第六章概率分布精选.ppt

  1. 1、本文档共90页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
第六章概率分布精选

第一节 随机事件及其概率 一、随机现象和随机事件 (一)随机现象 试验1:一个口袋中有2个乒乓球,都是白色的,从中任意摸取一个。(必然现象) 试验2:一个口袋中有2个乒乓球,一个白色,一个红色,从中任意摸取一个。(随机现象) 随机试验:对一个随机现象进行一次观测或试验,它满足下面三个条件: (1)试验可以在相同的条件下重复进行; (2)试验的所有可能结果明确可知,且不止一个; (3)一次试验之前无法肯定会出现哪一个结果。 例如:掷一枚骰子,观察其出现的点数 一次试验无规律可言,但大量试验有集体性规律。 (二)事件(event) 事件:随机试验的每一个可能结果(任何样本点集合) 例如:掷一枚骰子出现的点数为3 随机事件:每次试验可能出现也可能不出现的事件 例如:掷一枚骰子可能出现的点数 必然事件:每次试验一定出现的事件,用?表示 例如:掷一枚骰子出现的点数小于7 不可能事件:每次试验一定不出现的事件,用?表示 例如:掷一枚骰子出现的点数大于6 事件的关系和运算 (事件的并或和) 事件的关系和运算 (事件的交或积) 事件的关系和运算 (互不相容事件) 二、(随机)事件的概率 事件A的概率是对事件A在试验中出现的可能性大小的一种度量 表示事件A出现可能性大小的数值 事件A的概率表示为P(A) 概率的定义有:古典定义(先验概率)、 统计定义(后验概率/频率) 事件的概率 ?例如,投掷一枚硬币,出现正面和反面的频率, 随着投掷次数 n 的增大,出现正面和反面的频率 稳定在1/2左右 概率的古典定义 ? 如果某一随机试验的结果有限,而且各个结果在每次试验中出现的可能性相同,则事件A发生的概率为该事件所包含的基本事件个数 m 与样本空间中所包含的基本事件个数 n 的比值,记为 概率的古典定义 【例】某钢铁公司所属三个工厂的职工人数如下表。从 该公司中随机抽取1人,问: (1)该职工为男性的概率 (2)该职工为炼钢厂职工的概率 概率的古典定义 (计算结果) 解:(1)用A 表示“抽中的职工为男性”这一事件;A为全公司男职工的集合;基本空间为全公司职工的集合。则 概率的统计定义 ? 在相同条件下进行n次随机试验,事件A出现 m 次,则比值 m/n 称为事件A发生的频率。随着n的增大,该频率围绕某一常数P上下摆动,且波动的幅度逐渐减小,取向于稳定,这个频率的稳定值即为事件A的概率,记为 概率的统计定义 (实例) 【例】:某工厂为节约用电,规定每天的用电量指标 为1000度。按照上个月的用电记录,30天中有12天的 用电量超过规定指标,若第二个月仍没有具体的节电 措施,试问该厂第一天用电量超过指标的概率。 解:上个月30天的记录可以看作是重复进行了30次 试验,试验A表示用电超过指标出现了12次。根据概 率的统计定义有 三、概率的性质与运算法则 概率的性质 非负性 对任意事件A,有 0 ? P ? 1 规范性 必然事件的概率为1;不可能事件的概率为0。即P ( ? ) = 1; P ( ? ) = 0 可加性 P ( A+B ) = P ( A ) + P ( B )- P ( A . B ) 概率的加法法则 ? 法则一 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 ) 事件A1,A2,…,An两两互斥,则有 P ( A1∪A2 ∪… ∪An) = P ( A1 ) + P (A2 ) + …+ P (An ) 概率的加法法则 (实例) 概率的乘法公式 用来计算两事件交的概率 以条件概率的定义为基础 设A、B为两个事件,若P(B)0,则P(A.B)=P(B). P(A) 概率的乘法公式 (实例) 第二节 随机变量及其分布 一、随机变量的概念 1. 随机变量:定义在事件集合上的函数 ,简称为变量。 一次试验的结果的数值性描述 2. 一般用 X、Y、Z 来表示 3. 根据取值情况的不同分为离散型随机变量和连续型随机变量 离散型随机变量 随机变量 X 取有限个值或所有取值都可以逐个列举出来 X1 , X2,… 以确定的概率取这些不同的值 离散型随机变量的一些例子 连续型随机变量 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 变量的概率分布 对于一个随机变量,通常想弄清楚的是下面两点: 随机变量的可能取值是什么; 随机变量在各可能取值点或取值区间上是如何分布的。 知道了

文档评论(0)

ee88870 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档