即x的概率分布为.ppt

第十一章 概 率 本章主要内容 §11.1 随机事件 §11.2 概率的定义及其性质 §11.3 条件概率 §11.4 全概率公式与贝叶斯公式 §11.5 事件的独立性 贝努里概型 §11.6 随机变量及其分布 §11.7 数学期望 §11.8 方差及其性质 §11.9 概率在经济工作中的应用举例 学习目标 1,了解随机事件、掌握事件的关系和运算。了解概率的统计定义，了解概率的基本性质。 2,理解古典概型的定义，会用排列组合的基本公式计算一些等可能性事件的概率。 3,掌握概率的加法定理和对立事件的概率公式，会用加法公式计算一些事件的概率。 4,了解条件概率概念，掌握概率的乘法公式，全概率公式和贝叶斯公式。 §11.1 随机事件 11.1.1.随机现象 在现实生活中,我们经常遇到两类不同的现象:一类是确定性现象,即在一定条件下,必然会发生某一种结果或必然不发生某一种结果的现象。另一类是随机现象,即在相同的条件下，多次进行同一试验所得的结果并不完全一样，而且事先并不能预言将会发生什么结果的现象。 11.1.2.随机试验和随机事件 随机试验指的是试验的所有可能结果是已知的，但在试验前是不知试验将发生什么结果，并在相同的条件下，试验可以重复进行。 随机事件指的是随机试验下的某种结果，通常用大写字母A、B、C等表示。在一定的研究范围内，不能再细分的事件，称为基本事件（也称样本点，一般用e表示）。一个随机试验的全体基本事件组成的集合称为样本空间,记作 。 事件的运算法则 例题 例3 例4 例5 见教材 作业：习题11-1 1，4，6，7 §11.2 概率的定义及其性质 11.2.1.概率的统计定义 历史上著名的几组抛均匀硬币实验结果如下： 根据概率的统计定义,概率具有下述性质： 性质l (非负性)对任一事件A,有 ． 性质2 必然事件的概率等于1,即 ． 性质3 不可能事件的概率等于0,即 ． 由概率的统计定义直接确定某一事件的概率通常是十分困难的.在许多实际应用中，事件发生的概率不可能经过大量的重复试验来得到。但对于某些特殊试验,可以不通过重复试验,只要通过对一次试验中可能出现的结果进行分析,就可计算出它的概率．接下来就讨论这种类型。 11.2.2.概率的古典定义 古典概型（也称为等可能性概型）满足 ⑴每次试验的样本空间只有有限个基本事件（即有限个样本点）；⑵每次试验中每个基本事件出现的可能性相同。 在古典概型中，若试验的基本事件总数为n，而事件A包含了m个基本事件，则事件A的概率为 此为概率的古典定义 古典概型的概率计算举例 例1 同时抛掷两枚均匀硬币，求落下后“恰有一枚正面向上”的概率。 解 用A表示事件“恰有一枚正面向上”，显然所有基本事件构成的样本空间 ｛正正，正反，反正，反反｝,且空间中的四个基本事件发生的可能性是相等的，而随机事件A含有基本事件=｛正反，反正｝，所以n=4，m=2 故 11.2.3.概率的加法公式 定理l (加法定理) 如果A与B是两个互不相容事件,则这两个事件之和的概率等于事件A的概率与事件B的概率之和,即 推论l 若事件 两两互不相容，则 推论2 对任何事件A，有 推论3 对任何事件A、B，有 特别：当 时，有 §11.3 条件概率 11.3.1.条件概率（引例1见教材） 定义1 如果事件A、B是同一试验下的两个随机事件,且P(B)≠0,则在事件B已经发生的条件下事件A发生的概率叫作事件A的条件概率,记作 条件概率的计算公式为 或 11.3.2.任意事件的乘法公式 定理3 (乘法定理) 设A、B为任意两个事件,则两事件积的概率等于其中一事件的概率与另一事件在前一事件已发生的条件下的条件概率之积,即（乘法公式） 推论 A、B、C为任意三个事件，则 可类似推广到更多事件的情况。 §11.4 全概率公式与贝叶斯公式 11.4.1.全概率公式 ；且只能有一个发生，即