第六章 概率与概率分布上课课件.ppt

绝对离势：只有在研究性质相同且平均水平大体一致的情况下，才能用来在不同总体间进行比较，包括全距，四分位差，平均差，标准差等 测试题 第六章 概率与概率分布 第六章 概率与概率分布 第一节 概率论 概率论的创始人是法国的帕斯卡(1623—1662)和费尔马(1601—1665)，他们在以通信的方式讨论赌博的机率问题时，发表了《骰子赌博理论》一书。 棣莫弗(1667—1754)发现了正态方程式。同一时期瑞士的伯努利(1654一1705)提出了二项分布理论。1814年，法国的拉普拉斯(1749—1827)发表了《概率分析论》，该书奠定了古典概率理论的基础，并将概率理论应用于自然和社会的研究。 此后，法国的泊松(1781—1840)提出了泊松分布，德 国的高斯(1777—1855)提出了最小平方法。 随机现象和随机事件 1. 随机现象：事先不能精确预言其结果的现象 例如：掷一枚骰子，生男生女，购买彩票，产品抽样 特点：给定的条件下，观察所得的结果不只一个 随机现象具有非确定性，但内中也有一定的规律性。 随机试 验 在相同条件下，对事物或现象进行观察的行为 例如：掷一枚骰子，观察其出现的点数 符合三个条件 可以在相同的条件下重复进行 每次试验的可能结果可能不只一个，但试验的所有可能结果在试验之前是确切知道的 在试验结束之前，不能确定该次试验的确切结果 随机试验 1. 基本事件（或样本点）：试验的每一个可能的结果 【例】对掷一颗骰子的试验，研究如下事件： ①A为“点数为3”；②B为“出现奇数点”； ③C为“出现点数不超过6”； ④D为“点数为7”。 事件之间的关系 事件之间的关系 事件之间的关系 事件之间的关系 事件之间的关系 事件之间的关系 事件的概率 【例】 掷一颗骰子， ①点数为4的概率； ②点数为奇数的概率。【例】一套3卷的选集，随机放在书架上，求各册从左至右或从右至左恰好排成1,2,3的顺序的概率 概率的数学性质 1. 非负性 概率的加法规则 法则一 1. 两个互斥事件之和的概率，等于两个事件概率之 和。设A和B为两个互斥事件，则 P ( A∪B ) = P ( A ) + P ( B ) 推广：事件A1，A2，…，An两两互斥，则有 P ( A1∪A2 ∪… ∪An) = P ( A1 ) + P (A2 ) + …+ P (An ) 概率的加法规则 法则二 【例】在一副52张扑克牌中抽一张牌，求抽到一张红 桃或者方块的概率。 事件的独立性 抽样方法 全概率公式 全概率公式 排列和样本点的计数 排列和样本点的计数 排列和样本点的计数 测试题 第三节 概率分布、期望值与变异数 随机变量 随机变量 离散型随机变量 连续型随机变量 离散型随机变量的概率分布 离散型随机变量的概率分布 离散型随机变量的概率分布 离散型随机变量的概率分布 离散型随机变量的概率分布 概率分布与频数分布的区别 几种常见的离散概率分布 连续型随机变量的概率分布 概率密度函数 随机变量X取值在区间(x1 ，x2 )的概率？ 分布函数 分布函数和 概率(离散变量)或 密度函数 (连续变量)的关系，就像向上累计频率和频率的关系一样。不同之处在于，分布函数累计的是概率。 分布函数不仅在数学上统一了对离散型随机变量和连续型随机变量概率的研究，而且由于它计算概率的起点都固定为―∞，因而可以把概率值换算成表，以易于求得任何区间的概率，从而达到计算快捷和应用广泛之目的。 随机变量的数学期望与变异数 离散型随机变量的数学期望与变异数 在离散型随机变量X 的一切可能取值的完备组中，各可能取值xi与其取相对应的概率pi乘积之和 描述离散型随机变量取值的集中程度 计算公式为 [例] 一家保险公司在投保的50万元人寿保险的保单中，估计 每1000 保单每年有15个理赔，若每一保单每年的营运成本及 利润的期望值为200元，试求每一保单的保费。 离散型随机变量的方差 随机变量X的每一个取值与期望值的离差平方和的数学期望，记为D(X) 描述离散型随机变量取值的分散程度 计算公式为 连续型随机变量 测试题 随机变量 X 取无限个值 所有可能取值不可以逐个列举出来，而是取数轴上某一区间内的任意点 连续型随机变量的一些例子 X ? 0 0? X ?100 X ? 0 可能的取值 使用寿命(小时) 半年后工程完成的百分比 测量误差(cm) 抽查一批电子元件 新建一座住宅楼 测量一个产品的长度 随机变量 试验 离散型随机变量的取值是可数的，如果对X的每个 可能取值Xi计算其实现