第三章概率与概率分布.pptVIP

2 独立事件乘法定理 定理: 事件A和事件B为独立事件，则事件A与事件B同时发生的概率为各自概率的乘积。 P(AB)=P(A)P(B) 推理：A1、A2、…An彼此独立，则 P(A1A2A3…An)=P(A1)P(A2)P(A3)…P(An) 例:播种玉米，种子的发芽率为90%，每穴两粒，则： A:第一粒种子发芽，P (A) = 0.9， P(A) = 0.1 B:第二粒种子发芽，P (B) = 0.9， P( B ) = 0.1 C:两粒种子均发芽： D:一粒种子发芽： E:两粒种子均不发芽： 求： C = AB，P（C) = P(A) P(B) = 0.81 D= AB + AB，P(D)＝0.9×0.1+ 0.1×0.9=0.18 E= A B，P(E)＝P(A)P(B)=0.1×0.1=0.01 二、条件概率与乘法法则 条件概率（conditional probability )：若A，B为两个事件，且P（B）0，研究事件B已发生的条件下，事件A发生的概率，记为：P（A︱B） 1.条件概率 例2.2 使用两种不同药物杀灭螟虫，结果见下表： 死亡（A） 存活（A） 和 甲药物（B） 96 24 120 乙药物（B） 64 16 80 和 160 40 200 计算以下概率： P（A）=160/200=0.80 P（B）=120/200=0.60 P（ A B）=96/200=0.48 P（ B︱ A ）= P（ A B）/ P（A） =0.48/0.80=0.60 2.概率乘法法则 可以叙述为：两事件交的概率，等于其中一事件（其概率必须不为0）的概率乘以另一事件在已知前一事件发生条件下的条件概率。 3.独立事件 P(B︱A)= P(B) ，或 P(A︱B)=P(A)，称A和B是独立事件。 对于独立事件概率乘法公式为： P(AB)=P(A)P(B) 第三节 概率分布 1.随机变量（random variable) 例： 观察10只新生动物的性别，是一组随机试验，其中雄性动物出现的只数用y表示，则y的取值为0、1、2、…、10。 随机试验中被测定的量叫随机变量。做一次试验，其结果有多种可能。每一种可能结果都可用一个数来表示，把这些数作为变量Y的取值范围，则试验结果可用变量y来表示，随机变量所取得的值称为观测值。 1.1 随机变量的定义 如果表示试验结果的变量y，其可能取值为有限个，或者可数无穷个孤立的值，则 称 Y为离散型随机变量 ( discrete random variable)； 如果表示试验结果的变量y ，其可能取值为某范围内的任何数值 ，且y在其取值范围内的任一区间中取值时，其概率是确定的，则称Y为连续型随机变量( continuous random variable)。 1.2 随机变量的类型 2.离散型变量的概率分布 　　要了解离散型随机变量Y的统计规律，必须知道它的一切可能值 yi 及取每种可能值的概率pi。 　　对离散型变量Y的所取得的值y的概率P (Y=y)写成y的函数p (y)，这样的函数称为随机变量Y的概率函数。 p (y)= P (Y =y) 2.1 概率函数（probability function ) 2.2 概率分布 将Y的一切可能值以及取得这些值的概率，排列起来，就构成了离散型随机变量的概率分布（probability distribution)。 表3-1 离散型变量的概率分布表 变量(y)= 　 y1 y2 　　　y3 　　　 y4 … yn … 概率(P)= p（y1） p （y 2 ） p （y3） p （y 4 ） … p （yn） … 2.3 概率分布图和概率分布表 图3-1概率分布图 y1 y2