第4章_用概率分布描述随机变量范例.ppt

第4章 用概率分布描述随机变量 数学定律不能百分百确切地用在现实生活里；能百分百确切地用数学定理描述的，就不是现实生活。 ——Albert Einstein 4.1 度量事件发生的可能性—概率probability 明天降雨的可能性有多大？ 你买彩票中奖的可能性有多大？ 你购买一只股票周一上涨的可能性有多大？ 这些对事件发生可能性大小的度量就是概率 什么是概率？(probability) 概率是对事件发生的可能性大小的度量 你购买一只股票明天上涨的可能性有多大 明天降水的概率是80%。这里的80%就是对降水这一事件发生的可能性大小的一种数值度量 一个介于0和1之间的一个值 事件A的概率记为P(A) 怎样获得概率？ 重复试验获得概率 当试验的次数很多时，概率P(A)可以由所观察到的事件A发生次数(频数)的比例来逼近 在相同条件下，重复进行n次试验，事件A发生了m次，则事件A发生的概率可以写为 有人投掷一枚硬币，随着投掷次数 n 的增大，出现正面（或反面）的频率稳定在1/2左右。 利用概率知识帮助判案 在瑞典的一次庭审中，管理泊车的警察作证说他记录了一辆车某一边的两个轮胎气阀的位置。后来等他重新回到该处时，气阀还在原来的位置。（这个警察的做法是把气阀的位置记成最接近的“钟点”位置。例如在下图中，气阀是在“10:00”和“3:00”。）在这种情况下他开了一张超时泊车的罚单。但是车主却声称他已经在其间用过车子，只不过停回到了原来的泊车位。 概率的基本性质 1. P(Φ)=0， P(Ω)=1 2. 有限可加性：当n个事件A1，A2 ，A3…，An两两互不相容时，P(A1∪...∪An)=P(A1)+...+P(An)。 3. 对于任意一个事件A：P(A)=1－P(非A) 4. 当事件A，B满足A包含于B时：P(B－A)=P(B)－P(A)，P(A)≤P(B)。 5. 对于任意一个事件A，有 0≤ P(A) ≤1。 6. 对任意两个事件A和B，P(B－A)=P(B)－P(AB)． 7. 加法公式：对任意两个事件A和B，P(A∪B)=P(A)+P(B)－P(AB)。当事件A和B互不相容时P(A∪B)=P(A)+P(B) 这里 ：事件（AB）表示A和B同时发生。若A和B相互独立： P(AB)= P(A)·P(B) 【例题】 ：据经验统计，甲运动员投篮命中（A）概率为80%，乙运动员投篮命中（B）概率为90%，若两人各独立投一次，有下列结果： 1）两人都投中的概率： P(AB)= P(A)·P(B)=80%×90%=72% 2）两人都投不中的概率 P(非A非B)=（1－P(A))(1－P(B)） =20%＊10% 3）甲投中乙投不中的概率 P(A)·(1－P(B))=80%×10%=8% 4）乙投中而甲投不中的概率 (1－ P(A))·P(B)=20%×90%=18% 5) 甲乙至少有一人投中的概率 P(A∪B)=P(A)+P(B)－P(AB)=80%+90%－72%=98% 4.2 随机变量的概率分布 随机变量是变量数值具有随机性的变量。 离散型随机变量只能取有限多个数值. 连续型随机变量可以取某一区间范围内的任意值。 4.2.1随机变量(random variables) 事先不知道会出现什么结果 投掷两枚硬币出现正面的数量 一座写字楼，每平方米的出租价格 一个消费者对某一特定品牌饮料的偏好 一般用 X，Y，Z 来表示 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(discrete random variables) 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(continuous random variables) 可以取一个或多个区间中任何值 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 离散型随机变量的期望值(expected value) 描述离散型随机变量取值的集中程度 离散型随机变量X的所有可能取值xi与其取相对应的概率 pi 乘积之和 记为? 或E(X) 计算公式为 离散型随机变量的方差(variance) 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? 2 或D(X) 描述离散型随机变量取值的分散程度 计算公式为 方差的平方根称为标准差，记为? 或?D(X) 连续型随机变量的期望和方差 连续型随机变量的期望值 方差 例如根据人口普查数据，我国的出生婴儿男、女性