第3章概率、概率分布与抽样分布(袁卫).ppt

第 3 章 概率、概率分布与抽样分布 3.1 事件及其概率 3.2 随机变量及其概率分布 3.3 常用的抽样方法 3.4 抽样分布 3.5 中心极限定理的应用 学习目标 事件及其概率 随机变量及其概率分布 常用的抽样方法 抽样分布 中心极限定理的应用 试验、事件和样本空间 试 验(experiment) 对试验对象进行一次观察或测量的过程 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) 试验的特点 可以在相同的条件下重复进行 每次试验的可能结果可能不止一个，但试验的所有可能结果在试验之前是确切知道的 在试验结束之前，不能确定该次试验的确切结果 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 掷一颗骰子可能出现的点数 事件(event) 简单事件(simple event) ：不能被分解成其他事件组合的基本事件 抛一枚均匀硬币，“出现正面”和“出现反面” 必然事件(certain event)：每次试验一定出现的事件，用?表示 掷一颗骰子出现的点数小于7 不可能事件(impossible event)：每次试验一定不出现的事件，用?表示 掷一颗骰子出现的点数大于6 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 事件的概率 事件的概率(probability) 事件A的概率是一个介于0和1之间的一个值，用以度量试验完成时事件A发生的可能性大小， 记为P(A) 当试验的次数很多时，概率P(A)可以由所观察到的事件A发生次数(频数)的比例来逼近 在相同条件下，重复进行n次试验，事件A发生了m次，则事件A发生的概率可以写为 概率的性质和运算法则 互斥事件及其概率(mutually exclusive events) ? 在试验中，两个事件有一个发生时，另一个就不能发生，则称事件A与事件B是互斥事件,(没有公共样本点) 互斥事件及其概率(例题分析) 【例】在一所城市中随机抽取600个家庭，用以确定拥有个人电脑的家庭所占的比例。定义如下事件： A：600个家庭中恰好有265个家庭拥有电脑 B：恰好有100个家庭拥有电脑 C：特定户张三家拥有电脑 说明下列各对事件是否为互斥事件，并说明你的理由 (1) A与B (2) A与C (3) B与 C 互斥事件及其概率(例题分析) 解：(1) 事件A与B是互斥事件。因为你观察 到恰好有265个家庭拥有电脑，就 不可能恰好有100个家庭拥有电脑 (2) 事件A与C不是互斥事件。因为张三 也许正是这265个家庭之一，因而事 件与有可能同时发生 (3) 事件B与C不是互斥事件。理由同(2) 互斥事件及其概率(例题分析) 互斥事件及其概率(例题分析) 解：由于每一枚硬币出现正面或出现反面的概率都是1/2，当抛掷的次数逐渐增大时，上面的4个简单事件中每一事件发生的相对频数(概率)将近似等于1/4。因为仅当H1T2或T1H2发生时，才会恰好有一枚硬币朝上的事件发生，而事件H1T2或T1H2又为互斥事件，两个事件中一个事件发生或者另一个事件发生的概率便是1/2(1/4+1/4)。因此，抛掷两枚硬币，恰好有一枚出现正面的概率等于H1T2或T1H2发生的概率，也就是两种事件中每个事件发生的概率之和 互斥事件的加法规则(addition law) ? 加法规则 若两个事件A与B互斥，则事件A发生或事件B发生的概率等于这两个事件各自的概率之和，即 P(A∪B) =P(A)+P(B) 事件A1，A2，…，An两两互斥，则有 P(A1∪A2 ∪…∪An) =P(A1)+P(A2) +…+P(An) 互斥事件的加法规则 (例题分析) 概率的性质(小结) 非负性 对任意事件A，有 P ?1 规范性 一个事件的概率是一个介于0与1之间的值，即对于任意事件 A，有0 ? P ? 1 必然事件的概率为1；不可能事件的概率为0。即P (? )=1； P(? )=0