概率论第4讲演示稿件.pptVIP

小结 本节首先给出事件独立的概念、性质定理及利用独立性概念计算事件概率的实例。 第二章 随机变量 随机变量 离散型随机变量 连续型随机变量 随机变量函数的分布 小结 本节介绍了随机变量的基本概念及分类。 定义1.5.1 设 E 是随机试验，Ω是其样本空间。如果对每个ω∈Ω, 总有一个实数 X(ω)与之对应，则称Ω上的实值函数 X(ω) 为 E 的一个随机变量。 在不引起混淆的前提下，可将随机变量X(ω)简写成 X。 随机变量通常用英文大写字母X,Y, Z 或 希腊字母ζ,η等表示， 其取值一般用小写字母 x, y, z 等表示。 有了随机变量，随机试验中的各种事件都可以通过随机变量的关系式表达出来。 引入随机变量的意义 如：用 X 表示单位时间内某信号台收到呼叫的次数，则 X 是一个随机变量。 事件 { 收到呼叫 }?{X ≥ 1}； {没有收到呼叫} ? {X=0}。 随机变量的分类 (通常分两大类)： 如“取到次品的个数”， “收到的呼叫数”等。 随机变量 离散型随机变量 连续型随机变量 所有可能的取值 可以逐个列举。 如：“电视机的使用寿命”，实际中常遇到的“测量误差”等。 全部可能取值不仅有无 穷多个，而且不能一一 列举，充满某些区间。 这两种类型的随机变量因都是随机变量，自然会有许多相同或相似之处；但因其取值方式不同，故又有其各自的特点。 随机变量 连续型随机变量 离散型随机变量 学习时要注意它们各自的特点及描述方法。 作业：1.20，1.21，1.23，1.24 概率论与数理统计 第四讲 主讲教师：程维虎教授 北京工业大学应用数理学院 经计算，得到 P(A|B)=P(A)=1/6. 这就是说：事件 B 的发生，不影响事件 A发生的概率。这时，称事件 A 与 B 独立。 1.5.1 两事件的独立 设 A={第二次掷出6点}，B={第一次掷出6点}， 先看一个例子：将一颗匀称骰子两次， §1.5 事件的独立性 由乘法公式知，当事件 A 与 B 独立时，有 P(AB)=P(A) P(B). 用 P(AB)=P(A) P(B) 刻画独立性，比用 P(A|B) = P(A) 或 P(B|A) = P(B) 更好。 ◎ 不受 P(B)0 或 P(A)0 的制约； ◎ 反映了事件 A 与 B 的对等性。 定义1.5.1 若两事件 A, B 满足 P(AB)= P(A) P(B), (1.5.1) 则称 A 与 B 相互独立。 两事件独立的定义 注：在实际应用中，两个事件是否相互独立，常常不是根据 (1.5.1) 式来判断，而是根据两个事件的发生是否相互影响来判断的。例如，甲、乙两人向同一目标射击，彼此互不相干，则甲、乙各自是否击中目标这类事件是相互独立的。又如，对某一物体进行多次测量时，不同次测量的测量误差都可以认为是相互独立的。 例如，一批产品共 n 件，从中任取 2 件，设 Ai = {第 i 件是合格品}， i=1, 2。 若抽取是有放回的, 则 A1与 A2相互独立。 其原因是：第二次抽取的结果受第一次抽取结果的影响。 其原因是: 第二次抽取的结果不受第一次抽取结果的影响。 若抽取是无放回的，则 A1与 A2不独立。 = P(A) － P(AB) P(A )= P(A－AB) A与B独立 概率的性质 = P(A) － P(A) P(B) 证明 仅证 A与 独立。 定理1.5.1 若事件 A 与 B 相互独立，则 也相互独立。 = P(A)[1 － P(B)] = P(A)P( ), 相互独立事件的性质 例1.5.1 甲乙两射手独立地射击同一目标,他们击中目标的概率分别为0.9和0.8。求每人射击一次后，目标被击中的概率。 解 设 A={甲击中目标}， B={乙击中目标}， 则 且 A, B 相互独立。 P(A) = 0.9， P(B) = 0.8， 由概率的性质及独立事件的性质，得