件下事件 发生的条件概 率 例1 一批零件共100个，其正品90个，次品10个，从中连续抽取两次，每次抽取一个，作不放回抽样，已知第一次取到正品，求第二次取到正品的概率,解 令 表示“第一次取到正品”， 表示“第二次取到正品”，依题意应求 由于事件 已发生，于是第二次抽取时共有99个零件，其中有89个正品，因此有 1.3.2 乘法公式 由条件概率定义，在 的条件下有 ， （ 1.3.1） 同样，在 的条件下有 ， （1.3.2） 称（1.3.1）和（1.3.2）式为概率的乘法公式,乘法公式可以推广到 个事件积的情形 设 ，则 例2 一批零件共100个，其中有5个次品，从中每次取出一个零件检测，检测后不再放回，连续检测两次，求 （1）第一次检测是正品的概率； （2）第一次检测到正品后，第二次检测是正品的概率； （3）两次检测全是正品的概率,解 令 、 分别表示“第一次检测是正品”和“第二次检测是正品”的事件，则由题意可知： （1） ； （2） ； （3） 1.3.3 独立性 1两个事件的独立性 定义 若事件 、 满足 则称事件 与 相互独立,、,定理1 若四对事件 、 ； 、 ； 、 ； 、 中有一对相互独立，则另外任一对也相互独立 此定理说明：四对事件或者都独立，或者都不独立 例3 甲、乙两人同时独立向一目标射击，已知甲击中目标的概率为 ，乙击中目标的概率为 ，求击中目标的概率 解 令 表示“甲击中目标”， 表示“乙击中目标”， 表示“击中目标” 解1 由题意知 ， ；,，,解2 先求出 因为， 且由事件 、 相互独立可 知， 、 也相互独立， 所以 ； 解3 因为 ，且 、 、 两两互 不相容，则,、,、,2多个事件的独立性 定义 对三个事件 、 、 ，若 则称 、 、 三事件两两相互独立 定义 对三个事件 、 、 ，若 则称 、 、 相互独立,、,定理2 若事件 相互独立，则（1）它们之中任何 个事件都相互独立； （2）将其中任意 个事件换成各自的逆事件，所得到的 个事件仍然相互独立； （3） 注： 当 时， 两两独立不一定相互 独立,例4 加工某一零件共需经过3道工序，设第一、二、三道工序的次品率分别为1%、2%、3%，假定各道工序互不影响，求加工出来的零件的次品率 解 令 事件表示“第道工序出现次品” ， 表示“加工出来的零件是次品”，则 且 相互独立于是所求次品率 ,且,例5 设某型号高炮每次击中飞机的概率为0.25问至少需配备多少门这种高炮，才能使同时独立发射一次就能击中飞机的概率达到95%以上 解 设需配备 门高炮， 表示“击中飞机”， 表示“第 门炮击中飞机” ，则 即 ， 将 代入，得 即 ，解得 ， 故至少需配备11门高炮 .,，,1.3.4 伯努利概型 重独立试验 做 次重复的试验，如果满足条件： （1）每次试验条件都相同，因此各次试验中同一个事件的出现概率相同； （2）各次试验结果相互独立，则称为 重独立试验 重伯努利（Bernoulli）试验 对于 重独立 试验，若每次试验可能结果只有两个，即 与 且 ， ，则此 重独立 试验又称为重伯努利（Bernoulli）试验或伯努利 概型,二项概率公式 设事件 在一次试验中发生的 概率为 ，则在 重伯努利试验中，事件 恰好 发生 次的概率记为 ，且 （1.3.3） 其中 （1.3.3）式又称为二 项概率公式 例6 某篮球运动员一次投篮投中的概率为 ， 求该运动员投篮10次投中6次的概率和至少投 中6次的概率,解 令 表示“投中”，则 ，这是一个10重伯努利试验由（ 1.3.3 ）式，投中6次的概率为 ， 至少投中6次的概率为,第1章 随机事件及其概率1.3 