概率论在误差分析中的应用 范庆凯.pdf

概率论在误差分析中的应用 结课作业 专 业 焊接技术与工程 学 生 范庆凯 学 号 1152910225 日 期 2016 年12 月8 日 概率论在误差分析中的应用 1.背景 在自然界和科学试验中发生的现象是多种多样的, ，但是归结起来可分为两大类：即必然现象(又 称确定性现象)和偶然现象(又称随机现象或不确定性现象)。在试验中，在一定的条件下，某事件(指某 一试验结果)一定会发生，则称它为必然事件。在一定的条件下，某事件一定不会发生，则称为不可能 事件。必然事件和不可能事件都是属于同一类现象的，即确定性现象。另一类现象是，在一定的条件 下，这类事件可能出现，也可能不出现，这类事件都属于随机现象, 即不确定性现象。确定性现象的定 量描述是用通常的数学方法，即算术、代数、三角、几何、数学分析、微分方程和积分方程等等，而 不确定性现象的定量描述，则是运用概率论和数理统计方法来进行的。随着人们认识的深化，不确定 性现象又可分为两类，一类是随机现象，另一类是模糊现象。前者的定量工具是概率论和数理统计， 后者的定量工具则是模糊数学。[1] 概率是度量某一事件发生的可能性大小的量，它是随机事件的函数。必然发生的事件,其概率为 1，记为P(U)=1，其中U 代表必然事件。不可能事件，其概率为，记为P(V)=0,其中V 代表不可能事件。 一般的随机事件，其概率在0 与1 之间，记为0 ≤ P(A)≤ 1，A 代表任一随机事件。 2.概率的基本运算法则： （1）互补法则：某事件发生的概率与不发生的概率之和必然为1，这就是互补定理，用公式来表 达即为：P(A)=1-P(A)。 （2 ）加法定理：两个互不相容事件之一出现的概率等于各自出现概率之和。用公式来表达即为： P(A+ B)= P(A)+ P(B)。 （3）乘法定理：我们用P(A| B)表示在事件B 发生的条件下,事件A 出现的概率,称P(A| B)为事件 A 的条件概率。当P(A| B)=P(A)或 P(B| A)=P(B)时,则事件A 和 B 相互独立。这时,P(AB)= P(A| B)P(B)= P(A)P(B) (1-3)如果事件A 和B 不是相互独立的,则其一般式为P(AB)= P(A| B)P(B)= P(B| A)P(A)。 3.常见的数据统计分布： 3.1 正态分布 数学和经验都证明：受大量、独立、均匀小效应影响的随机变量服从正态分布。在数理统计中用 于统计推理的许多统计量，不管原分布是什么，只要样本容量充分大，它都近似于正态分布。μ为正 态总体的平均值；σ为正态总体的标准差；x 为正态总体中随机抽样的样本值。正态分布有一个非常 重要的性质：在特定条件下，大量统计独立的随机变量的和的分布趋于正态分布，这就是中心极限定 [2] 理。 中心极限定理的重要意义在于，根据这一定理的结论，其它概率分布可以用正态分布作为近似。 [3] 图像： 概率密度： 1 ( −)2 ( ) x =  2 exp⁡{− 22 } √ 分布函数： 1 ( −)2 F(x；μ，σ) =  2 ∫ exp⁡{− 22 } √ −∞ 性质： 2 2 （1）若X~N （,