北航概率统计05.pptxVIP

乘法公式 内 容 复 习利用条件概率求积事件的概率就是乘法公式推广全概率公式与Bayes 公式BnB1ABnAB1AAB2B2全概率公式Bayes公式定义 设 A , B 为两事件，若 四对事件任何一对相互独立，则其它三对也相互独立 若则“事件 A 与 事件 B 相互独立”和 “事件 A 与 事件 B 互斥”不能同时成立则称事件 A 与事件 B 相互独立 事件的独立性(1)(2)A, B, C 两两独立 A, B, C 相互独立定义 三事件 A, B, C 相互独立是指下面的关系式 同时成立：注：1) 不能由关系式(1)推出关系式(2), 反之亦然 2)仅满足(1)式时,称 A, B, C 两两独立 常利用独立事件的性质计算它们的并事件的概率若 n 个事件 A1, A2, …, An 相互独立，则 Bernoulli 试验概型将随机试验重复 n 次每次试验感兴趣的事件为 A 即可看作每次试验有两个可能的结果：设 每次试验的结果与其他次试验无关—— 称为 这 n 次试验是相互独立的 n 重Bernoulli 试验概型：一般地，若则n 重Bernoulli 试验概型感兴趣的问题为：在 n 次试验中事件 A 出现 k 次的概率，记为例 电话总机某段时间内接到的电话次数，可用一个变量 X 来描述第二章 随机变量及其分布 为了更好的揭示随机现象的规律性并利用数学工具描述其规律，引入随机变量来描述随机试验的不同结果例 抛掷一枚硬币可能出现的两个结果，也可以用一个变量来描述 随机变量的概念若§2.1 随机变量的概念定义 设E是一随机试验，? 是它的样本空间，则称 ? 上的单值实值函数 X ( ?)为随机变量随机变量一般用 X, Y , Z ,?或小写希腊字母?, ?, ? 表示随机变量是上的映射，这个映射具有如下的特点： 定义域 : ? 随机性 :随机变量X 的可能取值不止一个， 试验前只能预知它的可能的取值但不能预知 取哪个值 概率特性 : X 以一定的概率取某个值或某些 值 引入随机变量后，用随机变量的等式或不 等式表达随机事件 在同一个样本空间可以同时定义多个随机 变量 随机变量的函数一般也是随机变量 可以根据随机事件定义随机变量 设 A 为随机事件，则可定义称 XA 为事件A 的示性变量如，若用X 表示电话总机在9:00~10:00接到的电话次数，则或—— 表示“某天9:00 ~ 10:00 接到的电话次数超过100次”这一事件再如，用随机变量描述抛掷一枚硬币可能出现的结果, 也可以用描述这个随机试验的结果则— 正面向上例如，要研究某地区儿童的发育情况，往往需要多个指标，例如，身高、体重、头围等? = {儿童的发育情况 ? }X ( ? ) — 身高Y ( ? ) — 体重Z ( ? ) — 头围各随机变量之间可能有一定的关系，也可能没有关系—— 即 相互独立随机变量的分类离散型随机变量非离散型随机变量— 其中一种重要的类型为 连续性随机变量◇ 任何随机现象可 被 随机变量描述引入随机变量重要意义◇ 借助微积分方法 深入讨论随机变量的分布函数定义 设 X 为随机变量, 对每个实数 x , 随机事件的概率定义了一个 x 的实值函数，称为随机变量X 的分布函数，记为F ( x ) ,即 分布函数的性质 F ( x ) 单调不减，即（为什么）且 F ( x ) 右连续，即（（]]]]请填空ab利用分布函数可以计算设 随机变量 X 的分布函数：例1计算解离散型随机变量的概念XP§2.3 离散型随机变量及其概率分布定义 若随机变量 X 的可能取值是有限多个或 无穷可列多个，则称 X 为离散型随机变量描述离散型随机变量的概率特性常用它的概率分布或分布律，即或非负性 规范性 概率分布的性质离散型随机变量的分布函数 F( x) 是分段阶梯函数，在 X 的可能取值 xk 处发生间断，间断点为第一类跳跃间断点，在间断点处有跃度 pkF(X)?o?o?o?o? ?1?k?k+1?2?1出发地目的地例1 设一汽车在开往目的地的途中需经过 4 盏 信号灯，每盏信号灯独立地以概率 p 允许 汽车通过。令 X 表示首次停下时已通过的 信号灯的盏数，求 X 的概率分布与 p = 0.4 时的分布函数。解当]]]??4??2?3?1]??0xxk 0 1 2 3 40.60.440.4?0.60.42?0.60.43?0.6pkF( x)?o?o?o?o?o ?0?3?4?1?2x1解或概率分布或分布函数可用来计算有关事件的概率例2 在上例中，分别用概率分布与分布函数计算下述事件的概率：或此式应理解为极限解P ( X = k ) = P