第四章 概率与概率分布.pptVIP

第四章 概率与概率分布 4.1 事件及其概率 4.2 概率分布 4.2.1 离散型概率分布 4.2.2 连续型概率分布 4.3 抽样分布 学习目标 定义试验、事件、样本空间、概率 描述和使用概率的运算法则 定义和解释随机变量及其分布 4. 计算离散型随机变量的概率和概率分布 5. 计算连续型随机变量的概率 4.1 事件及其概率 必然现象与随机现象 在自然界与生产实践和科学试验中，人们会观察到各种各样的现象，把它们归纳起来，大体上分为两大类： 一类是可预言其结果的，即在保持条件不变的情况下，重复进行试验，其结果总是确定的，必然发生（或必然不发生）。这类现象称为必然现象（inevitable phenomena）或确定性现象（definite phenomena）。 另一类是事前不可预言其结果的，即在保持条件不变的情况下，重复进行试验，其结果未必相同。这类在个别试验中其结果呈现偶然性、不确定性现象，称为随机现象（random phenomena ） 或 不 确 定 性 现 象（indefinite phenomena）。 随机现象或不确定性现象，有如下特点： 在一定的条件实现时，有多种可能的结果发生，事前人们不能预言将出现哪种结果；对一次或少数几次观察或试验而言，其结果呈现偶然性、不确定性； 但在相同条件下进行大量重复试验时，其试验结果却呈现出某种固有的特定的规律性——频率的稳定性，通常称之为随机现象的统计规律性。 4.1.1 试 验(experiment) 通常我们把根据某一研究目的 ， 在一定条件下对自然现象所进行的观察或试验统称为试验（trial）。 掷一颗骰子，观察其出现的点数 从一副52张扑克牌中抽取一张，并观察其结果(纸牌的数字或花色) 随机试验：个试验如果满足下述三个特性 ， 则 称 其 为 一个 随机试验（random trial），简称试验： （1）试验可以在相同条件下多次重复进行； （2）每次试验的可能结果不止一个 ，并且事先知道会有哪些可能的结果； （3）每次 试验总是恰好出现这些可能结果中的一个 ，但在一次试验之前却不能肯定这次试验会出现哪一个结果。 例如在一定孵化条件下，孵化6枚种蛋，观察其出雏情况 ； 又如观察两头临产妊娠母牛所产犊牛的性别情况 ， 它们都具有随机试验的三个特征，因此都是随机试验。 4.1.2事件(event) 事件：试验的每一个可能结果(任何样本点集合) 掷一颗骰子出现的点数为3 用大写字母A，B，C，…，表示 随机事件(random event)：每次试验可能出现也可能不出现的事件，简称 事 件(event），通常用A、B、C等来表示。 掷一颗骰子可能出现的点数 （1）基本事件（elementary event） ：不能被分解成其他事件组合的基本事件，也 称 为 样本点（sample point）。 抛一枚均匀硬币，“出现正面”和“出现反面” （2）必然事件 （certain event），我们把在一定条件下必然会发生的事件称为必然事件（certain event），用Ω表示。 －掷一颗骰子出现的点数小于7 （3）不可能事件(impossible event)：我们把在一定条件下不可能发生的事件称为不可能事件（impossible event），用ф表示。 掷一颗骰子出现的点数大于6 例1，在编号为1、2、3、…、10 的十头猪中随机抽取1头，有10种不同的可能结果： “ 取 得 一 个 编 号 是 1” 、 “ 取得一个编号是2”、…、“取得一个编号是10”，这10个事件都是不可能再分的事件，它们都是基本事件。 由若干个基本事件组合而成的事件称为 复合事件 （compound event）。如 “取得一个编号是 2的倍数”是一个复合事件，它由 “ 取得一个编号是2 ”、 “ 是4”、“是6、“是8”、“是10”5个基本事件组合而成。 例2，在严格按妊娠期母猪饲养管理的要求饲养的条件下，妊娠正常的母猪经114天左右产仔，就是一个必然事件。 例3，在满足一定孵化条件下，从石头孵化出雏鸡，就是一个不可能事件。 必然事件与不可能事件实际上是确定性现象，即它们不是随机事件， 但 是 为了方便起见，我们把它们看作为两个特殊的随机事件。 4.1.3 样本空间与样本点 样本空间(sample Space) 一个试验中所有结果的集合，用?表示 例如：在掷一颗骰子的试验中，样本空间表示为：??{1,2,3,4,5,6} 在投掷硬币的试验中，??{正面，反面} 样本点( sample point) 样本空间中每一个特定的试验结果 用符号?表示 4.