2-可靠性设计数学基础解说.ppt

机械可靠性设计 湖南工业大学机械工程学院 陈维克 2.1随机事件与概率 2.1.1 随机事件及其运算 1. 随机试验 2. 随机事件 3. 事件的表示 2.1随机事件与概率 2.1.2 概率及其特点 1. 概率 随机事件可用集合来描述，而随机事件在一次试验中是否发生，我们虽然不能预先知道，但是它在一次试验中发生的可能性是有大小之分的，“事件的概率”就是对事件发生的可能性大小的数量描述。 假定在相同条件下进行n次重复试验，事件A发生了k次，则事件A发生的频率为: 当试验次数n趋向无穷时，上式频率的极限定义为事件A发生的概率，记为P(A)，即: 一般来讲，当试验次数n充分大时，常用下列近似公式 显然事件A的概率具有以下三条性质： 条件概率公式 条件概率是在事件B发生的条件下事件A的概率，记为P（A｜B）。设A与B是任意两个事件，如果P（B）＞0，则在事件B发生的条件下，事件A发生的概率为 概率乘法公式 设A与B是任意两个事件，则: P（AB）＝P（B）P（A｜B）（P（B）＞0） 全概率公式 如果事件组 满足： 1） 两两互不相容，且； 我们称事件组 为一完备事件组，则对任一事件B，则有: 贝叶斯公式 设事件组 为一完备事件组，B为任一事件，且P(B)＞0，则 P(Aj|B)＝P(BAj)/P(B) 贝叶斯公式告诉我们，条件概率可通过一系列概率求得，它反映了试验之后对各种原因发生可能性的大小。该公式在贝叶斯理论中占有十分重要的地位。 例 一座别墅在过去的 20 年里一共发生过 2 次被盗，别墅的主人有一条狗，狗平均每周晚上叫 3 次，在盗贼入侵时狗叫的概率被估计为 0.9，问题是：在狗叫的时候发生入侵的概率是多少？ 例 假设 B事件为狗在晚上叫，A 为盗贼入侵，则 P(B) = 3 / 7，P(A)=2/(20·365)=2/7300，P(B | A) = 0.9，按照公式很容易得出结果 P(A|B)=P(A)P(B|A)/P(B)=5.75e-4 数学期望 早在17世纪，有一个赌徒向法国著名数学家帕斯卡挑战，给他出了一道题目：甲乙两个人赌博，他们两人获胜的机率相等，比赛规则是先胜三局者为赢家，赢家可以获得100法郎的奖励。录比赛进行到第三局的时候，甲胜了两局，乙胜了一局，这时由于某些原因中止了比赛，那么如何分配这100法郎才比较公平？用概率论的知识，不难得知，甲获胜的概率为1/2+(1/2)*(1/2)=3/4，或者分析乙获胜的概率为(1/2)*(1/2)＝1/4。因此由此引出了甲的期望所得值为100*3/4=75法郎，乙的期望所得值为25法郎。这个故事里出现了“期望”这个词，数学期望由此而来。 数学期望 离散型随机变量---数学期望. 这个随机变量取一切可能值与相应概率乘积的总和，即为期望或均值. 数学期望 连续型随机变量 ---数学期望： 式中f(t)为随机变量的分布密度函数。 数学期望 例如某城市有10万个家庭，没有孩子的家庭有1000个，有一个孩子的家庭有9万个，有两个孩子的家庭有6000个，有3个孩子的家庭有3000个， 则此城市中任一个家庭中孩子的数目是一个随机变量，记为X，它可取值0，1，2，3，其中取0的概率为0.01，取1的概率为0.9，取2的概率为0.06，取3的概率为0.03，它的数学期望为0×0.01＋1×0.9＋2×0.06＋3×0.03等于1.11，即此城市一个家庭平均有小孩1.11个，用数学式子表示为：E(X)=1.11。 方差和标准差 方差或标准差用来反映随机变量的分散程度，即随机变量取值对均值的偏离程度。 D(X)=E(X-E(X))2 标准差=D(X)1/2 方差和标准差 方差和标准差 样本方差和样本标准差都是衡量一个样本波动大小的量，样本方差或样本标准差越大，样本数据的波动就越大。 方差和标准差 例如，A、B两组各有6位学生参加同一次语文测验，A组的分数为95、85、75、65、55、45，B组的分数为73、72、71、69、68、67。这两组的平均数都是70，但A组的标准差为17.08分，B组的标准差为2.16分，说明A组学生之间的差距要比B组学生之间的差距大得多。 协方差、相关系数 Cov(X,Y)=E[(X-EX)(Y-EY)] 期望值分别为E(X) =μ 与 E(Y) =ν。它也可以表示为： 　　 直观上来看，协方差表示的