第九讲 概率及正态分布.pptVIP

概率的定义及基本性质 观测或试验的一种结果，称为一个事件。在一定条件下进行大量重复试验时，每次都发生的事件，称为必然事件（Ω）；反之，每次都不发生的事件，称为不可能事件（Φ）；有时发生有时不发生的事件，称为随机事件或偶然事件（A）。 比如：“导体通电时发热”，“抛一石块，下落”都是必然事件． “在常温下，铁能熔化”，“在标准大气压下且温度低于0℃时，冰融化”，都是不可能事件． “李强射击一次，不中靶”，“掷一枚硬币，出现反面”都是随机事件． 随机事件的特点：在一次观测或试验中，它可能出现，也可能不出现，但在大量重复观测或试验中呈现统计规律性。用来描述事件发生可能性大小的量就是概率。 概率的统计定义：在相同条件下 进行n此重复试验，事件A发生了m次，称m为事件的频数，称 为事件的频率。当n足够大时，频率 稳定的趋向于某一个常数P,此常数P称为事件A的概率，记为P（A）=P. 概率的基本性质与小概率原理 基本性质： （1）必然事件Ω的概率等于1，即P(Ω)=1 （2）不可能事件Φ的概率等于0，即P(Φ)=0 （3）任何事件的概率都介于0和1之间，即0≤P(A)≤1. 小概率原理 当某一事件的概率非常接近于0时，说明这个事件在大量的试验中出现的概率非常小，这样的事件称为小概率事件。小概率事件虽然不是不可能事件，但在一次连续试验中出现的可能性很小，一般可以认为不会发生。 概率的三个定理 1、互补定理：某事件发生的概率与不发生的概率之和为1。当发生的概率为P,则不发生的概率为1-P。全部基本事件之和为必然事件。 2、加法定理：相互独立而又互不相容的各个事件，其概率等于它们分别出现之和。例如，A1，A2，…..An为相互独立而又互不相容的事件，其中任一事件出现的概率为各个事件概率的总和，即 P（A）= P（A1）+ P（A2）+…..+ P（An）= 3、乘法定理：相互独立的事件同时发生的概率是这些事件各自发生的概率的乘积，即P（A1A2…An） = P（A1） P（A2）….P（An）= 随机变量和概率分布 每次试验用一个变量的结果可以X的数值来表示，这个变量的取值随偶然因素而变化，但又遵从一定的概率分布规律，这种变量称为随机变量。 随机变量根据其取值的特征可分为离散型随机变量和连续型随机变量。离散型随机变量试验结果的可能值可以一一列举出来，即随机变量X可取的值是间断的，可数的。连续型随机变量试验结果的可能值不能一一列举出来，即随机变量X可取得值是连续充满在一个区间的。 随机变量的分布函数 设X为一随机变量（可能是离散型，也可以连续型）,则对任意实数x，(X≤x)是一个随机事件，称 正态分布的概率密度函数和概率分布函数 当已知μ和σ后，将不同的x值代入，即可求出对应于的概率密度f(x)。以x为横轴，以f(x)为纵轴，依次在座标系上绘出和f(x)所构成的座标点，可见f(x)是一条对称的钟型曲线，它称为正态概率密度曲线。 正态概率分布有以下重要特征： 正态分布是个对称分布，对称轴是x=μ。 当x=μ时，正态概率密度的最大。 正态分布的图型由μ和σ决定。 当σ为定值时，μ的变化引起正态概率密度曲线在横轴平行移动。 当μ为定值时，σ的变化将引起正态概率密度曲线的形状变得尖峭或偏平。 标准正态分布与与一般正态分布的关系： 因此，对于任意正态分布N（μ，σ2），当已知x,求相应的F（x)时，均可通过下式变换：算得对应与x的t值，再在标准正态分布函数数值上查得相应的概率。 正态随机变量中的三个重要的概率值,分别是： P（μ-σ﹤X≤ μ+σ)=0.6826 P（μ-2σ﹤X≤ μ+2σ)=0.9545 P（μ-3σ﹤X≤ μ+3σ)=0.9973 第三个概率值，对于正态随机变量来说，它落在区间[μ-3σ, μ+3σ]外地概率极小（0.0027），此即为“3σ”规则。 例1：已知随机变量X服从N（μ，σ2）正态分布，试分别计算X落在μ±3σ内和μ±3σ外的概率。 则X落在μ±3σ内和μ±3σ外的概率为： 1-0.9973=0.0027 随机变量X落在μ±3σ内的概率为99.7%，落在μ±3σ外的概率为0.3%，可见，在具有正态分布特征的试验中，其数据落在μ±3σ以外的概率是很小的，可视为小概率事件，因此，试验中一旦出现μ±3σ以外的数据，根据3σ规则，即可将其认为是可疑数据而予以剔除。 例2：假定一批混凝土试件的数据为正态分布，试件的平均强度为41.9MPa,，标准差为3.56MPa，求强度比30MPa、40MPa、50MPa低的概率。 例3：已知一批强度等级为C25的混凝土，其抽样试件的抗压强度平均值为30.0MPa,标准差为5.0MPa，设该混凝土的抗压强度R服从N(30.0,