条件概率与事件的独立性1.3.1 条件概率定义 设 、 是某随机试验中的两个事件，且 ，则称为事件 已发生的条件下事件 发生的条件概率 例1 一批零件共100个，其正品90个，次品10个，从中连续抽取两次，每次抽取一个，作不放回抽样，已知第一次取到正品，求第二次取到正品的概率解 令 表示“第一次取到正品”， 表示“第二次取到正品”，依题意应求 由于事件 已发生，于是第二次抽取时共有99个零件，其中有89个正品，因此有1.3.2 乘法公式由条件概率定义，在 的条件下有 ， （ 1.3.1）同样，在 的条件下有 ， （1.3.2） 称（1.3.1）和（1.3.2）式为概率的乘法公式 乘法公式可以推广到 个事件积的情形设 ，则 例2 一批零件共100个，其中有5个次品，从中每次取出一个零件检测，检测后不再放回，连续检测两次，求（1）第一次检测是正品的概率；（2）第一次检测到正品后，第二次检测是正品的概率；（3）两次检测全是正品的概率 解 令 、 分别表示“第一次检测是正品”和“第二次检测是正品”的事件，则由题意可知：（1） ；（2） ；（3） 1.3.3 独立性1两个事件的独立性定义 若事件 、 满足则称事件 与 相互独立、定理1 若四对事件 、 ； 、 ； 、 ； 、 中有一对相互独立，则另外任一对也相互独立此定理说明：四对事件或者都独立，或者都不独立例3 甲、乙两人同时独立向一目标射击，已知甲击中目标的概率为 ，乙击中目标的概率为 ，求击中目标的概率 解 令 表示“甲击中目标”， 表示“乙击中目标”， 表示“击中目标”解1 由题意知 ， ；， 解2 先求出 因为， 且由事件 、 相互独立可知， 、 也相互独立，所以 ；解3 因为 ，且 、 、 两两互不相容，则 、 2多个事件的独立性定义 对三个事件 、 、 ，若 则称 、 、 三事件两两相互独立定义 对三个事件 、 、 ，若 则称 、 、 相互独立 、定理2 若事件 相互独立，则（1）它们之中任何 个事件都相互独立； （2）将其中任意 个事件换成各自的逆事件，所得到的 个事件仍然相互独立； （3） 注： 当 时， 两两独立不一定相互独立例4 加工某一零件共需经过3道工序，设第一、二、三道工序的次品率分别为1%、2%、3%，假定各道工序互不影响，求加工出来的零件的次品率解 令 事件表示“第道工序出现次品” ， 表示“加工出来的零件是次品”，则且 相互独立于是所求次品率 且 例5 设某型号高炮每次击中飞机的概率为0.25问至少需配备多少门这种高炮，才能使同时独立发射一次就能击中飞机的概率达到95%以上解 设需配备 门高炮， 表示“击中飞机”， 表示“第 门炮击中飞机” ，则即 ，将 代入，得即 ，解得 ，故至少需配备11门高炮 .，1.3.4 伯努利概型 重独立试验 做 次重复的试验，如果满足条件：（1）每次试验条件都相同，因此各次试验中同一个事件的出现概率相同；（2）各次试验结果相互独立，则称为 重独立试验 重伯努利（Bernoulli）试验 对于 重独立试验，若每次试验可能结果只有两个，即 与且 ， ，则此 重独立试验又称为重伯努利（Bernoulli）试验或伯努利概型二项概率公式 设事件 在一次试验中发生的概率为 ，则在 重伯努利试验中，事件 恰好发生 次的概率记为 ，且 （1.3.3） 其中 （1.3.3）式又称为二项概率公式 例6 某篮球运动员一次投篮投中的概率为 ，求该运动员投篮10次投中6次的概率和至少投中6次的概率解 令 表示“投中”，则 ，这是一个10重伯努利试验由（ 1.3.3 ）式，投中6次的概率为 ，至少投中6次的概率为 第1章 随机事件及其概率,1.4 