第三章 概率与概率分布13322.pptVIP

第三章 概率与概率分布 Probability and probability models 第一节 随机试验与基本事件 1、随机试验 对某一个个体的观测称为“一次随机试验”。如取杨树三年生苗的某一叶片，测其叶面积。 对同一群体中的n个个体进行n次观测就是n次随机试验（random trial）。 2、随机事件 随机试验可能出现的各种基本结果称为“随机事件”或基本事件。 随机试验的结果事先无法肯定。 例：研究的群体为1000只家兔，♀♂各500 只。一次随机试验 简称一次试验 ：随机抽一 只兔子，看是♂或是♀。 此例中抽出♀为一基本事件，抽出♂为另 一基本事件。共两种结果，两个基本事件。 例如上例中，若随机抽取10只家兔为一组，计算其中的♂只数，作为一次试验。 基本事件有：0 ♂，1♂，2♂，… 10♂， 共有11个基本事件，这11个基本事件构成样本 空间Ω。 事件：例如，♂兔只数小于或等于3。 3、必然事件：每次试验中，一定出现的结果。 4、不可能事件：任何一次试验中，都不出现 的结果，如叶面积大于某一平方cm. 5、频率与概率 某随机试验共进行k次， 基本 事件A发生了l次，则称l/k是（k次随机试验中）事件A发生的频率。 随k的增大，l/k将围绕某一确定的常数p做平均幅度愈来愈小的变动. 频率的稳定值p即为事件A的概率。 概率是事件在试验结果中出现可能性大小的定量计量。 0≤ P A ≤1 概率性质： P Ω 1 P V 0 第二节 离散型随机变量的概率分布 反映概率分布特征的总体特征数有：数 学期望（总体平均数）、方差等。 不难看出： E c c, E cX cE X E X+c E X +c Var X+c Var X Var cX c2Var X 2、二项分布 binomial distribution 特征： （1）每次试验有两种互不相容的结果。 （2）每一种结果都有恒定的概率。 （3）试验之间是独立的。 二项分布概率函数： 其中： n 试验次数, x：n次试验中，事件A出现的次数 x 0,1,2,??? n ，共n+1 种基本结果； p 每次试验中事件A发生的概率； q 1-p, 每次试验中ā发生的概率； P x P X x 。 例：已知某批种子的发芽率为90% 现随机抽取10粒种子播种，求 发芽种子数为8的概率？ 解： 二项分布的特征数： 平均数 μ np 方差 σ2 npq 例1：鱼苗死亡率为30%，求10尾鱼苗中死亡数 各可能值相对应的概率。 μ np 10×0.3 3 个 或 μ 0×p x 0 + 1×p x 1 +2×p x 2 +???+n×p x n ] σ2 npq 10×0.3×0.7 2.1 例2：家兔杂交育种 分析：F2代生一只家兔，为棕色短毛（bbrr） 的概率为1/16； 若生下n 只家兔，则bbrr出现的次数服 从二项分布 思考为什么？ p 1/16 n μ np n ×1/16 事件A：至少得到一个棕色短毛兔 解： 事件A： 至少得到一个棕色短毛兔（bbrr）； 则事件ā: 无一个棕色短毛兔（bbrr）。 第三节 连续型随机变量的概率分布 重要的连续分布为正态分布 N: Normal distribution 正态分布是十八世纪末十九初，由法国数学家拉普拉斯和德国数学家高斯等研究出来的理论分布，有时也称为高斯曲线。 正态分布特点 （1）左右对称；分布在横轴上面，平均数所在 一点的Y最高； （2）曲线位置和形状由?和?决定 （3）在平均数所在点向左右两方，曲线迅速下 降，两尾向左右延伸，永不接触， （4）离平均数的左、右方分别1σ 处，为曲线的 拐点。 （5）正态分布曲线与?轴之间的总面积积分等 于1。 几对常见的区间与其相对应的面积或概率的数字： 区间 面积或概率 ??1? 0.6827 ??2? 0.9545 ??3? 0.9973 ??1.960? 0.9500 ??2.576? 0.9900 2、正态分布的标准化 X～N μ, σ2 令 则变量U为标准正态变量, U～N 0, 1 （也可用Z表示，等等。） Example: What is the probability of obtaining a U value between -1 and1? We have P（-1≤u≤1） P -1≤u ≤0 + P 0≤u ≤1 2 P -1≤u ≤0 2 0.3413 0.6826 其中μ为平均数，σ为标准差。 X～N μ, σ2 1、正态分布的密度函数与分布函数 密度函数 累积分布函数 * * 若干基本事件的集合称为事件。 全部基本事件的集合称为样