(03)第3章+概率与概率分布.ppt

第3章 概率与概率分布 3.1 事件及其概率 3.2 随机变量及其概率分布 3.3 常用的抽样方法 3.4 抽样分布 3.5 中心极限定理的应用 本章小结 学习目标 理解随机事件的概念、了解事件之间的关系 理解概率的三种定义，掌握概率运算的法则 理解随机变量及其概率分布的概念 掌握二项分布、泊松分布和超几何分布 掌握正态分布的主要特征和应用 了解均匀分布的应用 了解抽样的概率抽样方法 理解抽样分布的意义 了解抽样分布的形成过程 理解抽样分布的性质 理解大数定律和中心极限定理的重要意义 实验、事件和样本空间 必然现象与随机现象 必然现象（确定性现象） 变化结果是事先可以确定的，一定的条件必然导致某一结果 这种关系通常可以用公式或定律来表示 随机现象（偶然现象、不确定现象） 在一定条件下可能发生也可能不发生的现象 个别观察的结果完全是偶然的、随机会而定 大量观察的结果会呈现出某种规律性 （随机性中寓含着规律性） ——统计规律性 随机试验 严格意义上的随机试验满足三个条件： 试验可以在系统条件下重复进行 试验的所有可能结果是明确可知的 每次试验前不能肯定哪一个结果会出现 广义的随机试验是指对随机现象的观察（或实验） 实际应用中多数试验不能同时满足上述条件，常常从广义角度来理解 随机事件（事件） 随机事件（简称事件） 随机试验的每一个可能结果 常用大写英文字母A、B、… …、来表示 基本事件（样本点） 不可能再分成为两个或更多事件的事件 样本空间（ ? ） 基本事件的全体（全集） 随机事件（续） 复合事件 由某些基本事件组合而成的事件 样本空间的子集 随机事件的两种特例 必然事件 在一定条件下，每次试验都必然发生的事件 只有样本空间? 才是必然事件 不可能事件 在一定条件下，每次试验都必然不会发生的事件 不可能事件是一个空集（Φ） 事件的概率 随机事件的概率 概率 用来度量随机事件发生可能性大小的数值 必然事件的概率为1，表示为P (? )=1 不可能事件发生的可能性是零，P(? )=0 随机事件A的概率介于0和1之间，0≤P(A) ≤1 概率的三种定义，给出了确定随机事件概率的三条途经 概率的古典定义 概率的古典定义 概率的古典定义（例题分析） 【例】设有50件产品，其中有5件次品，现从这50件中任取2件，求抽到的两件产品均为合格品的概率是多少？抽到的两件产品均为次品的概率又是多少？ 解：任一件被抽到的机会均等，而且从50件产品中抽出2件相当于从50个元素中取2个进行组合，共有C502种可能，所以这是一个古典概型 概率的统计定义 若在相同的条件下重复进行的n次试验中，事件A发生了m次，当试验次数 n 很大时，事件A发生频率m/n 稳定地在某一常数 p 上下波动，而且这种波动的幅度一般会随着试验次数增加而缩小，则定义 p 为事件A发生的概率 概率的统计定义（例题分析） 【例】根据古典概率定义可算出，抛一枚质地均匀的硬币，出现正面与出现反面的概率都是0.5。历史上有很多人都曾经做过抛硬币试验 概率的统计定义（例题分析） 【例】某地区几年来新生儿性别的统计资料如下表所示，由此可判断该地区新生儿为男婴的概率是多少？ 3. 主观概率 有些随机事件发生的可能性，既不能通过等可能事件个数来计算，也不能根据大量重复试验的频率来近似 主观概率——依据人们的主观判断而估计的随机事件发生的可能性大小 例如某经理认为新产品畅销的可能性是80％ 人们的经验、专业知识、对事件发生的众多条件或影响因素的分析等等，都是确定主观概率的依据 4. 概率的基本性质 非负性： 对任意事件A，有 0 ? P(A)? 1 规范性： 必然事件的概率为1，即： P(?)=1 不可能事件的概率为0 ，即：P(?)=0 可加性： 若A与B互斥，则：P ( A∪B ) = P ( A ) + P ( B ) 对于多个两两互斥事件A1，A2，…，An，则有： P(A1∪A2∪…∪An) = P (A1) +P(A2)+…+P(An) 上述三条基本性质，也称为概率的三条公理 概率的公理化定义 概率的以上三种定义，各有其特定的应用范围，也存在局限性，都缺乏严密性 古典定义要求试验的基本事件有限且具有等可能性 统计定义要求试验次数充分大，但试验次数究竟应该取多大、频率与概率有多么接近都没有确切说明 主观概率的确定又具有主观随意性 苏联数学家柯尔莫哥洛夫于1933年提出了概率的公理化定义 ——通过规定应具备的基本性质来定义概率 公理化定义为概率论严谨的逻辑推理打下了坚实的基础 概率的性质和运算法则 1. 互斥事件及其概率 用于求P(A∪B)——“A发生或B发生”的概率 互斥事件（互不相容事件） 不可能同时发生的事