概率论及数学建模.docx

k！ k！ k 概率论与数学建模 根底知识局部 一、概率论： 1、概率：刻化某一事件在一次试验中发生的可能性 大小的数。 注：事件指随机事件〔可重复、可预测、结果明确〕 例如抛骰子，抛一枚硬币。 2、常见的随机变量： X 〔1〕离散型： 泊松分布： P（X =k） = e ， k=0、 1、 2 、、、 实际应用：时间 t 到达的次数； 〔小概率事件〕一本书中一页中的印刷错误数； 某地区在一天遗失的信件数； 某一天医院的急症病人数； 某一地区一个时间间隔发生交通事故的次数； 一个时间间隔某种放射性物质发出的经过计数 器的α粒子数等等…… 〔2〕连续型： 指数分布： f （ X ） = e - x， x0 0 ，其它 其中 0 为常数 ，记为 X ~ Exp( ) 特点:无记忆性。即是 P( X s t / X s) P ( X t ) .word.zl 2 2 . 一个元件已经使用了 s小时， 在此情形下， 小时的概率，与开场使用时算起它至少能使用 它总共能使用至少 s+t t 小时的概率相等，即 元件对已使用过 s小时无记忆。 实际应用： 〔可靠性理论、排队论〕许多“等待时间〞都服从指数分 布；一些没有明显“衰老〞迹象的机械元器件〔如半导体元件〕的寿 命也可也用指数分布来描述…… （ x - ）2 正态分布： f （X） = e 2 2 ， - x+ 记为 X ~ N( , 2 ) 标准正态分布 ： X~N(0,1) 正态分布标准化：假设 Y ~ N ( , 2 ) ,那么 Y X ~ N (0,1) ，标准化 的目的在于能够方便查阅书后的标准正态分布表。 - .word.zl =12 =1 2 2 k “ 3 “原那么： 68.3% μ x （1） 99.7% μ （3） “ 3 “原那么被实际工作者发现 95.4% μ x （2） x ,工业生产上用的控制图和一些产 品质量指数都是根据 3 σ原那么制定。 3、随机变量的特征数〔数字特征〕 ： xkpk，（离散型） 均值〔期望〕 ： E （X） = + xf （x） dx，（连续型） 方差： D（X）=E（X- E（X））2 E(X 2) (E(X))2 中心极限定理： X 1 , , X n 是独立同分布的随机变量序列，且 E(Xi ) , D(Xi ) , 0 n n那么有： lim P{ X 1 X n n n t} (t ) 模型一、轧钢中的浪费模型： 问题： 将粗大的钢坯制成合格的钢材需要两道工序：粗轧〔热轧〕 ， 形成刚刚的雏形；精轧〔冷轧〕 ，得到规定长度的成品材料。由于受 到环境、技术等因素的影响，得到钢材的长度是随机的，大体上呈正 态分布， 其均值可以通过调整轧机设定， 而均方差是由设备的精度决 定，不能随意改变。如果粗轧后的钢材长度大于规定长度，精轧时要 把多余的局部切除， 造成浪费； 而如果粗轧后的钢材长度小于规定长 - .word.zl P P (m) m 度，那么造成整根钢材浪费。如何调整轧机使得最终的浪费最小。 （ 1） 问题概述： 成品材料的规定长度为 l， 粗轧后的钢材长度的标准 差为 ，