概率论与数学建模.pdfVIP

概率论与数学建模

概率论与数学建模

基础知识部分

一、概率论：

1、概率：刻化某一事件在一次试验中发生的可性大小的数。

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：

k-A

2

e

P（X二k）=二k=0、1、2、、、

泊松分布：kI

实际应用：时间t内到达的次数：

（小概率事件）一本书中一页中的印刷错误数：

某地区在一天内邮件遗失的信件数；

某一天内医院的急症病人数；

某一地区一个时间间隔内发生交通事故的次数：

•个时间间隔内某种放射性物质发出的经过计数器的a粒子数等等

2（）连续型：

%

x0

f（X）

0,其它

指数分布：

其中丸°为常数，记为X~£xp/“

法耳1.口7卜槌nriMP（S^t/XS）=P（X，）

特点:无记忆性。即是,7v7

一个元件已经使用了S小时，在此情形下，它总共使用至少s+t小时的概率，与开

始使用时算起它至少使用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……

2

_（X~//）

2产

e

f（X）二——-f=-,-00X+002

正态分布：。12万记为X〜N（b）

第1页共13页

概率论与数学建模

标准正态分布：X〜N(O,1)

止态分布标推化：若Y~N(后),则Y=

N(O,i),标准化的目的在于够方便查阅书后的标准正态分布表。

0

“3b”原则:

“30原则被实际工作者发现，工业生产上用的控制图和一些产品质量指数都是根据30

原则制定。

3、随机变量的特征数(数字特征)：

ExkPk,(离散型)

E(X)=r=1

+8

Jxf(x)dx,(连续型)

均值(期望)：1-8

方差D(XAE(X-E(X)¥=£1()—(E(X)『

中心极限定理：“是独立同分的随机