第2章概率论与数理统计基础(概率和概率分布).ppt

概率论与数理统计基础（一）概率和概率分布;一、随机事件和概率 1、随机实验 　　在相同条件下可以重复进行，有两种以上可能结果，但事先不能确定哪一种结果会发生的试验。 　　如：抛一枚硬币、掷一颗骰子、从一副扑克牌里抽取一张。 2、样本空间（又称“总体”） 　　随机试验所有可能结果的集合叫样本空间。样本空间的每种可能结果称为样本点。如：抛两枚硬币，考察向上的一面，所有结果为“正正”、“正反”、“反反”、“反正”，样本空间有４个元素。 ;３、随机事件 　　随机试验的某些结果组成的一个集合，也即 样本空间的一个子集。单个样本点构成的子集 称为基本事件。 　　事件可用A、B、C等字母来表示。 例子：先后抛两枚硬币，观察朝上的一面。 一、实验结果有哪些？ 正正、正反、反正、反反 二、若令Ａ=“一枚正面朝上，一枚正面朝下”，那些结果对应于事件A？ “正反”、“反正” 　　三、若令Ｂ=“第一枚正面朝上，第二枚正面朝下”，那些结果对应事件Ｂ？ “正反” 　　;事件的关系及运算 事件的包含 　　　　　; 　　　 　　　　;（3）事件的和 “事件A与事件B至少有一个发生”、“事件A发生或者事件B发生”；记作 或A+B 　　　 　　　　;（4）事件的积“事件A与事件B同时发生”；“事件A发生并且（而且）事件B也发生”；记作; 互斥事件 　　　 　　　　; 事件的差(事件A发生而事件B不发生） 　　　 　　　　;; 必然事件、完备事件组 　　　 　　　　;4、随机变量(Random Variables); 离散型随机变量 　　可取有限个数值，或无限可列个数值。 　　比如：投掷两颗骰子，各有点数１至６，若令随机变量Ｘ表示“两颗骰子出现的点数之和”，则Ｘ的取值为2、3、4、5……10、11或12。 连续型随机变量 　　可取某一区间的任何值。 比如：身高、体重、温度等。;５、概率的定义 　　　度量随机事件发生的可能性。若Ａ表示 一个随机事件，则P(A)表示事件Ａ发生的概率。 （１）古典概率（先验概率：概率纯粹源自推理） 　　　等可能性、互斥性 　　　ｎ表示随机实验的结果总个数 　　　ｍ表示属于事件Ａ的结果个数 　　　条件一：实验结果互斥 　　　条件二：实验结果等可能发生 　 Ｐ（Ａ）＝ｍ／ｎ ;古典概率的计数法则 乘法原理： 　　　如果一个事件的完成要经过K个步骤，每一步骤分别有n1，n2，……，nk种方法，则完成该事件共有n1·n2…n(k-1)·nk种方法。 加法原理： 　　　如果一个事件的完成有K种方式，每种方式分别有n1，n2，……，nk种方法，则完成该事件共有n1+n2+…+nk种方法。 ;例子1：;　例子2：　 考虑一个游戏，先后投掷两颗骰子，求投掷 结果为“先单后双”的概率。 　　解：令事件Ａ表示“先单后双”这一投掷结果，即需求P(A)。 该随机实验的所有结果个数为6*6=36，则n=36。 完成事件Ａ需要两个步骤，第一个步骤为“投掷结果为单”，第二个步骤为“投掷结果为双”。 每个步骤均可由3种结果（1、3、5和2、4、6）实现。 那么完成事件Ａ共有3*3=9种结果可以实现，从而m=9。 　　P(A)=m/n=9/36=1/4=0.25;（２）统计概率 　　　概率的统计定义（或频率定义、经验定义） 　　　无等可能性、无互斥性 ｎ表示随机实验的总次数或是观测样本的总个数。 　　　ｍ表示实验结果属于事件Ａ的次数或是观测样本属于事件Ａ的个数，通常称为事件Ａ发生的频数。　 　　　Ｐ（Ａ）≈ｍ／ｎ 　　;统计概率的例子;６、概率的性质 (1)0≤P(A)≤１ (2)必然事件发生的概率为1，不可能事件发生的概率为零。 (3)若A、B、C…为互斥的完备事件组 则P(A+B+C+…)=1 (4)若A、B、C…为互斥事件 则P(A+B+C+…)=P(A)+P(B)+P(C)+… (5) P(A+B)=P(A)+P(B)-P(AB) 注：如果A,B互斥，则P(AB)=0　　　　 ;7、条件概率 　　 8、独立事件;条件概率例子 例子1： 　　随机抛一个骰子，如果朝上一面的点数为偶数，求点数为2的概率。 A=“点数为2” B=“点数为偶数” ;条件概率例子 例子2： （1）一个盒子里装10个球，有1个写“生”，并且其它9个写“死”，要某人去抓球。此人抓到“生”球的概率是1/10。 （2）将那个生球上具体标明为“生1号”，如果某人抓到的是“生”球，问他抓到的是“生1”号球的概率是多大。 A