第五章节概率和概率分布.pptVIP

本章主要内容 一、概率 这些试验都具有以下的特点： 可重复性：可在相同条件下重复进行 随机性：一次试验之前无法确定具体是哪种 结果出现。 可预知性：试验可能结果不止一个,但能确定所有的可能结果结果不止一个，并且能事先明确试验的所有可能结果； 在概率论中，我们将具有上述三个特点的试验称为随机试验(Random experiment)，表示为E 。 例：投掷一粒均匀的六面体骰子，出现的点数有可能是1、2、3、4、5、6共六种。这六种结果是基本结果，不可以再分解成更简单的结果了，所以Ω={1，2，3，4，5，6}为该试验的样本空间。“出现点数是奇数”这一事件就不是简单事件，它是由基本事件{1}，{3}和{5}组合而成的。我们通常用大写字母A，B，C，…来表示随机事件，例如，设A表示“出现点数是奇数”，则A={1，3，5}；设B表示“出现点数是偶数”，则B={2，4，6}。 （三）事件的频率 实践证明：频率稳定于概率历史上曾有人做过试验，试图证明抛掷匀质硬币时，出现正反面的机会均等。 设在古典概型中，试验E共有n个基本事件，事件A包含了m个基本事件，则事件A的概率为 （五）条件概率 贝叶斯公式：给定互不相容事件A1，A2，…，An，这些事件的和是必然事件，且 则对任一事件B，有 第二节 离散型随机变量的概率分布 一、概念 离散型随机变量的概率分布是由离散型变量所有可能的取值（xi）及其相应的概率 组成，反映了随机变量各个取值可能性的大小及其分布状况和分布特征。 二、特征 （1）随机变量的任意取值都在0-1之内，即 （2）随机变量所有取值的概率和等于1，即 四、常用的离散型随机变量分布分布 （一）二项分布 概率分布：在每个n重贝努里试验中，设每次试验“成功”的概率为P（P值不变），“失败”的概率为q=1-p，则“成功”次数X是一个离散变量，它的可能取值是0,1,2,…,n。则随机变量X的分布为： 概率分布：在一次内努里试验中，成功的次数X只可能取0与1两个值的离散型随机变量，二点分布是二项分布的一个特例（n=1,只含一个参数p),随机变量的分布为 概率分布： 满足条件：设X为一个连续型随机变量，且 则X的概率密度函数 必须满足： （1）概率密度函数曲线总是位于X轴的上方，即 （2）对应于x的取值域 概率密度函数曲线之下的面积（以积分形式表示）等于1， （一）正态分布 若随机变量X的概率密度函数 当 时， 记为U∽N（0，1） 非标准正态分布向标准正态分布的转化 若 标准化因子 则U∽N（0，1） 查表 当u大于零时，可查正态分布表 但如果u0时，则可由式φ（-u）=1-φ（u）求出 曲线的图形是一个单峰钟形曲线，关于直线 对称。 曲线在 处达到最高点，且与横轴之间的面积等于1 。正态分布的随机变量落在 中的概率分别为0.6826，0.9545和0.9973。 均值、中位数和众数三者重合。 正态分布曲线由 确定， 反映正态分布的中心位置； 反映分布的离散程度， 越小，密度曲线就越尖、越高。 越大，密度曲线就越平坦。 (三） 分布 定义 设随机变量U服从标准正态分布，随机变量W服从自由度为n的 分布，且U与W相互独立，则称随机变量 服从自由度为n的t分布， 记为T～t（n）。 （五） F分布 （二）均匀分布 定义：如果随机变量X具有如下的概率密度函数： 数学期望： 方差： 定义： 相互独立且均为服从N（0，1）分布的随机变量，则称随机变量 所服从的分布是自由度为n的 分布，且记为 。 数学期望： 方差： χ2分布图 （四） t分布 数学期望： 方差： t分布图 * * 第五章 概率和概率分布 概率 离散性随机变量的概率分布 连续型随机变量的概率分布 （一）随机试验 为研究随机现象规律性，往往进行试验。例如： 1. 抛一枚硬币，观察正面、反面出现的情况。 2. 将一枚硬币抛三次，观察出现正面的次数。 3. 抛一枚骰子，观察出现的点数。 4. 记录车站售票处一天内售出的车票数。 5. 在一批灯泡中任意抽取一只，测试它的寿命。 6. 记录某地一昼夜的最高温度和最低温度。 （二）事件 必然事件 ：某件事情在一次试验中一定发生 如： “在一副扑克牌中任摸14张，其中有两张花色是不同” 就是