概率论与随机过程.pptxVIP

1. 2.几何概率 3.概率的统计定义 4.概率的公理化定义;1．定义 若试验E具有特点 （1）试验的样本空间的元素只有有限个，比如n个，样本空间表示为?={e1,e2,…,en}；（2）试验中每个基本事件发生的可能性相同．  则称试验E为古典概型（或等可能概型）． ;?; (3) 设样本空间?含n个基本事件,Ak含有rk(?n)个基本事件，k=1,2,?,m,由古典概型概率的定义;3．例题 例1：1-6数码，任取不同的两数码构成两位数,求这两个数都是偶数的概率。; (一)取球问题（抽样问题） 袋中共有N个球，N1白，N2红，采用摸出后“放回”“不放回”两种方式任取出a+b个球，试求这a+b个球中恰含 a 个白 b 个红的概率。 解：;设A：a+b球中恰有a个白b个红。把A发生的过程分为两步：在白球中取a个球，再在红球中取b个球按乘法原则所含样点是 ;按（2）：一个一个取，每次记录下颜色和球的编号，不放回，取a+b个球是有顺序的，构成a+b个球的一个排列，样本点总数：; [放回抽样] 一个一个取，故看为可重复的排列，样本空间的样本点数：Na+b ; n个球，随机的放入N个盒（n≤ N），每盒容量不限，观察放法： (1)某指定的n个盒中各有一个球 A1,求P(A1)； (2)恰有n个盒中各有一球Ａ2,求P(A2); (3)某指定的盒子中恰有k个球 A3,求P(A3).;例：1—N这N个数字任取 k 个数字，一个一个的取，取后放回，求： （1）A：k个数字完全不同； （2）B：不含1，2，……，N中指定的r 个数字； （3）C：某指定的数字恰好出现m（≤ k）次; （4）D：k个数字中最大数恰好为M。 解：试验为从1，2，……，N个数中有放回地依次取k个数字，每k个数字的一个排列构成一个基本事件，因此基本事件总数为Nk。;(4) 在这k个数字中，最大数不大于M的取法有Mk种。而最大数不大于M-1的取法有(M-1)k种。;例: 某接待站在某一周曾接待过12次来访，已知所有这12次接待都是在周二和周四进行的．问是否可以推断接待时间是有规定的． 解: 假设接待站的接待时间没有规定，而各来访者在一周的任一天中中去接待站是等可能的，那么，12次接待来访者都在周二、周四的概率为 212/712=0.0000003， 即千万分之三，人们在长期的实践中总结得到“概率很小的事件在一次试验中实际上几乎是不发生的”（称之为实际推断原理）．现在概率很小（只有千万分之三）的事件在一次试验中竟然发生了．因此有理由怀疑假定的正确性，从而推断接待站不是每天都接待来访者．即认为其接待时间有规定的． ;练习：取球，袋中a个白，b个红球，一一取出，不放回，求事件Ak={第k次取出白球}的概率。 解法1：试验为将a+b个球编号一一不放回取出，全部取出构成的全排列，总样本点(a+b)!。 事件Ak的过程：先从a个白球中选一个放在第k个位置 种，再在a+b-1个球作任意排列，样本点数为:; 如果将球认为只有颜色的区别，放入a+b个盒中，其中a个位置放白球，则这一随机试验的样本点总数为; 将古典概率的方法引申一下，便得到确定概率的“几何方法”。 满足下列条件的试验，称为“几何概型”： (1)样本空间是直线或二维、三维空间中的度量有限的区间或区域； (2)样本点在其上是均匀分布的。 ;定义：在几何概型中，若样本空间Ω所对应区域的度量为L(Ω),且事件A的度量为L(A) ，则A的概率为 ;?;?;?;?;于是;1.2.3 概率的统计定义 ;实例 将一枚硬币抛掷 5 次、50 次、500 次, 各做 7 遍, 观察正面出现的次数及频率。;从以上数据可知;结论:;2．概率的统计定义 由于当实验次数n较大时，频率fn(A)=nA/n会稳定于某一常数p，因此可将A的概率定义为:P(A)=p。;局限性： （1）不能对任一事件都去通过大量实验来确定概率； （2）不严格，无法进行数学推理，无法根据此定义计算某事件的概率。 如何克服此不足？;1. σ-代数的定义 设Ω为全集，称Ω的一些子集所组成的集合? 为Ω的一个σ-代数 （σ-域），如果? 满足下列条件： ; 我们把Ω的σ-代数 ? 又称为Ω的事件域并仅把 ? 中的元素看成为事件。 σ-代数的定义中只要求对逆，可列并运算封闭，事实上这时σ-代数对交，差的运算也是封闭的。;2. 概率的公理化定义 定义：设F为样本空间Ω上的σ-代数，P是定义在?上的实值集函数，如果它满足： ;3