概率论与数理统计教学教案(最新完整版).ppt

概率论与数理统计 2006-02-10 第一章 随机事件及其概率 * §1.1 随机事件及其概率的统计定义 一、概率论的诞生及应用 　　　1654年,一个名叫梅累的骑士就“两个赌徒约定赌若干局, 且谁先赢 c 局便算赢家, 若在一赌徒胜 a 局 ( ac ),另一赌徒胜b局(bc)时便终止赌博,问应如何分赌本” 为题求教于帕斯卡, 帕斯卡与费马通信讨论这一问题, 于1654 年共同建立了概率论的第一个基本概念─数学期望。 　　 概率论是数学的一个分支,它研究随机现象的数量规律. 概率论的广泛应用几乎遍及所有的科学领域, 例如天气预报, 地震预报, 产品的抽样调查; 另外在经济、金融、保险；管理决策；生物医药；农业（试验设计等）等领域都有广泛应用. 二、随机现象 三、随机试验 四、概率的统计定义 １、随机事件：在试验的结果中，可能发生、也可能不发生的事件。比如，抛硬币试验中，”徽花向上”是随机事件；掷一枚骰子中，”出现奇数点”是一个随机事件等。 ２、频率：设A为实验E中的一个随机事件，将E重复n次，A发生m次，称f(A)=m/n为事件A的频率． 随着实验次数n的增加，频率将处于稳定状态．比如投硬币实验，频率将稳定在1/2附近． ３、统计概率：将事件A的频率的稳定值p作为事件A出现的可能性的度量，即P(A)=p为事件A的统计概率． 统计概率的缺点： （１）需要大量的重复试验． （２）得到的是概率的近似值． §1.2 样本空间 定义1 对于随机试验E，它的每一个可 能结果称为样本点，由一个样本点组成的 单点集称为基本事件。所有样本点构成的 集合称为E 的样本空间或必然事件，用? 或S表示 我们规定不含任何元素的空集为不可能件， 用 ? 表示。P(Ω)=1,P(?)=0 （２）观察取出的两个球的号码，则样本空间为： Ω={ω12, ω13, ω14, ω15, ω23, ω24,ω25, ω34, ω35, ω45 } ωij　表示“取出第i号与第j号球”． 注：试验的样本空间是根据试验的内容确定的！ 小结 §1.3 事件的关系及运算 §1.4 概率的古典定义 5、典型例题 定义1 证明：只要证明P(A+B)=P(A)+P(B)即可，这里根据古典概型来证明．设试验的样本空间Ω共有N个等可能的基本事件，事件A包含M1个基本事件，事件B包含M2个基本事件．由于事件A与B是互不相容的，因此A与B的并A+B所包含的基本事件共有M1+M2个．于是有 　P(A+B)=(M1+M2)/N=M1/N+M2/N =P(A)+P(B) §1.6 概率的公理化体系 引例：投掷骰子，观察点数，A表示“出现３点”，B表示“出现奇数点”，求P(A)及已知B发生的条件下A发生的概率P(A|B). 解：P(A)=1/6,P(B)=1/2,P(AB)=1/6, P(A|B)=1/3,从而P(A)≠P(A|B),但 　　　　P(A|B)=P(AB)/P(B) 定理2 乘法定理 小结 §1.9 随机事件的独立性 1.引例 3.性质 例1 3. n 个事件的独立性 §1.10 独立试验序列 1. 定义 (独立试验序列) 2. n 重贝努利(Bernoulli)试验 3. 二项概率公式 经计算得 例2 三、内容小结 备用题 上题中概率 0.95 是由以往的数据分析得到的, 叫 做先验概率. 而在得到信息之后再重新加以修正的概率 0.97 叫做后验概率. 先验概率与后验概率 解 例3 由贝叶斯公式得所求概率为 即平均1000个具有阳性反应的人中大约只有87人 患有癌症. 1.条件概率 全概率公式 贝叶斯公式 乘法定理 (一) 两个事件的独立性 由条件概率，知 一般地， 这意味着：事件B的发生对事件A发生的概率有影响. 然而，在有些情形下又会出现： 则有 2. 定义 注. 1o 说明 事件 A 与 B 相互独立,是指事件 A 的发生与事件 B 发生的概率无关. 2o 独立与互斥的关系 这是两个不同的概念. 两事件相互独立 两事件互斥 例如 二者之间没 有必然联系 独立是事件间的概率属性 互斥是事件间本身的关系 1 1 由此可见两事件相互独立但两事件不互斥. 两事件相互独立 两事件互斥. 由此可见两事件互斥但不独立. 又如： 两事件相互独立. 两事件互斥 可以证明： 特殊地， A与B 独立 ? A与B 相容( 不互斥) 或 A与B 互斥 ? A与B 不独立 证 若A与B 独立, 则 即 A与B 不互斥(相容). 若A与B互斥，