概率、随机变量及其分布列课件_理.pptVIP

*****************概率的基本概念11.随机现象随机现象指的是其结果无法事先确定的现象。22.概率概率是描述随机现象发生可能性大小的度量。33.频率频率是指在大量重复试验中，事件发生的次数占试验总次数的比例。44.概率的性质概率是一个非负数，且所有可能事件的概率之和为1。样本空间和事件样本空间样本空间是指随机试验所有可能结果的集合。例如，掷骰子一次的样本空间为{1,2,3,4,5,6}。事件事件是样本空间的子集，即随机试验可能发生的结果。例如，掷骰子一次，出现偶数的结果是事件{2,4,6}。概率的基本公式概率论中，一些基本公式帮助我们计算事件发生的可能性。1概率定义事件A发生的概率等于A包含的样本点个数除以样本空间中所有样本点的个数。2加法公式两个互斥事件A和B同时发生的概率等于它们各自发生的概率之和。3乘法公式两个事件A和B同时发生的概率等于A发生的概率乘以B在A发生的条件下发生的概率。条件概率和乘法公式1条件概率事件A已发生的情况下，事件B发生的概率，称为事件B在事件A发生的条件下发生的条件概率。2乘法公式两个事件同时发生的概率等于其中一个事件发生的概率乘以另一个事件在第一个事件已经发生的条件下发生的概率。3应用条件概率和乘法公式在概率论和统计学中有着广泛的应用，例如贝叶斯定理的推导。全概率公式和贝叶斯公式全概率公式全概率公式用于计算一个事件发生的概率，通过将该事件分解为若干个互斥事件的并集，并计算每个互斥事件的概率，再将它们加起来。公式：P(A)=P(A|B1)P(B1)+P(A|B2)P(B2)+...+P(A|Bn)P(Bn)贝叶斯公式贝叶斯公式用于计算事件B发生后事件A发生的条件概率，也被称为后验概率。公式：P(A|B)=[P(B|A)P(A)]/P(B)离散型随机变量定义离散型随机变量的取值是有限个或可数无限多个。这些取值通常是整数，但在某些情况下也可以是其他类型的离散值。例如，掷硬币5次，正面朝上的次数就是离散型随机变量。例子掷骰子时，点数1到6就是离散型随机变量。每次掷骰子的结果都只能是这6个值中的一个。特征离散型随机变量可以用概率分布列来描述，该列列出了每个取值的概率。例如，掷骰子时，每个点数出现的概率都是1/6。随机变量的分布列随机变量的分布列列出了每个随机变量值的概率。它提供了一个清晰的概览，展示了不同结果出现的可能性。例如，抛硬币两次，随机变量X表示正面出现的次数。分布列将显示X取值为0、1或2的概率。二项分布定义在n次独立试验中，每次试验只有两种可能的结果，称为成功和失败。成功的概率为p，失败的概率为1-p。二项分布描述了在这n次试验中成功次数的概率分布。参数n和p分别表示试验次数和每次试验成功的概率。特点二项分布的概率质量函数为：P(X=k)=(nCk)*p^k*(1-p)^(n-k)，其中nCk表示从n次试验中选择k次成功的组合数。泊松分布泊松分布描述的是在特定时间或空间内随机事件发生的概率。例如，在某个时间段内，特定电话线路接到的电话次数。泊松分布通常用于模拟稀有事件，例如，在特定时间段内，特定区域内发生的交通事故次数。几何分布几何分布是一种离散型概率分布，它描述了在独立试验序列中，直到第一次成功试验之前失败次数的概率。例如，如果一个硬币正面朝上的概率为0.5，那么抛掷硬币直到第一次正面朝上之前，连续出现反面次数的概率可以用几何分布来描述。几何分布的概率质量函数为：P(X=k)=(1-p)^(k-1)*p，其中p是成功试验的概率，k是失败次数。超几何分布超几何分布描述的是从有限总体中抽取样本时，样本中包含特定类型元素的概率分布。超几何分布适用于没有放回抽样，即每次抽取后不再将元素放回总体的情况。N总体规模K总体中特定类型元素数量n样本规模k样本中特定类型元素数量超几何分布的应用场景包括质量控制、抽样调查、市场研究等。连续型随机变量连续型随机变量取值范围是连续的，可以用实数表示。连续型随机变量的例子如：身高、体重、时间、温度等。概率密度函数描述连续型随机变量取值的概率分布。随机变量的概率密度函数概率密度函数描述了连续型随机变量在某个特定取值附近的概率密度。它是定义在随机变量取值范围上的一个非负函数，其积分等于1。概率密度函数f(x)随机变量取值范围(a,b)概率密度函数的积分∫f