03概率与概率分布.docVIP

第3章 概率基本知识、随机变量及其概率分布 3.1 随机现象与随机事件 自然界中存在两种现象。（1）必然现象，（2）随机现象。 必然现象：在一定条件下必然要出现的结果。（水在100度沸腾，春种秋收，行星运行等） 随机现象：在一定条件下，出现的结果不可预料。（某城市每天的用电量，车站每天的的客流量，河流的水流量等） 随机事件：随机现象中每一个可能出现的结果称为随机事件。（掷色子的结果） 随机现象是通过随机试验来观察的。随机试验有以下3个特点。 （1）在相同条件下可以重复进行多次。 （2）每次试验的可能结果不止一个，但究竟哪一个出现事先无法预料。 （3）试验中所有可能出现的结果是已知的，但每次试验只能出现其中一个。 例如，投硬币问题。某路口5分钟内通过的车辆数。100粒种子的发芽数。 随机试验过程中，每一个可能结果的出现是偶然的，但在多次试验中具有规律性。 3.2 概率定义与性质 人们不但希望知道随机事件的结果，重要的是想知道该结果发生的可能性有多大。为什么研究经济和管理问题还要研究概率？有助于从理论和本质上认识经济变量的变化规律。 概率的定义。 （1）概率的统计定义 P(A) = p = =（发生的次数/试验次数） 通过大量的实验得出结果。例如投币问题。 图2.1 模拟投币1000次正面朝上次数与试验总次数的比 （2）概率的古典定义 ①随机试验中发生的可能结果个数是有限的。②每一个可能结果发生的可能性是相等的。 P(A) = p = =（A中包含的基本事件数m / 基本事件总数n） (3.1) 利用等可能完备事件组进行分析。例如掷色子问题。若A表示奇数点，则m=3，n=6。 P(A) = p = = = 。 （3）主观概率 对于不可重复试验，主观概率是人对事件发生可能性的判断。因人而异，但不是乱猜。例如，考上大学的概率。 （4） 概率性质： ① 0 ( P(A) ( 1 ② P(必然事件) = 1 ③ P(不可能事件) = 0 3.3 随机变量及其分布。 为了更好的研究随机现象，把随机事件和随机变量联系起来。不同的随机事件看作是某个随机变量在随机试验中取得的不同数值。 随机变量定义：按一定的概率取不同实数值的变量称为随机变量，用x, y等表示。 有时人们不但关心某个随机变量取某个值的概率，还关心该随机变量在整个取值域上的概率。这就是随机变量的概率分布问题。 概率分布类型同样是人们长期对随机变量分布规律的总结，是由实践中总结出来的，但高于实践（例，勾股定理）。例如正态分布就是高斯（Causs）长期对误差分布的研究总结出来的。 北京市某医院1000个新生儿体重值的频数分布表明，新生儿体重值服从正态分布。 图3.1 数据的频率分布是概率分布的近似。数据越多近似性越好。 图3.5 20个新生儿体重值的频数分布 图3.6 1000个新生儿体重值的频数分布 3.4 常用的概率分布。 （1）正态分布定义：若连续型随机变量x的概率密度函数为 f (x) = exp(-) 其中(, ( 为常量，( 0，则称x服从正态分布。记作x ( N((, (2 )。可以证明(, ( 分别是x的数学期望和标准差，即。 E(x) = ( ， Var (x) = ( 2 ， = ( 三种不同参数的正态分布曲线见图3.2。 正态分布的概率密度函数具有如下性质： ① 正态分布曲线以x = ( 对称。最大值点在x = ( 处，即f (x) = 。 ② 概率密度函数f (x) 呈钟形。在x = ( ( ( 处密度函数曲线有拐点。 ③ 当x ( ( ( 时，f (x) 以x轴为渐近线。 ④ 当( 较大时，f (x) 曲线较平缓；当( 较小时，f (x) 曲线较陡峭。 ⑤ 已知( 和( 的值，就可以完全确定正态分布密度函数。 对某产品的物理量测量、误差的测量常服从于正态分布。 图3.2 正态分布曲线 图3.3 标准正态分布曲线 （2）标准正态分布定义： 对于正态分布密度函数f (x)，当( = 0，( = 1时，即 f (x) =exp(-) 称连续型随机变量x服从标准正态分布。记作x ( N(0, 1 )。 对于标准正态分布E(x) = 0，Var(x) = =1。 标准正态分布曲线见图3.3。标准正态分布密度函数f (x)有如下性质： ① f0(x) 以纵轴对称； ② x = 0 时，f0(x) 的极大值是 1/= 0.3989； ③ f (x) 在x = (1处有两个拐点； ④ f0 (x) = 0。 （3）正态分布随机变量的标准化。 可以证明若x ( N((, ( 2 )，则 Z = ( N(0, 1 ) 可见对一般正态分布随机变量x做变换Z = ，