第一章概率论的基本概念介绍.pptVIP

两类现象 概率统计中研究的对象：随机现象的数量规律 对随机现象的观察、记录、试验统称为随机试验。 它具有以下特性： 可以在相同条件下重复进行 事先知道可能出现的结果 进行试验前并不知道哪个试验结果会发生 第一节 随机试验 §2 样本空间·随机事件 一 样本空间 定义：随机试验E的所有结果构成的集合称为E的 样本空间，记为S e ， 称S中的元素e为基本事件或样本点． 基本事件： 三、事件间的关系与运算 子事件（包含） 和事件 积事件 差事件 互斥 对立事件 运算规律 §3 频率与概率 一 频率 定义：记 其中 —A发生的次数 频数 ；n—总试验次 数。称 为A在这n次试验中发生的频率。 例： 中国国家足球队，“冲击亚洲”共进行了n次，其中成功了一次，则在这n次试验中“冲击亚洲”这事件发生的频率为 某人一共听了17次“概率统计”课，其中有15次迟到，记 A 听课迟到 ，则 # 频率 反映了事件A发生的频繁程度。 抛硬币实验 二 概率 定义1： 的稳定值p定义为A的概率，记为P A p 定义2：将概率视为测度，且满足： 称P A 为事件A的概率。 总结概率的性质 §4 等可能概型（古典概型） 定义：若试验E满足： S中样本点有限 有限性 出现每一样本点的概率相等 等可能性 解：假设接待站的接待时间没有规定，而各来访者在一周 的任一天中去接待站是等可能的，那么，12次接待来 访者都是在周二、周四的概率为 212/712 0.000 000 3. 例：某厂生产的产品能直接出厂的概率为70%，余下 的30%的产品要调试后再定，已知调试后有80% 的产品可以出厂，20%的产品要报废。求该厂产 品的报废率。 例：有4个独立元件构成的系统 如图 ，设每个元 件能正常运行的概率为p，求系统正常运行的 概率。 本章小结 　　 将 1.1 式写成 P AB ＝P B∣A P A ， P A 0． 1.2 这就是乘法公式。我们常按上述第一种方法求出条件概率，从而按 1.2 式可求得P AB 。 事件的独立性是概率论中的一个非常重要的概念，概率论与 数理统计中的很多很多内容都是在独立的前提下讨论的。应该注意到，在实际应用中，对于事件的独立性，我们往往不是根据定义来判断而是根据实际意义来加以判断的。根据实际背景判断事件的独立性，往往并不困难。 返回 条件概率P A∣B 与积事件概率P AB 有什么区别？ P AB 是在样本空间S内，事件AB的概率，而P A∣B 是在试验E增加了新条件B发生后的缩减样本空间SB中计算事件A的概率。虽然都是A、B同时发生，但两者是不同的，有P AB ＝P B P A∣B ，仅当P B ＝P S ＝1时，两者相等。 全概率公式 全概率公式是概率论的一个重要公式，应用全概率公式的关键是建立样本空间的正确划分 即构造一个正确的完备事件组 ，然后计算各个概率和条件概率，最后代入全概率公式。它是求复杂事件概率的有力工具。 样本空间的划分的定义：设S为试验E的样本空间，B1,B2，…,Bn为E的一组事件。若 ⑴BiBj ?,i≠j,i,j 1,2, …,n; ⑵B1∪B2∪…∪Bn S, 则称B1,B2, …Bn为样本空间S的一个划分。 全概率公式：设试验E的样本空间为S,A为E的事件， B1,B2，…,Bn为S的一个划分，且P Bi 0 i 1,2, …,n ,则 P A P A∣B1 P B1 +P A∣B2 P B2 +…+P A∣Bn P Bn . 全概率公式的证明 证明 因为事件B1,B2，…,Bn时样本空间的一个划分，即Bi两两互不相容，P Bi 0 i 1,2, …,n ，而且 B1∪B2∪…∪Bn S 有 AB1∪AB2∪…∪ABn A 这里的ABi也是两两互不相容（参见图）。 由概率的可列可加性 P A P AB1 +P AB2 +…+P ABn 利用乘法定理即得 P A P A∣B1 P B1 +P A∣B2 P B2 +…+P A∣Bn P Bn B1 A B5 B4 B3 B2 解 设从这批种子中任选一颗是一等、二等、三等、四等种子的事件分别记为A1,A2,A3,A4，则它们构成样本空间的一个分割。用B表示在这批种子中任选一颗，且这颗种子所结的穗含有50颗以上麦粒这一事件，则由全概率公式得 例18 播种用的一等小麦种子中混合2﹪的二等种子，1.5﹪的三等种子，1﹪的四等种子。用一等、二等、三等、四等种子长出的穗含50颗以上麦粒的概率分别是0.5,0.15,0.1,0.05，求这批种子所结的穗含有50颗以上麦粒的概率。 ※全概率公式主要用于计算比较复杂事件的概率,它实质上是加法公式和乘