应用统计-概率与概率分布.pptVIP

随机现象 确定性现象： 早晨，太阳从必然从东方升起 苹果，不抓住必然往下掉 边长为a、b的矩形，其面积必为ab 随机现象： 某地区的降雨量 某电话交换站在单位时间内收到用户呼唤次数 打靶射击时，弹着点离靶心的距离 赌徒投掷色子的结果 对试验对象进行一次观察或测量的过程 掷一颗骰子，观察其出现的点数 从一副52张扑克牌中抽取一张，并观察其结果(纸牌的数字或花色) 试验的特点 可以在相同的条件下重复进行 每次试验的可能结果可能不止一个，但试验的所有可能结果在试验之前是确切知道的 在试验结束之前，不能确定该次试验的确切结果 事件：试验的每一个可能结果(任何样本点集合) 掷一颗骰子出现的点数为3 用大写字母A，B，C，…表示 随机事件(random event)：每次试验可能出现也可能不出现的事件 掷一颗骰子可能出现的点数 简单事件(simple event) ：不能被分解成其他事件组合的基本事件 抛一枚均匀硬币，“出现正面”和“出现反面” 必然事件(certain event)：每次试验一定出现的事件，用?表示 掷一颗骰子出现的点数小于7 不可能事件(impossible event)：每次试验一定不出现的事件，用?表示 掷一颗骰子出现的点数大于6 样本空间(sample Space) 一个试验中所有结果的集合，用?表示 例如：在掷一颗骰子的试验中，样本空间表示为：??{1,2,3,4,5,6} 在投掷硬币的试验中，??{正面，反面} 样本点( sample point) 样本空间中每一个特定的试验结果 用符号?表示 事件A的概率是一个介于0和1之间的一个值，用以度量试验完成时事件A发生的可能性大小， 记为P(A) 当试验的次数很多时，概率P(A)可以由所观察到的事件A发生次数(频数)的比例来逼近 在相同条件下，重复进行n次试验，事件A发生了m次，则事件A发生的概率可以写为 ?例如，投掷一枚硬币，出现正面和反面的频率， 随着投掷次数 n 的增大，出现正面和反面的频率 稳定在1/2左右 随机变量 随机变量(random variables) 一次试验的结果的数值性描述 一般用 X，Y，Z 来表示 例如： 投掷两枚硬币出现正面的数量 根据取值情况的不同分为离散型随机变量和连续型随机变量 离散型随机变量 离散型随机变量(discrete random variables). 随机变量 X 取有限个值或所有取值都可以逐个列举出来 x1 , x2，… 以确定的概率取这些不同的值 离散型随机变量的一些例子 连续型随机变量 连续型随机变量(continuous random variables) 可以取一个或多个区间中任何值 所有可能取值不可以逐个列举出来，而是取数轴上某一区间内的任意点 连续型随机变量的一些例子 离散型随机变量的概率分布 例题分析 例题分析 【引例】某手表厂在出厂产品中，抽查了N＝100只抽表的日走时误差，其数据如下： 离散型随机变量X的所有可能取值xi与其取相对应的概率pi乘积之和 描述离散型随机变量取值的集中程度 记为? 或E(X) 计算公式为 随机变量X的每一个取值与期望值的离差平方和的数学期望，记为? 2 或D(X) 描述离散型随机变量取值的分散程度 计算公式为 方差的平方根称为标准差，记为? 或?D(X) 数学期望及方差的性质 数学期望的基本性质 1) E(c)=c,c为常数; 2) E(cX)=cE(X); 3) E(X+Y)=E(X)+E(Y); 4) 若 X和Y独立，则 E(XY)=E(X)E(Y). 方差的性质 D(C)=0,其中C为常数。 D(CX)=C2D(X),C为常数。 若X和Y独立，则D(X+Y)＝D(X)+D(Y) 二项试验(伯努利试验) 二项分布与伯努利试验有关 伯努利试验满足下列条件 一次试验只有两个可能结果，即“成功”和“失败” “成功”是指我们感兴趣的某种特征 一次试验“成功”的概率为p ，失败的概率为q =1- p，且概率p对每次试验都是相同的 试验是相互独立的，并可以重复进行n次 在n次试验中，“成功”的次数对应一个离散型随机变量X 二项分布 重复进行 n 次试验，出现“成功”的次数的概率分布称为二项分布，记为X~B(n，p) 设X为 n 次重复试验中出现成功的次数，X 取 x 的概率为 二项分布 对于P(X=x)? 0， x =1,2,…,n，有 同样有 当 n = 1 时，二项分布化简为 二项分布 二项分布 数学期望 方差 二项分布的形态 n较小且 很小的情况下，二项分布是有偏斜的，且随n或 的减小而偏斜度增大； 当 ，不论n大小，二项分布是对称分布；当