数理统计与随机过程1--概率论.ppt

利用关系式： 当 X?N(0,1)时， Y=X2 的概率密度即为： 此为N=1时的 ?2 分布 当函数g()为严格单调函数，且处处可导时 h()为g()的反函数 例： * 解： * 对连续性随机变量，其分布函数是不是一定连续？其概率密度函数是不是一定连续？ * 一、条件概率 事件A发生的条件下事件B发生的概率： 定义： * 二、乘法公式 当条件概率有意义时： 定义：设S为试验E的样本空间，B1,B2,…,Bn 为E的一组事件。若： 则称B1,B2,…,Bn为S的一个划分,或称为一组完备事件组。 * B1 B2 Bn S 即：B1,B2,…,Bn至少有一发生是 必然的，两两同时发生又是不可能的。 定理：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，P(Bi)0，i=1,2,…,n； 则称： * 为全概率公式 B1 B2 Bn S A 证明： * 定理：接上定理条件， 又由乘法公式 得： 称此式为Bayes公式。 例：两个不相容事件的先验概率 癌症患者概率 P(ω1)=0.005 正常人概率 P(ω2)=0.995 事件化验X的条件概率 对于癌症患者 P(X=阳|ω1)=0.95 P(X=阴|ω1)=0.05 对于正常人 P(X=阳|ω2)=0.01 P(X=阴|ω2)=0.99 如一人为阳性反应，那他患癌症的(后验)概率 P(ω1|X=阳)= ？ 即：观察化验X=阳，患者得癌症的概率是多少? P(ω2|X=阳)=0.677 ∵ P(ω2|X=阳) P(ω1|X=阳) ∴ 患者 属于正常人的概率高（0.677） !!! 主要是因为： P(ω2) P(ω1） * 定义：设A，B为两随机事件， 若 P(B|A)=P(B)， 即 P(AB)=P(A)*P(B)， 也即 P(A|B)=P(A)时， 称事件 A，B 相互独立。 例：甲、乙两人同时向一目标射击，甲击中率为0.8，乙击中率为0.7，求目标被击中的概率。 * 解： 设 A={甲击中},B={乙击中} C={目标被击中} ∵ 甲、乙同时射击，其结果互不影响， ∴ A，B相互独立 * * 逆事件和独立事件有哪些区别与联系。 逆事件可以是独立事件吗？ 主要内容： 随机变量 概率分布函数 离散型随机变量 连续型随机变量 随机变量的函数 * * 常见的两类试验结果： * 示数的——降雨量；候车人数；发生交通事故的次数… 示性的——明天天气（晴，多云…）；化验结果（阳性，阴性）… 离散型的 连续型的 * 中心问题：将试验结果数量化 * 定义：随试验结果而变的量X为随机变量 * 常见的两类随机变量 定义：取值可数的随机变量为离散量 离散量的概率分布(分布律) * 样本空间S＝{ X=x1，X=x2，…，X=xn，… } 由于样本点两两不相容 1、写出可能取值－－即写出了样本点 2、写出相应的概率－－即写出了每一个样本点出现的概率 … … … … # 概率分布 三个主要的离散型随机变量分布 (0－1) 分布(Bernoulli distribution ) 二项分布(binomial distribution ) * X p q 0 1 p (p+q=1) n重贝努利试验：设试验E只有两个可能的结果： P(A)=p,0p1,将E独立地重复进行n次，则称这一串重复 的独立试验为n重贝努利(Bernoulli)试验。 A在n重贝努利试验中发生X次的概率为： 称X为服从参数为n,p的二项分布， 记 X?b(n,p) 例：某人骑了自行车从学校到火车站，一路上 要经过3个独立的交通灯，设各灯工作独立，且设各灯为红灯的概率为p，0p1，以Y表示一路上遇到红灯的次数。 (1)求Y的概率分布律； (2)求恰好遇到2次红灯的概率。 * 解：这是三重贝努利试验 泊松分布(Poisson分布) 若随机变量X的概率分布律为 称X为服从参数为λ的泊松分布，记 * * 泊松分布是二项式分布的近似表示 例：设某汽车停靠站候车人数 (1)求至少有两人候车的概率； (2)已知至少有两人候车，求恰有两人候车