概率论与数理统计第2讲.pptVIP

* * * * * * 例1.3.7 设 N 件产品中有K 件次品，N-K件正品，KN。现从 N 件中每次任意抽取1件，检查其是否为正品后放回，这样抽 n 次。求事件 A={所抽到的 n 件产品中恰有 k 件是次品} 的概率，k = 0, 1, 2, …, n。 解 假定 N 件产品有编号，每次从中任意取出一件，每次都有 N 种取法。由乘法原理，抽 n 次共有Nn 种取法，故基本事件总数为Nn。 当所取的 n 件产品中恰有k 件次品时，因取到这 k 件次品次序之不同，从次序考虑：共有Cnk 种情况。 当每种情况确定后，从 K 件次品中取出 k 件，共有Kk 种取法；从 N-K 件正品中取 n-k 件, 有(N-K)n-k 种取法。 由乘法原理，知“抽到的 n 件产品中恰有 k 件是次品”的取球法共有Cnk Kk (N-K)n-k种。即 A 中基本事件数为 Cnk Kk(N-K)n-k，故 令 p=K/N，得 这正是以后常用的，也是非常重要的二项分布 的概率公式。 小结 最后给出几个古典概型中求事件概率的例子。 本节首先给出古典概型的定义；然后讨论古典概型中事件概率的求法：若样本空间包含n个基本事件，A包含k个基本事件，则有 P(A)=k/n； 作业：p23，1.6—1.10，1.12 * * * * * * * * * * * * * * * * * * * * * * * * * * * * 概率论与数理统计 第二讲 §1.2 事件的概率 1.2.1 事件的频率 I. 频率定义 定义1.2.1 设 A 是一个事件, 在相同条件下进行 n 次试验，A 发生了m 次。 则称 m 为事件 A 在 n 次试验中发生的频数或次数， 称 m 与 n 之比 m / n 为事件 A 在 n 次试验中发生的频率,记为 fn(A)。 当试验次数 n充分大时，事件的频率总在一个定值附近摆动，而且，试验次数越多，一般说来摆动的幅度越小。这一性质称频率的稳定性。 频率在一定程度上反映了事件在一次试验中发生的可能性大小。尽管每进行n次试验，所得到的频率可能不同，但只要 n足够大，频率就会非常接近一个固定值——概率。 因此, 概率可以通过频率来“度量”, 频率是概率的近似, 概率是频率某种意义下的极限。 考虑在相同条件下进行的 k 组试验 事件 A 在各组试验中的频率形成一个数列 频率稳定性是指：当各组试验次数n1,n2, …, nk 充分大时，在各组试验中事件 A 出现的频率 与某定值 p 相差很小 。 稳定在概率 p 附近 在实际问题中，当概率不易求出时，人们在试验次数很大情况下，常用事件的频率作为概率的估计，并称此概率为统计概率。这种确定概率的方法为频率法。 例如，进行产品检验时，如果检验了n 件产品，其中 m 件为次品，则 n 很大时，可用 m/n 作为产品的次品率(概率)的估计值。 (1)? 0≤ fn(A)≤1； (2)? fn(Ω)=1, fn(?)=0； (3).若事件 A1,A2,…,Ak 两两互斥，则: II. 频率性质 1933年，前苏联数学家(概率统计学家)柯尔莫哥洛夫 (Kolmogorov) 给出了概率的公理化定义。 1.2.2 事件概率 I. 概率定义 (2). P(Ω)=1 ; 　 (3). 若事件 A1, A2 ,… 两两互斥，则有　　 定义1.2.2 设 E 是随机试验，Ω是其样本空间，对Ω中的每个事件 A，定义一个实数 P(A)与之对应 ，若事件(集合)的函数 P(A) 满足如下三条: (1). 对每个事件 A，均有 P(A)≥0； 则称 P(A) 为事件 A 的概率函数，简称概率。 (1.2.1) 式称为概率的可加性。 注意：这里的函数 P(A) 与以前所学过的函数不同。不同之处在于：P(A)的自变量是事件 ( 集合 )。 不难看出：这里事件概率的定义是在频率性质的基础之上