第2讲 概率三大定义 加法定理.pptVIP

§1.2 事件的概率 §1.3 古典概率模型 小结 1.2.1 事件的频率 I. 频率定义 设A是一个事件, 在相同条件下进行n次试验，A发生了m 次。 则称 m为事件A在 n 次试验中发生的频数或频次，称 m与 n之比 m/n 为事件A在 n次试验中发生的频率，记为 fn(A)。 当试验次数 n充分大时，事件的频率总在一个定值附近摆动，而且，试验次数越多，一般说来摆动的幅度越小。 －频率的稳定性。 当 n足当大，频率就会非常接近一个固定值——概率。 因此, 概率可以通过频率来“度量”, 频率是概率的近似, 概率是频率某种意义下的极限。 考虑在相同条件下进行的 k 组试验 （P.2 掷硬币） 事件A在各组试验中的频率形成一个数列 稳定在概率 p 附近 在实际问题中，当概率不易求出时，人们在试验次数很大情况下，常用事件的频率作为概率的估计，并称此概率为统计概率。－概率的统计定义 例如: 若需了解某射箭运动员中10环的概率，应对该运动员在相同条件下的多次射箭情况进行观测、统计。 假设其射击 n 次，中10环m次，当 n很大时，就 m/n 作为其命中10环的概率。 缺点 优点？ 1933年，前苏联数学家(概率统计学家)柯尔莫哥洛夫 (Kolmogorov) 给出了概率如下公理化定义。 1.2.2 事件概率 I. 概率定义 概率的公理化定义 (2). P(Ω)=1 ; 　 (3). 若事件A1, A2 ,… 两两互斥，则有 　　 设E是随机试验，Ω是样本空间，对Ω中的每个事件A，赋予一个实数P(A) ，如果事件(集合)函数 P(A) 满足下述三条: (1). P(A)≥0； 则称P(A)为事件A 的概率。（可列可加性） 注意：这里的函数P(A)与以前所学过的函数不同：P(A)的自变量是事件 ( 集合 )。 －泛函 这一定义搁置了所有关于概率本质的哲学争议，成为概率论最原始的出发点。 II. 概率的性质（利用公理化定义可得） 1. P(?)=0，即不可能事件的概率为零； 2. 若事件 A1,A2,…, An 两两互斥，则有： P(A1＋A2＋…＋An)=P(A1)+…+P(An), 即互斥事件并的概率等于它们各自 概率之和(有限可加性)； 4. 对两个事件A和B，若A?B, 则有: P(B-A)=P(B)-P(A), P(B)≥P(A)。 3. 对任一事件A, 均有 证明： 5 (概率加法定理). 对任意两个事件A, B，有 因 AB，A－AB，B－AB两两互斥，且 由概率的可加性， 有 P(A∪B) =P(AB)+P(A－ AB)+P(B－ AB） =P(AB)+P(A)－P(AB)+P(B)－P(AB) =P(A)+P(B) － P(AB). A∪B = AB＋(A－ AB)＋(B－ AB) 说明 推广到n个的情形 特别地，n = 3 时，有 I. 什么是古典概率模型 如果试验 E 满足 (1).试验结果只有有限种； (2).各种结果出现的可能性相同。 则称为等可能概型或古典概型。 II. 古典概率模型中事件概率求法 因试验E的结果只有有限种，即样本点是有限个: ?1,?2 ,…,?n 。 Ω={?1}∪{?2 }∪…∪{?n}， {?i}是基本事件，且各自发生的概率相等。 于是，有 1=P(Ω)=P({?1}∪{?2 }∪…∪{?n}) =n P({?i}), i=1,2,…,n。 从而， P({?i})= 1/n，i=1,2,…,n. 因此，若事件A 包含 k 个基本事件，即 则 III. 古典概模型举例 例1：掷一颗均匀骰子，设A表示所掷结果为“四点或五点”，B表示所掷结果为“偶数点”，求P(A)和P(B)。 解：由 n=6，kA=2,得 P(A)=2/6=1/3； 再由kB=3，得 P(B)=3/6=1/2。 例2：货架上有外观相同的商品15件，其中12件来自产地甲, 3件来自乙。现从15件商品中随机地抽取两件,求这两件