概率论与数理统计8解说.ppt

重复独立试验 1. 定义 (重复独立试验) 　 设进行n次随机试验,如果在每次试验中任一事件出现的概率与其他各次试验的结果无关, 则称这n次试验是相互独立的.将一个试验重复独立进行n次,称为n次重复独立试验. 则称这n次重复试验为n重伯努利试验，简称为伯努利概型. 若n 次重复试验具有下列特点： 2. n 重伯努利(Bernoulli)试验 1) 每次试验的可能结果只有两个A 或 2) 各次试验的结果相互独立， ( 在各次试验中p是常数，保持不变） 实例1 抛一枚硬币观察得到正面或反面. 若将 硬币抛 n 次,就是n重伯努利试验. 实例2 抛一颗骰子n次,观察是否 “出现 1 点”, 就 　　　是 n重伯努利试验. 一般地，对于伯努利概型，有如下公式： 定理 如果在伯努利试验中，事件A出现的概率为p (0p1), 则在n次试验中，A恰好出现 k 次的概率为： 3. 二项概率公式 （其中k = 0，1，2，···，n ） 试验总次数 事件 A 发生的次数 一次试验中事件 A 发生的概率 推导如下： 且两两互不相容. 称上式为二项分布. 记为 例1 解 例2：金工车间由10台同类型的机床，每台机床配备的电动机功率为10千瓦.已知每台机床工作时，平均每小时实际开动12分钟，且开动与否是相互独立的。现因当地电力供应紧张，供电部门只供50千瓦的电力给这10台机床，问这10台机床能正常工作的概率为多大？ 解：50千瓦的电力可同时供5台机床开动，这意味着10台机床中同时开动台数不多于5台就可以正常工作。 每台机床“开动”的概率为1/5, “不开动”的概率为4/5。设这10台机床中在开动着的机床台数为 则 于是开动机床的台数不超过5的概率为 几何分布 例2 解 小结 1.n重伯努利概型 2.二项概率公式 * * * * * 概率论 概率论 概率论 2.4 事件的独立性 两个事件的独立性 多个事件的独立性 独立性的概念在计算概率中的应用 显然 P(A|B)=P(A) 这就是说,已知事件B发生,并不影响事件A发生的概率,这时称事件A、B独立. 一、两事件的独立性 A={第二次掷出6点}， B={第一次掷出6点}， 先看一个例子： 将一颗均匀骰子连掷两次， 设 由乘法公式知，当事件A、B独立时，有 P(AB)=P(A) P(B) 用P(AB)=P(A) P(B)刻划独立性,比用 P(A|B) = P(A) 或 P(B|A) = P(B) 更好,它不受 P(B)0 或 P(A)0 的制约. 若两事件A、B满足 P(AB)= P(A) P(B) (1) 则称A、B相互独立，简称A、B独立. 两事件独立的定义 例 从一副不含大小王的扑克牌中任取一张，记 A={抽到K}, B={抽到的牌是黑色的} 可见, P(AB)=P(A)P(B) 由于 P(A)=4/52=1/13, 故 事件A、B独立. 问事件A、B是否独立？ 解 P(AB)=2/52=1/26. P(B)=26/52=1/2, 前面我们是根据两事件独立的定义作出结论的，也可以通过计算条件概率去做: 从一副不含大小王的扑克牌中任取一张,记 A={抽到K}, B={抽到的牌是黑色的}, 在实际应用中, 往往根据问题的实际意义去判断两事件是否独立. 可见 P(A)= P(A|B), 即事件A、B独立. 则 P(A)=1/13, P(A|B)=2/26=1/13 在实际应用中,往往根据问题的实际意义去判断两事件是否独立. 由于“甲命中”并不影响“乙命中”的概率，故认为A、B独立 . 甲、乙两人向同一目标射击,记 A={甲命中}, B={乙命中}，A与B是否独立？ 例如 （即一事件发生与否并不影响另一事件发生的概率） 一批产品共n件，从中抽取2件，设 Ai={第i件是合格品} i=1,2 若抽取是有放回的, 则A1与A2独立. 因为第二次抽取的结果受到第一次 抽取的影响. 又如： 因为第二次抽取的结果 不受第一次抽取的影响. 若抽取是无放回的，则A1与A2不独立. 请问：如图的两个事件是独立的吗？ 即 若A、B互斥，且P(A)0, P(B)0,则A与B不独立. 反之，若A与B独立，且P(A)0,P(