第三讲 用概率分布描述.pptVIP

第三讲 用概率分布描述 随机变量 度量事件发生的可能性—概率probability 明天降雨的可能性有多大？ 你买彩票中奖的可能性有多大？ 你购买一只股票周一上涨的可能性有多大？ 这些对事件发生可能性大小的度量就是概率 有人投掷一枚硬币，随着投掷次数 n 的增大，出现正面（或反面）的频率稳定在1/2左右。 概率的统计定义 在一定条件下，重复做n次试验，m为n次试验中事件A发生的次数，如果随着n逐渐增大，频率m/n逐渐稳定在某一数值p附近，则数值p称为事件A在该条件下发生的概率， 利用概率知识帮助判案 在瑞典的一次庭审中，管理泊车的警察作证说他记录了一辆车某一边的两个轮胎气阀的位置。后来等他重新回到该处时，气阀还在原来的位置。（这个警察的做法是把气阀的位置记成最接近的“钟点”位置。例如在下图中，气阀是在“10:00”和“3:00”。）在这种情况下他开了一张超时泊车的罚单。但是车主却声称他已经在其间用过车子，只不过停回到了原来的泊车位。 概率的基本性质 1. P(Φ)=0， P(Ω)=1 2. 有限可加性：当n个事件A1，A2 ，A3…，An两两互不相容时，P(A1∪...∪An)=P(A1)+...+P(An)。 3. 对于任意一个事件A：P(A)=1－P(非A) 4. 当事件A，B满足A包含于B时：P(B－A)=P(B)－P(A)，P(A)≤P(B)。 5. 对于任意一个事件A，有 0≤ P(A) ≤1。 6. 对任意两个事件A和B，P(B－A)=P(B)－P(AB)． 7. 加法公式：对任意两个事件A和B，P(A∪B)=P(A)+P(B)－P(AB)。当事件A和B互不相容时P(A∪B)=P(A)+P(B) 这里 ：事件（AB）表示A和B同时发生。若A和B相互独立： P(AB)= P(A)·P(B) 【例题】 ：据经验统计，甲运动员投篮命中（A）概率为80%，乙运动员投篮命中（B）概率为90%，若两人各独立投一次，有下列结果： 1）两人都投中的概率： P(AB)= P(A)·P(B)=80%×90%=72% 2）两人都投不中的概率 P(非A非B)=（1－P(A))(1－P(B)） =20%＊10% 3）甲投中乙投不中的概率 P(A)·(1－P(B))=80%×10%=8% 4）乙投中而甲投不中的概率 (1－ P(A))·P(B)=20%×90%=18% 5) 甲乙至少有一人投中的概率 P(A∪B)=P(A)+P(B)－P(AB)=80%+90%－72%=98% 随机变量的分布 随机变量是变量数值具有随机性的变量。 离散型随机变量只能取有限多个数值. 连续型随机变量可以取某一区间范围内的任意值。 例如根据人口普查数据，我国的出生婴儿男、女性比重如表 婴儿的性别情况表 离散型随机变量概率分布 一般地，假定随机变量的所有取值为x1，x2，……，xk ，对应发生的概率分别为p(x1) p(x2) …… p(xk)，可以以下列分布列表示。 离散型随机变量概率分布的表格形式　　　 【实例】 姚明每次罚球具有一定的随机性，那么他三次罚球的得分结果可能是什么？ 1.投进零个球——— 0分 2.投进一个球——— 1分 3.投进两个球——— 2分 4.投进三个球——— 3分 结果可用得分数这个随机变量X进行描述，X的取值为0，1，2，3。其分布列可表示为： 【实例】 每次抛两个硬币，记录正、反面结果。结果可记录为： 1.硬币1正面朝上，硬币2正面朝上：2个正面 2.硬币1正面朝上，硬币2反面朝上：1个正面 3.硬币1反面朝上，硬币2正面朝上：1个正面 4.硬币1反面朝上，硬币2反面朝上：0个正面 在此，正面数是一个随机变量，记为X，我们通常对X的每个取值的概率感兴趣。X的取值为0、1、2。其分布列可表示为： 离散型随机变量分布的性质 调查某市150户家庭，获得家庭人均收入数据如下（上组限不在内）： ： 上表数据的直方图  可采用一个函数拟合这一光滑曲线。这种函数称为概率密度函数。 概率密度函数 概率密度 函数满足以下的基本性质： 1. f(x)≥0 2. 3.利用概率密度可确定随机变量落在某个范围内的概率。 对于任意实数a 、b , (a b )， 有 随机变量的概括性度量 数学期望——描述随机变量集中程度 方差——描述随机变量离散程度 随机变量X的数学期望（均值） 设 为该变量的N个取值，则数学期望是指所有可能结果的加权平均值，权重为各个可能结果的发生概率，若用表示随机变量X的数学期望，则数学期望表示为： 其中，pi为离