概率与概率分布.pptVIP

Chapter3 概率与概率分布 大数定律 二项分布 泊松分布 高斯分布 卡方(χ2)分布 t分布 和 f分布 内容： 第一节 概率基础知识 第二节 几种常见的理论分布 第三节 统计数的分布 第一节 概率基础知识 有关概率的一些基本概念 事件、概率、频率 概率的计算 ?随机变量 定义 离散型随机变量概率分布 连续型随机变量概率分布 大数定理 随机变量的数学期望 随机事件：某些确定条件下，可能出现也可能不出现的现象，也叫随机事件 概率P(A) ：描述随机事件发生的可能性大小的数值。 P的大小在0和1之间，越接近于1，说明发生的可能性越大，越接近于0，说明发生的可能性越小。 频数：事件A在n次重复试验中发生了m次，m就是事件A发生的频数。 频率W(A)：事件A在n次重复试验中发生了m次，其比值m/n就是事件A发生的频率。当重复试验次数足够大的情况下，频率可以认为是概率。 （一）事 件 1. 必然事件（U） 2. 不可能事件（V） 3. 随机性事件 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。 （二）概 率(probability) 目的：了解各种随机事件发生的可能性大小，揭示这些事件的内在的统计规律性。 定义：能够刻划事件发生可能性大小的数量指标。 特性：事件本身所固有的，不随人的主观意志而改变 记号：事件A的概率记为P(A) 概率的性质 1）对于任何事件A，有0≤P(A)≤1； 2）必然事件的概率为1，即P(U)=1； 3）不可能事件的概率为0，即P(V)=0。 （三）小概率事件实际不可能性原理 随机事件的概率表示了随机事件在一次试验中出现的可能性大小。 若随机事件的概率很小，例如小于0.05、0.01、0.001，称之为小概率事件。 小概率事件虽然不是不可能事件，但在一次试验中出现的可能性很小，不出现的可能性很大 ，以至于实际上可以看成是不可能发生的。 在统计学上，把小概率事件在一次试验中看成是实际不可能发生的事件称为小概率事件实际不可能性原理，亦称为小概率原理。 小概率事件实际不可能性原理是统计学上进行假设检验（显著性检验）的基本依据。 二、概率的计算 事件的相互关系 和事件 积事件 互斥事件 对立事件 独立事件 完全事件系 离散型随机变量(discrete random variable) 表示试验结果的变量，其可能取值可罗列，且以各种确定的概率取这些不同的值 ； 连续型随机变量(continuous random variable) 表示试验结果的变量x，其可能取值为某范围内的任何数值，且x在其取值范围内的任一区间中取值时，其概率是确定的。 注 意 (1) 伯努利大数定律是切比雪夫大数定律的特例. 第二节 几种常见的理论分布 二项分布 (Binomial distribution) 泊松分布 (Poisson’s distribution) 高斯分布 (Gauss distribution) (一) 贝努利试验及其概率公式 将某随机试验重复进行n次，若各次试验结果互不影响 ， 即每次试验结果出现的概率都不依赖于其它各次试验的结果，则称这n次试验是独立的。 对于n次独立的试验，如果每次试验结果出现且只出现对立事件A与ā之一， 在每次试验中出现A的概率是常数p(0p1)，因而出现对立事件ā的概率是1-p=q，则 称 这一串重复的独立试验为n重贝努利试验，简称贝努利试验(Bernoulli trials )。 P32 例3.6 二、泊松分布(Poisson distribution) 罕见事件发生数的分布规律 其它重要分布函数 韦伯分布 瑞利分布 极值分布 负指数分布 幂律分布 麦克斯韦-波尔兹曼分布 费米-狄拉克分布 一、 二 项 分 布 ◆　二项分布的概率的计算方法 ◆　二项分布的形状和参数 在n重贝努利试验中，事件 A 可能发生0，1，2，…，n次，现在我们来求事件 A 恰好发生k(0≤k≤n)次的概率Pn(k)。 先取n=4，k=2来讨论。在4次试验中，事件A发生2次的方式有以下 种： 由于试验是独立的，按概率的乘法法则，于是每种出现的概率有： 又由于以上各种方式中，任何二种方式都是互不相容的，按概率的加法法则，在4 次试验中，事件A恰好发生2次的概率为： P4(2) = P(