概率统计补充案例.docx

补充案例：

概率部分：

案例1、“三人行必有我师焉”案例2、抓阄问题

案例3、贝叶斯方法运用案例介绍案例4、化验呈阳性者是否患病案例5、敏感性问题的调查

案例6、泊松分布在企业评先进中的应用案例7、碰运气能否通过英语四级考试案例8、检验方案的确定问题

案例9、风险型决策模型

案例10、一种很迷惑游客的赌博游戏案例11、标准分及其应用

案例12、正态分布在人才招聘中的应用案例13、预测录取分数线和考生考试名

统计部分：

案例14、随机变量函数的均值和标准差的近似计算方法案例15、如何表示考试成绩比较合理

案例16、如何估计湖中黑、白鱼的比例案例17、预测水稻总产量

案例18、工程师的建议是否应采纳

案例19、母亲嗜酒是否影响下—代的健康案例20、银行经理的方案是否有效

案例21、一元线性回归分析的Excel实现案例22、方差分析的Excel实现

案例23、预测高考分数

案例24、两次地震间的间隔时间服从指数分布

案例1、“三人行必有我师焉”

我们可以运用概率知识解释孔子的名言“三人行必有我师焉”.首先我们要明确一个问题，即只要在某一方面领先就可以为师(韩愈说“术业有专攻”).俗语说“三百六十行，行行出状元”，我们不妨把一个人的才能分成360个方面。孔子是个大圣人，我们假设他在一个方面超过某个人的概率为99％，那么孔子在这方面超过与他“同行”的两个人的概率为99％×99％=98.0l％，在360个方面孔子总比这两人强的概率为(98.01％)360=0.07％，即这两个人在某一方面可以做孔子老师的概率为99.93％.从数学角度分析，孔子的话是很有道理的.

案例2、抓阄问题

一项耐力比赛胜出的10人中有1人可以获得一次旅游的机会，组织者决定以抓阄的方式分配这一名额.采取一组10人抓阄，10张阄中只有一张写“有”.每个人都想争取到这次机会，你希望自己是第几个抓阄者呢?有人说要先抓，否则写有“有”的阄被别人抓到，自己就没有机会了；有人说不急于先抓，如果前面的人没有抓到写有“有”的阄，这时再抓抓到“有”的机会会大一些.为了统一认识，用概率的方法构造一个摸球模型来说明问题.

摸球模型：袋中装有1个红球和9个黄球除颜色不同外球的大小、形状、质量都相同.

现在10人依次摸球(不放回)，求红球被第k个人摸到的概率(k=1,2,?,10).

解决问题：设

A ?

k=“

第k个人摸到红球

? k

， =1,2,?,10.显然，红球被

第一个人摸到的概率为

P(A)?

1

1

210.因为A

2

?A，于是红球被第二个人摸到的概率为

1

1

P(A)?P(AA)?P(A)P(A

)?9?1?1

A12 1 2 1 2

A

1

A ?AA

10 9 10.

AA1 2同样，由 3 1 2知红球被第三个人摸到的概率为

AA

1 2

P(A

)?P(AA

A)?P(A

)P(A

A)P(A

)?9

?8?1?1

3 1 2 3

1 2 1 3

10 9 8 10.

4如此继续，类似可得P(A)=

4

P(A)?

5

???

P(A )?

10

1

10.

由此可见，其结果与k无关，表明10个人无论摸球顺序如何，每个人摸到红球的机会相等.这也说明10个人抓阄，只要每个人在抓之前不知道他前边那些已经抓完的结果，无论先后,抓到的机会是均等的.

在现实生活中单位分房、学生分班、短缺物品的分配等，人们常常乐于用抓阄的办法来解决，其合理性保证当然得归功于“概率”.通过上面的摸球模型，我们总结出分配中的“抓阄”问题，无论先抓后抓，结果是一样的.学完概率之后再遇到抓阄问题时不必争先恐后，我们要发扬风格让他人先抓.

案例3、贝叶斯方法运用案例介绍什么是贝叶斯过滤器？

垃圾邮件是一种令人头痛的顽症，困扰着所有的互联网用户。

正确识别垃圾邮件的技术难度非常大。传统的垃圾邮件过滤方法，主要有关键词法和校验码法等。前者的过滤依据是特定的词语；后者则是计算邮件文本的校验码，再与已知的垃圾邮件进行对比。它们的识别效果都不理想，而且很容易规避。

2002年，PaulGraham提出使用贝叶斯推断过滤垃圾邮件。他说，这样做的效果，好得不可思议。1000封垃圾邮件可以过滤掉995封，且没有一个误判。

另外，这种过滤器还具有自我学习的功能，会根据新收到的邮件，不断调整。收到的垃圾邮件越多，它的准确率就越高。

建立历史资料库

贝叶斯过滤