《第3章概率论基础》-课件设计（公开).pptVIP

第3章 概率论基础 3.1事件和概率(event and probability) [1]事件：在一定条件下，必然出现的现象称为必然事件；在一定条件下，必然不出现的现象称为不可能事件；而在一定的条件下，可能出现、也可能不出现的现象称为随机事件（random phenomenon）。相应的试验称为随机试验。 随机事件的概念非常重要，数理统计的核心内容就是研究随机事件的规律性。 3.1事件和概率 [2]样本空间 称随机事件E的每一个结果为一个基本事件(样本点)。全部基本事件的集合称样本空间，记为S。 例：抛1枚硬币，H为正面；T为反面，则S={H，T} 例：掷一颗骰子，观察出现的点数，则样本空间为 S={1,2,3,4,5,6} 播下5粒种子，记录发芽的粒数，其样本空间为 S={0,1,2,3,4,5} 观察一次对靶射击的环数，其样本空间为 S={0,1,2,3,4,5,6,7,8,9,10} [3] 概率的古典定义 若一随机试验共有n个互不相容且等可能发生的结果,事件A发生的结果有m(A)个,则事件A的概率可定义为 [3] 概率的古典定义 例3-1: 抛质地均匀的硬币连续3次,试计算产生如下事件的概率。 （1）A：“恰好一次正面”； （2）B：“三次反面”； （3）C：“至多一次正面” 解：事件的全部可能结果（以1表示正面，0表示反而）： 1 1 1、1 1 0、1 0 0、0 0 0、0 0 1、0 1 1、1 0 1、0 1 0共8种结果 其中：n(A) = 3；n(B) = 1；n(C) = 1+3 = 4 [4] 概率的统计定义 假定在相似条件下重复进行同一类试验，事件A发生的次数a与总试验次数n的比称为频率(a/n)，当n充分大时，随机事件A出现的频率愈来愈稳定地接近某个定值p，则称p为随机事件A的概率，记作 [4] 概率的统计定义 [5] 概率的性质 概率有以下性质： 0 ≤ p(A) ≤ 1 P(A)愈大，表明事件A就愈容易发生，当P(A)= 1时，表明事件A 一定会发生； P(A)愈小，表明事件A就愈不容易发生，当P(A)接近0时，表明事件A 发生的机会非常小，以至于可以认为其在实际上不可能发生。 3.2 集合理论和维恩图 设随机试验E的样本空间为S 随机事件A是S的子集 如果事件B的任一元素都是事件A的一元素，则称事件A包含事件B，记为 和事件：A事件与B事件至少有一部分元素是相同的，记为(A+B)或 ，A+B发生等同于A或B发生。 积事件：事件A与事件B的交集 或(AB)称为事件A与事件B的积事件，AB发生等同于A且B发生。 互斥事件：如果A与B没有任何元素相交，称A与B为互斥事件 ，即A与B不可能同时发生。 对立事件：A事件的补集A’为A事件的对立事件，即图形中的阴影部分。 差事件：差集A-B所代表的事件为事件A与事件B的差事件，即A发生且B不发生。 维恩图实例 在一次研究治疗癌症药物产生的副作用的试验中，共选取500名癌症病人参加试验。S代表参加癌症药物试验的所有病人的集合。 假设40%的病人在接受药物后出现了高血压(Hypertension) 现象，H代表出现高血压病人的子集。 假设75%的病人在接受药物后出现了视力模糊(Blurred vision) 现象，B代表出现视力模糊病人的子集。 15%的病人在接受药物试验后既出现了高血压又出现了视力模糊。即H子集与B子集相， 交集占15%。 阴影部分为至少出现一种症状的病人所占的比例。 阴影部分为不出现任何症状的病人所占的比例。 3.3 概率的计算 [1]对立事件的概率 如果事件A的概率为P(A)，则其对立事件的概率为P(A’)=1- P(A)。 [2] 独立事件概率的乘法 诸事件中，某一事件的出现，并不影响其它事件出现的概率，则称为独立事件。否则便是依赖事件。两独立事件，事件A和事件B发生的概率分别为P(A)和P(B)，则两事件同时发生的概率为： P(AB)=P(A)P(B) [3] 独立互斥事件的加法 设事件A与事件B为互斥事件，其出现的概率分别为P(A)和P(B)，则出现事件A或事件B的概率为P(A)+P(B) [4]独立并不互斥事件的加法 如果事件A与事件B虽相互独立但并不排斥，即有可能重叠，则出现A或B事件的概率为： P(A+B)=P(A)+P(B)-P(AB) [6] 完全事件系的概率 若n个事件A1，A2，…An是试验的完全事件系， A1，A2，…An是互斥的，而且其和(A1+A2+…+An)是必然事件，则这n