第三章+概率与概率分布.ppt

学习目标 了解随机事件的概念 了解概率运算的法则 理解随机变量及其概率分布的概念 了解二项分布、泊松分布 掌握正态分布的主要特征和应用 理解大数定律和中心极限定理的重要意义 3.1 随机事件及其概率 一、随机试验与随机事件 二、随机事件的概率 三、概率的运算法则 一、随机试验与随机事件 必然现象与随机现象 必然现象（确定性现象） 变化结果是事先可以确定的，一定的条件必然导致某一结果 这种关系通常可以用公式或定律来表示 随机现象（偶然现象、不确定现象） 在一定条件下可能发生也可能不发生的现象 个别观察的结果完全是偶然的、随机会而定 大量观察的结果会呈现出某种规律性 （随机性中寓含着规律性） ——统计规律性 随机试验 严格意义上的随机试验满足三个条件： 试验可以在系统条件下重复进行； 试验的所有可能结果是明确可知的； 每次试验前不能肯定哪一个结果会出现。 广义的随机试验是指对随机现象的观察（或实验）。 实际应用中多数试验不能同时满足上述条件，常常从广义角度来理解。 随机事件（事件） 随机事件（简称事件） 随机试验的每一个可能结果 常用大写英文字母A、B、… …、来表示 基本事件（样本点） 不可能再分成为两个或更多事件的事件 样本空间（Ω） 基本事件的全体（全集） 随机事件（续） 复合事件 由某些基本事件组合而成的事件 样本空间中的子集 随机事件的两种特例 必然事件 在一定条件下，每次试验都必然发生的事件 只有样本空间? 才是必然事件 不可能事件 在一定条件下，每次试验都必然不会发生的事件 不可能事件是一个空集（Φ） 二、随机事件的概率 概率 用来度量随机事件发生的可能性大小的数值 必然事件的概率为1，表示为P (? )=1 不可能事件发生的可能性是零，P(? )=0 随机事件A的概率介于0和1之间，0P(A)1 概率的三种定义，给出了确定随机事件概率的三条途经。 1、概率的古典定义 概率的古典定义 例1：设有50件产品，其中有5件次品，现从这50件中任取2件，求抽到的两件产品均为合格品的概率是多少？抽到的两件产品均为次品的概率又是多少？ 解： 2、概率的统计定义 当试验次数 n 很大时，事件A发生频率m/n 稳定地在某一常数 p 上下波动，而且这种波动的幅度一般会随着试验次数增加而缩小，则定义 p 为事件A发生的概率 3、 主观概率 有些随机事件发生的可能性，既不能通过等可能事件个数来计算，也不能根据大量重复试验的频率来近似 主观概率——依据人们的主观判断而估计的随机事件发生的可能性大小 例如某经理认为新产品畅销的可能性是80％ 人们的经验、专业知识、对事件发生的众多条件或影响因素的分析等等，都是确定主观概率的依据 4. 概率的基本性质 非负性： 规范性： 必然事件的概率为1，即： P(?)=1 不可能事件的概率为0 ，即：P(?)=0。 可加性： 若A与B互斥，则P ( A∪B ) = P ( A ) + P ( B ) 对于多个两两互斥事件A1，A2，…，An，则有： P ( A1∪A2 ∪… ∪An) = P ( A1 ) + P (A2 ) + …+ P (An ) 上述三条基本性质，也称为概率的三条公理。 (补充）关于概率的公理化定义 概率的以上三种定义，各有其特定的应用范围，也存在局限性，都缺乏严密性。 古典定义要求试验的基本事件有限且具有等可能性 统计定义要求试验次数充分大，但试验次数究竟应该取多大、频率与概率有多么接近都没有确切说明 主观概率的确定又具有主观随意性 苏联数学家柯尔莫哥洛夫于1933年提出了概率的公理化定义 ——通过规定应具备的基本性质来定义概率 公理化定义为概率论严谨的逻辑推理打下了坚实的基础。 三、概率的运算法则1. 加法公式 用于求P(A∪B)——“A发生或B发生”的概率 互斥事件（互不相容事件） 不可能同时发生的事件 没有公共样本点 互补事件 互补事件 不可能同时发生而又必然有一个会发生的两个事件 互补事件的概率之和等于1 相容事件的加法公式 相容事件 两个事件有可能同时发生 没有公共样本点 相容事件的加法公式 （广义加法公式 ） 2. 乘法公式 用于计算两个事件同时发生的概率。 ——也即 “A发生且B发生”的概率 P(AB) 先关注事件是否相互独立 （1）条件概率 条件概率—在某些附加条件下计算的概率 在已知事件B已经发生的条件下A发生的条件概率——P(A|B) 条件概率的一般公式： 例2：某公司甲乙两厂生产同种产品。甲厂生产400件，其中一级品为280件；乙厂生产600件，其中一级品有360件。若要从该厂的全部产品中任意抽取一件，试求：①抽出产品为一级品的条件下该产品出自甲厂的概率；②抽出产品出自甲厂的条件下该产品为一级品的概率。 解：设A