概率论与数理统计 盛骤1.pptVIP

第一节 随机试验 一、概率论的诞生及应用 二、随机现象 三、随机试验 四、小结 第二节　样本空间、随机事件 一、样本空间 样本点 二、随机事件的概念 三、随机事件间的关系及运算 第三节 频率与概率 一、频率的定义与性质 二、概率的定义与性质 三、小结 第四节 等可能概型(古典概型) 一、等可能概型(古典概型) 二、典型例题 例3 生日问题 四、小结 第五节　条件概率 一、条件概率 二、 乘法定理 三、全概率公式与贝叶斯公式 四、小结 第六节 独立性 一、事件的相互独立性 二、几个重要定理 三、例题讲解 四、小结 依此类推 故抓阄与次序无关. 1. 样本空间的划分 2. 全概率公式 全概率公式 说明 全概率公式的主要用处在于它可以将一个复杂事件的概率计算问题,分解为若干个简单事件的概率计算问题,最后应用概率的可加性求出最终结果. 例5 有一批同一型号的产品， 已知其中由一 厂生产的占 30%， 二厂生产的占 50%， 三厂生产的 的占 20%， 又知这三个厂的产品次品率分别为2%, 1%, 1%, 问从这批产品中任取一件是次品的概率 是多少? 解 设事件 A 为“任取一件为次品”, 30% 20% 50% 2% 1% 1% 由全概率公式得 称此为贝叶斯公式. 3. 贝叶斯公式 贝叶斯资料 例6 某电子设备制造厂所用的元件是由三家 元件制造厂提供的. 根据以往的记录有以下的数据 元件制造厂 次品率 提供元件的份额 1 2 3 0.02 0.01 0.03 0.15 0.80 0.05 设这三家工厂的产品在仓库是均匀混合的, 且无区 别的标志. (1) 在仓库中随机地取一只元件, 求它是 次品的概率; (2) 在仓库中随机地取一只元件, 若已 知取到的是次品, 为分析此次品出自何厂, 需求出 此次品由三家工厂生产的概率分别是多少. 试求这 些概率. 解 而且有 易知, (1) 由全概率公式 (2) 由贝叶斯公式 以上结果表明, 这只次品来自第2家工厂的可能性 最大. 例7 对以往数据分析结果表明, 当机器调整良 好时, 产品的合格率为98%, 而当机器发生某种故 障时, 其合格率为55%. 每天早上机器开动时, 机 器调整良好的概率为95%. 试求已知某日早上第一 件产品是合格品时, 机器调整良好的概率是多少? 解 调整良好”. 已知 由贝叶斯公式 这就是说, 当生产出的第一件产品是合格品时, 此 时机器调整良好的概率为0.97. 可利用(4.1)式来计算事件的概率. 第一次从袋中取球有6只球可供抽取, 第二次 也有6只球可供抽取. 由组合法的乘法原理, 一共有 对于 由于第一次共有4只白球可供抽取, 第 二次也有4只白球可供抽取, 则由乘法原理总共有 同理, 于是 得 (b) 不放回抽样. 由读者自己完成. 试求每个盒子至多有一只球的概率(盒子容量不限). 解 因每一只 故共有 而每个盒子 不同放法. 因而所求的概率为 说明：许多问题和本例有相同数学模型. 生日问题 假设每人的生日在一年365天中任一天是等可 能的,即都等于1/365, 他们的生日各不相同的概率为 因而, 我们利用软件包进行数值计算计算可得下述结果: 64 个人的班级里，生日各不相同的概率为 至少有2人生日相同的概率为 在 N 件产品中抽取n件,其中恰有k 件次品的取法 共有 于是所求的概率为 解 在N件产品中抽取n件的所有可能取法共有 例5 袋中取一只球, (1) 作放回抽样; (2) 作不放回抽样, 解 (1) 放回抽样的情况, 显然有 (2) 不放回抽样的情况. 各人取一只球, 每种取法是 一个基本事件. 且由于对称性知每个基本事件 发生的可能性相同. 是白球, 共有 种取法, 故根据 (4.1)式得到 尽管 取球的先后次序不同, 各人取到白球的概率是一样 的, 大家机会相同 (例如在购买福利彩票时, 各人得 奖的机会是一样的). 另外值得注意的是放回抽样与 例6 在1~2000的整数中随机地取一个数, 问 取到的整数既不能被6整除, 又不能被8整除的概率 是多少? 解 事件“取到的数能被8整除”, 则所求概率为 由于 故得 由于 故得 又由于一个数同时能被6与8整除, 就相当于能被24 整除, 因此, 由 得 于是所求概率为 例7 将15名新生随机地平均分配到三个班级 中去, 这15名新生中有3名是优秀生. 问 (1) 每个班 级各分配到一名优秀生的概率是多少? (2) 3名优秀 生分配在同一班级的概率是多少? 解 15名新生平均分配到三个班级中的分法 总数为 每一种分配法为一基本事件, 且由对称性易知每个 基本事件发生的可能性相同. (1) 将3名优秀生分配到三个班级使每个