高二寒假班概率统计资料.doc

概率统计 1.1 随机事件 一．随机试验满足的3个特点： 1. 试验可在相同的条件下重复地进行 2. 试验的所有可能结果在试验前已经明确，且不止一个 3. 试验前不能确定试验后会出现哪一个结果。 二． 样本空间 一个随机试验每一个可能出现的结果称为样本点，全体样本点组成的集合称为样本空间。 三． 随机事件 我们通过随机试验来研究随机现象时，通常不关心某一个样本点在试验后是否出现，而是关心满足某些条件的样本点在试验后是否出现。 称一个随机试验的样本空间的子集为随机事件，简称事件。仅含一个样本点的事件称为基本事件。试验后，如果出现事件A中所包含的某个样本点，称A发生，否则称A不发生。 称整个样本空间为必然事件，空集为不可能事件。 四． 随机事件间的关系与运算（集合运算关系） 1.若A交B为空集，称A与B互不相容或互斥。它的含义是A与B在一次试验后不会同时发生。 如果一组事件（可以是无限个）中任意两个都互斥，称这组事件两两互不相容。 2. 对立事件 若A交B为空集，A并B为全集，则称A、B为对立事件。 1.2 概率，等可能概型 一． 概率：一次试验后，随机事件A可能发生，可能不发生。随机事件发生的可能性的大小用区间[0,1]中的一个数来刻画，这个数称为概率。事件A的概率记作P(A)。 二． 等可能概型 定义：样本空间中的每个样本点在一次试验后以相等的可能性出现。 又分为古典型概率和几何型概率。 古典型概率 两个特征：（1）试验的样本空间是有限集 （2）每个样本点在1次试验后以相等的可能性出现。 古典概型是概率论初期的主要研究对象。在古典概型中，若事件A中包含m个样本点，样本空间共有n个样本点（m=n），则规定P(A)=m/n,用这种方法算得的概率称为古典概率。 几何型概率 这种问题中，样本空间通常是一维区间、二维区域、三维区域，它们一般用长度、面积、体积来度量大小；另一方面，它们的样本点也是等可能出现的，这里，“等可能性”的确切含义是：当A是样本空间的一个子集时，P(A)与A的位置及形状均无关，而只与A的长度（或面积，或体积）成正比。 定义：假定样本空间U是某个区域（可一维，两维，三维），每个样本点等可能地出现，我们规定，P(A)=m(A)/m(U) 这里，m()在一维情况下表示长度，二维情况下表示面积，三维情况下表示体积。用这种方法得到的概率称为几何型概率。 1.3 频率与概率 概率是随机事件发生的可能性大小的一种量度，度量的方式是否符合实际应由实践来检验。例如，多次上抛一枚均匀硬币的随机试验，按古典概率求得出现正面的概率为0.5。若把这枚均匀硬币上抛10000次，出现正面的次数是否会是5000次左右？ 称Na/N为事件A在N次重复试验中出现的频率，其中Na表示A在N次重复试验中出现的次数，即频数。上面的问题换种说法，即出现正面的概率是否会与10000次重复试验中出现正面的频率大致相等？ 长期的实践表明，虽然一个随机事件在一次试验后可能发生也可能不发生，但在大量重复试验中这个事件发生的频率具有稳定性，这种稳定性正是统计规律性的反映。频率的稳定性提供了一般的定义事件概率的一个客观基础。 对于一个事件A，n次重复试验中A发生的频率随着n的增大将稳定到某个常数，这个常数表现为A的一种属性，称为A的概率的统计定义。具体问题中，按统计定义求概率是不现实的，因此，实际应用中，往往就简单地把频率当作概率使用。 以频率取代概率在社科类学科中（如经济类）已广泛使用，即使n不大时，也是如此。 1.4 概率的公理化定义与性质 给定一个随机试验，U是它的样本空间，对于任意一个事件A，若P（A）定义为A的概率，则P（）满足如下3条公理： 公理1 非负性 对任意一个事件A，P（A）≥0 公理2 规范性 P（U）=1 公理3 可列可加性 当可列无限个事件A1，A2…两两互不相容时， P（A1 U A2 U…）=P(A1)+P(A2)+… 推论1 有限可加性 当n个事件A1，…，An两两互不相容（互斥）时， P（A1 U A2 U… U An）= P(A1)+…+P(An) 推论2 对任意一个事件A，若B是其对立事件，则P(B)=1-P(A) 推论3 P(A)≤1 推论4 加法公式 对任意两个事件A和B，有P(A U B)=P(A)+P(B)-P(AB) 推广：P(A U B U C)=P(A)+P(B)+P(C)-P(AB)-P(AC)-P(BC)+P(ABC) 1.5 条件概率与随机事件的独立性 一． 条件概率（了解） 给定一个随机试验，对于任意两个事件A,B，P(B)0，称 P(AlB)=P(AB)/P(B) 为在已知事件B发生的条件下事件A的条件概率。 于是 P(AB)=P(B)P(AlB) 二． 随机事件的独立性 定义：对任意两个事件A,B