结构可靠性分析全套课件第2章 工程概率和数理计基础.ppt

东南大学 2. 样本空间：S E的所有基本事件所组成的集合叫做E的样本空间 SE＝{E的基本事件} 3.事件之间的关系和运算 三、频率与概率 频率的性质 0≤fn(A)≤1 fn(S)＝1 若A、B互不相容（AB=φ），则 fn(A∪B)=fn(A)+fn(B) 2.? 概率 对于每一个事件A有：0≤P(A)≤1， P(S)＝1， 对于两两互不相容的事件Ak（k＝1,2,…）有P(A1∪A2∪…∪An)＝P(A1)+P(A2)+…+P(An);P(A1∪A2∪…∪An∪…)＝P(A1)+P(A2)+…+P(An)+… 概率的性质： 四 古典概率（等可能概型） 试验的样本空间的基本事件有有限个（n个）：A1，A2，A3，…，An 每个基本事件的发生是等可能的 古典概率的性质 古典概型定义的推广： 对随机试验的基本事件为无穷多个的情形，概率的定义可以推广为： 五．条件概率 设A、B为两个随机变量，在A发生的条件下B发生的概率P（B/A）为： 2. 全概率公式 BiBk=φ （i≠k） B1∪B2∪…∪Bn＝S 2) 全概率公式 P(A)＝P(A/B1)?P(B1)＋P(A/B2)?P(B2) ＋… ＋ P(A/Bn)?P(Bn) 3)贝叶斯（Bayes）公式 六、独立性 定理： 设A,B为二事件，且P(A)0，若A,B互相独立，则，P(B/A)=P(B)，反之亦然。 定义 2 定义3 总结 2.2 随机变量及其分布 随机变量 离散型随机变量 随机变量的分布函数 连续型随机变量 一、随机变量 抛硬币试验 二、离散型随机变量 4. 二项分布 1）独立试验序列 事件A恰发生k次（0≤k ≤ n）的概率为：  Pn（k）＝Cnkpkqn－k 3) 泊松定理与泊松分布 设随机变量Xn（n＝1，2，…）服从 参数为n，p的二项分布，其分布律 为： P｛xn＝k｝＝ Cnkpnk（1-p）n－k， k＝1,2,…n 当n很大，p很小时，设n?p＝λ〉0是常数(n=1,2,…n) 则有： 泊松分布 设随机变量X的所有可能取的值为0,1,2,…,n，其取各个值的概率为： 例子 〔解〕 设需要配备n人，同一时刻发生故障的设备数为x,那么，  X～B（300，0.01） 三、随机变量的分布函数 2. 性质 四、连续型随机变量 1. 定义 2. 性质 3. 均匀分布 4. (负)指数分布 5. 正态分布 （2） 性质 （3）标准正态分布 （4）一般正态分布可化为 标准正态形式。 (5) a. 100α百分位点 b.双侧100α百分位点 2.3 随机变量的数字特征 一、数学期望 2 性质 3.随机变量的函数y=g(x)的期望： 例： 二、方差 4. 标准差及变异系数 2.4 结构可靠度中常用的概率分布 1，均匀分布 2，正态分布 3，对数正态分布 3，指数分布 4，极值分布 一、二维随机变量 二维随机变量的分布函数 3. M=max(X,Y)及N=min(X,Y)的分布 例： 三、多维随机变量的数字特征 1. 期望 3. g(x,y)的期望 4. 协方差和相关系数 5. 性质 D(X±Y)＝D(X)＋D(Y) ±2Cov（X，Y）(X,Y独立： D(X±Y)＝D(X)＋D(Y)) Cov（X，Y）＝ 2Cov（Y，X） Cov（aX，bY）＝ab Cov（X，Y） Cov（X1＋X2，Y） ＝ Cov（X1，Y）＋2Cov（X2，Y） 6. 矩 2.6 大数定理和中心极限定理 1. 大数定理 1. 中心极限定理 定理1 2.7 数理统计基础知识 一、一般概念 2. 统计量和样本矩 二、抽样分布 1.矩法：用样本的数字特征来估计总体的数字特征 3. 最大似然估计法 4. 估计量的评选标准 四、假设检验 1 U-检验法 2 T-检验法 3、母体分布的假设检验（?2检验法） X1,X2,…,Xn相互独立，μ，σ相同，且 定理2 X1,X2,…,Xn独立，均值、方差分别为μi，σi2 ～N(0,1) 定理2 （ 李雅普诺夫Liapunov）定理 设随机变量X1,X2,…Xn,…相互独立，它们具有有限的数学期望和方差： E(Xk)＝μk，D(XK)＝σk2≠0 （k＝1,2,…） 若存在正数δ，使得当n →∞时 则随机变量 的分布函数Fn（x）对于任意x，满足