第一章概率回顾.pptVIP

应用概率统计 第一章：概率部分 引子： 概率论与数理统计的比较： 概率论：从一个数学模型出发，如随机变量的分布，研究其性质、特点和规律性。 数理统计：利用观测随机现象得到观测数据，选择或检验数学模型，并对所考察的问题作出推断和预测. 本章的主要任务：简要回顾概率论中对统计部分有影响的内容。 大多数工程问题具有以下三个特点： 1.在相同条件下，可重复进行; 2.试验结果不止一个,但能确定所有的可能结果; 3.一次试验之前无法确定具体是哪种结果出现。 具有上述特点的现象称为随机试验,简称试验,记为E 第一部分、随机事件和随机变量 概率统计的研究范畴: 研究随机试验中的规律性. 概率统计研究随机试验中规律的方式有两种： 概率论，研究内在规律的固有变化趋势； 数理统计，从内在规律的宏观表现——数据中， 反演内在规律。 ? 样本空间: 记为? ? 随机事件: 随机事件的直观理解：试验中可能出现的现象. 一、几个概念 ? 随机变量的概念 随机试验的所有可能结果组成的集合. 试验E的样本空间?的子集. 简称事件 定义 设随机试验E的样本空间是?，若对每个???，有一个实数X(?)与之对应，这样得到的定义在?上的单值实函数X＝X(? )称为随机变量. 简记为 r.v. X. 1、r.v.与普通函数的主要区别: r.v.取值有一定概率. 2、自然对应： 如果试验的结果就是用数量表示的，那么表示这个结果的字母(即试验中的数量指标) 即为随机变量 说明： 二、一维离散型随机变量及其分布律 定义 全部可能取值为有限个或可列无限个的随机变量为离散型随机变量。 若X为离散型随机变量， 其取值为x1, x2, …, xn, … (1) pk ? 0, k＝1, 2, … ; 分布律的性质 三、几个常见的离散型分布 1. 二项分布 若r.v. X 的分布律为： 称X服从参数为(n, p)的二项分布，记为X~B(n, p) 描述两态独立重复n次, 其中一态出现数的分布. 2. 泊松(Poisson)分布 P(?) 若随机变量X的分布律为： ? 0为常数, 称X 服从参数为?的泊松分布.记X~P(?) 描述大量重复中稀有事件出现次数的分布. 定义 设X 为r.v. , 对任意实数x，令 F(x)＝P {X ? x} 称F(x)为随机变量X 的分布函数. 物理意义： F(x)值为X 取值于 x左侧的概率值. 四、随机变量的分布函数 依分布函数定义：对任意实数x1, x2 (x1 x2)有 P {x1 X ? x2 }＝ ＝F(x2)-F(x1) P{X ? x2}-P{X ? x1} 分布函数值是概率值, 所以: 0 ? F(x) ? 1, x ∈R 五、一维连续型 r.v.的密度函数 定义 设X 为随机变量, 其分布函数为F(x), 若存在非负可积函数 f (x)( x∈R)，使对任意实数 x 都有 则称 X 为连续型r.v., f (x)为X的概率密度函数, 简称概率密度或密度函数。 , x ∈R 记为 X～ f (x) , x ∈R f (x)物理意义: 概率山丘，大小表示概率的疏密. 从分布函数能否改写的角度，定义连续型r.v. 说明: 密度函数f(x) 的性质 (1) f (x) ? 0，(-? x ?)； (2) 性质(1)、(2)是密度函数的充要性质。 (3) P{ x1 X ? x2 }＝F( x2)－F( x1) = , x ∈R 由性质(3): 设连续型r.v. X～ f (x), 记 x2－x1= Δx, 则P{ x1 X ? x2 } ≈f(x)Δx, x ∈( x1, x2], Δx 较小 六、正态分布(高斯(Gauss)分布) 若 其中σ 0,μ为实数, 则称X 服从参数为 μ,σ的正态分布, 记为X~ N(μ,σ2) f(x) , x ∈R 用于描述多因素、无主要、独立、共同作用的指标. μ=0,σ=1 时称为标准正态分布, 记为N( 0, 1 ). 密度函数为 , x ∈R 0 x N(0, 1) 定理: X ~ N( )，则 七、多维随机变量 一些随机现象需要，同时采用对应的多个随机变量才能描述。如台风的中心位置等. 设E 为随机试验，其样本空间为 ?={?}, X1 = X1(?), …, Xn = Xn(?) 是定义在?上的r.v., 则称 (X1 , …,Xn) 为n 维随机变量。 八、二维随机变量(联合)分布函数 设(X , Y )是二维随机变量，(x , y )?R2, 则称 F(x , y )=P{X ? x , Y ? y }