全概率公式与贝叶斯公式*,1.4.1 全概率公式 定义1 若样本空间 中事件 满足： （1） ， （2） 则称 为样本空间 的一个划分或一 个完备事件组（如图1.4.1） 全概率公式 设事件 样本空间 的一 个划分（如图1.4.2），且 ， 则对 中的任意事件 有,图.,图.,例 某项考试须由学生抽签答题，所备10个考签中有4个难签，每位考生抽签一次，答后考签不放回现有甲、乙两人先后应考，求甲、乙各自抽到难签的概率 解 令 、 分别表示甲、乙抽到难签的事件，则 ，这里 、 构成甲抽签的一个划分，故由全概率公式,1.4.2* 贝叶斯（Bayes）公式 贝叶斯（Bayes）公式 设事件 为样本空间 的一个划分， 为 中的任意事件，且 ，由条件概率有 ，再由乘法公式和全概率公式有,称上式为逆概率公式，此公式是数学家贝叶 斯于1763年发表的，所以又称为贝叶斯 （Bayes）公式，它也是用来求条件概率的重 要公式,第1章 随机事件及其概率1.4 全概率公式与贝叶斯公式*1.4.1 全概率公式定义1 若样本空间 中事件 满足：（1） ，（2） 则称 为样本空间 的一个划分或一个完备事件组（如图1.4.1）全概率公式 设事件 样本空间 的一个划分（如图1.4.2），且 ，则对 中的任意事件 有图. 图. 例 某项考试须由学生抽签答题，所备10个考签中有4个难签，每位考生抽签一次，答后考签不放回现有甲、乙两人先后应考，求甲、乙各自抽到难签的概率解 令 、 分别表示甲、乙抽到难签的事件，则 ，这里 、 构成甲抽签的一个划分，故由全概率公式 1.4.2* 贝叶斯（Bayes）公式 贝叶斯（Bayes）公式 设事件 为样本空间 的一个划分， 为 中的任意事件，且 ，由条件概率有 ，再由乘法公式和全概率公式有 称上式为逆概率公式，此公式是数学家贝叶斯于1763年发表的，所以又称为贝叶斯（Bayes）公式，它也是用来求条件概率的重要公式第2章 随机变量及其概率分布,本章学习目标,掌握随机变量及其概率分布的概念 掌握随机变量分布函数的概念及性质,会计算与随机变量有关的事件的概率 掌握离散型随机变量及其概率分布的概念,掌握（01）分布、二项分布、泊松分布及其应用 掌握连续型随机变量及其概率密度的概念，掌握概率密度与分布函数之间的关系 掌握正态分布、均匀分布和指数分布及其应用,21 随机变量的概念 定义 设 是随机试验的样本空间，对于 每一个样本点 ，有一个实数 与 之对应，这样，就得到一个定义在 上的单值 实函数 （且对任意实数 ， 是随机事件），则称 为随机变量，简记 为 在实际中常用的随机变量有如下两类 (1) 离散型随机变量： 这类随机变量的主要特征是它所有可能取值为有限个或可列无限个；,(2) 连续型随机变量：这类随机变量的主要特征是它所有可能取值充满某个区间 (其中 可以为 , 可以为 ),第2章 随机变量及其概率分布本章学习目标掌握随机变量及其概率分布的概念掌握随机变量分布函数的概念及性质,会计算与随机变量有关的事件的概率掌握离散型随机变量及其概率分布的概念,掌握（01）分布、二项分布、泊松分布及其应用掌握连续型随机变量及其概率密度的概念，掌握概率密度与分布函数之间的关系掌握正态分布、均匀分布和指数分布及其应用21随机变量的概念 定义 设 是随机试验的样本空间，对于每一个样本点 ，有一个实数 与之对应，这样，就得到一个定义在 上的单值实函数 （且对任意实数 ， 是随机事件），则称 为随机变量，简记为 在实际中常用的随机变量有如下两类(1) 离散型随机变量： 这类随机变量的主要特征是它所有可能取值为有限个或可列无限个； (2) 连续型随机变量：这类随机变量的主要特征是它所有可能取值充满某个区间 (其中 可以为 , 可以为 )第2章 随机变量及其概率分布,22 离散型随机变量及其概率分布,211 离散型随机变量及其概率分布 1概率分布列 定义 设离散型随机变量 的全部可能取值 为 ，且取 的概率为 , 即 称（2.2.1）式为离散型随机变量 的概率分布 或分布列，简称分布,（2.2.1）,分布列也可以用表格的形式表示，即 例 袋中有5个球，其中2个白球，3个黑球，从中随机地一次抽取3个球，求取得白球数的概率分布 解 令 表示“取得的白球数”，则 的可能取值为0，1，2，,可以求得的分布列为 的分布列的表格形式为,2分布列的性质 由概率定义知，分布列满足如下两条性质： （1） ； （2） 反之，具有这两个性质的数列必是某个离散型 随机变量的分布列 例2 为了给手机更换1个元件，某修理员从装有 4个元件的盒中逐一取出元件进行测试，已知盒 中只有2个正品，求此修理员首次取到正品元件 所需次数 的分布列,解 令 表示事件“第 次取到正品” ， 则 的分布列 即,2.2.2 几种常见的离散型随机变量的分布 1两点（01）分布 若随机变量 的分布列为 ， 其概率分布表为 则称 服从参数为 的两点（01）分布,2二项分布 若随机变量 可能取值为0，1，2， ， 且 其中 ， 为非负整数，则称 服 从参数为 、 的二项分布或伯努利分布，记 为 二项分布满足： （1） ； （2） ,例3 某篮球运动员投篮3次，每次投中的概率 为 ，求投中次数的分布列 解 令 表示投中的次数，则 ， 的 可能取值为0，1，2，3，相应的概率分别为 即 的概率分布，其概率分布图如图（2.2.1） 从图中看到， 的概率先是随着 的增大而增 加，直到达到最大值，而后单调减少,图2.2.1,3 泊松(Poisson)分布 设随机变量 的分布列为 其中 为常数，则称 服从参数为 的泊松 分布，记为 泊松分布满足两个基本性质： （1） ； （2） ,定理（泊松定理）设随机变量 ， 为一个正常数， ，则 在实际计算中，当 时，就可用泊松 分布来近似二项分布,例4 (人寿保险问题)若一年内某类保险者中人 的死亡率为 ，现有 人参加保险，试 求在未来一年内这些人中有 人死亡的概率 解 设未来一年中死亡人数为 ，则 由于 较大， 较小， ，故可用泊松分布近 似求解,第2章 随机变量及其概率分布22离散型随机变量及其概率分布211 离散型随机变量及其概率分布1概率分布列定义 设离散型随机变量 的全部可能取值为 ，且取 的概率为 , 即称（2.2.1）式为离散型随机变量 的概率分布或分布列，简称分布 （2.2.1）分布列也可以用表格的形式表示，即例 袋中有5个球，其中2个白球，3个黑球，从中随机地一次抽取3个球，求取得白球数的概率分布解 令 表示“取得的白球数”，则 的可能取值为0，1，2， 可以求得的分布列为 的分布列的表格形式为2分布列的性质由概率定义知，分布列满足如下两条性质：（1） ；（2） 反之，具有这两个性质的数列必是某个离散型随机变量的分布列例2 为了给手机更换1个元件，某修理员从装有4个元件的盒中逐一取出元件进行测试，已知盒中只有2个正品，求此修理员首次取到正品元件所需次数 的分布列解 令 表示事件“第 次取到正品” ，则 的分布列即 2.2.2 几种常见的离散型随机变量的分布1两点（01）分布若随机变量 的分布列为 ，其概率分布表为则称 服从参数为 的两点（01）分布2二项分布若随机变量 可能取值为0，1，2， ，且其中 ， 为非负整数，则称 服从参数为 、 的二项分布或伯努利分布，记为 二项分布满足：（1） ；（2） 例3 某篮球运动员投篮3次，每次投中的概率为 ，求投中次数的分布列 解 令 表示投中的次数，则 ， 的可能取值为0，1，2，3，相应的概率分别为即 的概率分布，其概率分布图如图（2.2.1）从图中看到， 的概率先是随着 的增大而增加，直到达到最大值，而后单调减少图2.2.1 3 泊松(Poisson)分布设随机变量 的分布列为 其中 为常数，则称 服从参数为 的泊松分布，记为 泊松分布满足两个基本性质：（1） ；（2） 定理（泊松定理）设随机变量 ， 为一个正常数， ，则在实际计算中，当 时，就可用泊松分布来近似二项分布 例4 (人寿保险问题)若一年内某类保险者中人的死亡率为 ，现有 人参加保险，试求在未来一年内这些人中有 人死亡的概率解设未来一年中死亡人数为 ，则 由于 较大， 较小， ，故可用泊松分布近似求解 第2章 随机变量及其概率分布,23 连续型随机变量及其概率分布,231 连续型随机变量及其概率密度 1概率密度函数 定义 对于随机变量 ，若存在一个非负可积函数 ， 使对任意的 ，都有 （2.3.1） 成立，则称 为连续型随机变量，称 为 的概率密度函数，简称密度函数或概率密 度,（2.3.1）式表明， 落在 中的概率等 于图2.3.中阴影部分的面积由此看出， 取值较大的区间， 落入该区间的概率也大， 因此概率密度函数 刻画了连续型随机变量 的概率分布情况,图2.3.1,图2.3.2,2密度函数的性质 由密度函数的定义可知， 具有以下性质： （1） ； （2） 若某个函数满足性质（1）、（2），则此函 数可作为某个随机变量的密度函数 性质（2）表示介于曲线 与 轴之间平 面图形的面积为1（图2.3.2）,与,例1 设连续型随机变量 的密度函数为 ，试确定常数 ，并求 解 由 ，有 所以 ，且 ,2.3.2 几种常见的连续型随机变量 一、均匀分布 若连续型随机变量 的密度函数为 则称 在区间 上服从均匀分布， 记为 ,均匀分布的密度函数满足： （1） （显然）； （2） 例2 廊坊到北京的长途汽车每隔10min一趟，若一乘客到站的时间是随机的，问：其候车时间超过6min的概率是多少？ 解 设 为候车时间，则 在 上服从均匀 分布，其概率密度函数为,于是 ， 即该乘客候车时间超过6min的概率为 二、指数分布 若连续型随机变量 的密度函数为 其中 为常数，则称随机变量 服从参数,为 的指数分布，记为 指数分布的密度函数满足： （1） （显然）； （2） 例3 假设某元件的寿命服从参数 的指 数分布，求它使用1000h后还没有坏的概率 解 设 为该元件的寿命，则 即该元件使用1000h后还没有坏的概率为 ,三、正态分布 若连续型随机变量 的密度函数为 其中 为常数，则称 服从参数为 和 的正态分布，或高斯（Gauss）分布， 记为 正态分布的密度函数满足： （1） ；（2）,正态分布的密度曲线呈钟形状（如图2.3.3）， 称其为正态曲线利用导数讨论函数性质可知， 密度函数还具有下列性质： (1) 在 内处处连续； （2）对任意实数 ，有 ，即 图形关于直线 对
- 温馨提示:
1: 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
2: 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
3.本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
人人文库网所有资源均是用户自行上传分享，仅供网友学习交流，未经上传用户书面授权，请勿作他用。
川公网安备: 51019002004831号