概率论与数理统计-(课堂PPT).ppt

*,概率论与数理统计,1,概率论与数理统计是研究什么的？,概率论,从数量上研究随机现象的统计规律性的科学,。,数理统计,从应用角度研究处理随机性数据，建立有效的统计方法，进行统计推理。,随机现象：不确定性与统计规律性,2,第一章 概率论的基本概念,第二章 随机变量及其分布,第三章 多维随机变量及其概率分布,第四章 随机变量的数字特征,第五章 大数定律和中心极限定理,第六章 数理统计的基本概念,第七章 参数估计,第八章 假设检验,主要内容,3,第一章 概率论的基本概念,1.1,随机事件及其运算,1.2,概率的定义及其性质,1.3,古典概型与几何概型,1.4,条件概率,1.,5 独立性,4,1.1,随机事件及其运算,如何研究随机现象呢？,1.1.1,随机现象,自然界的,现象按照发生的可能性（或者必然性）分为两类,：,一类是,确定性现象，,特点是,条件完全决定结果,一类是,随机现象，,特点是,条件不能完全决定结果,在一定条件下，可能出现这样的结果，也可能出现那样的结果，我们预先无法断言，这类现象成为,随机现象,。,5,1.1.2,随机试验,E,1,:,抛一枚硬币，观察正面,H,、反面,T,出现的情况；,E,2,:,掷一颗骰子，观察出现的点数；,E,3,:,记录,110,报警台一天接到的报警次数；,E,4,:,在一批灯泡中任意抽取一个，测试它的寿命；,E,5,:,记录某物理量的测量误差；,E,6,:,在区间 上任取一点，记录它的坐标。,例,1-,1：,6,上述试验具有如下特点：,1.,试验的可重复性,在相同条件下可重复进行,；,2.,一次试验结果的随机性,一次试验的可能结果不止一个，且试验之前无法确定具体是哪种结果出现；,3.,全部试验结果的可知性,所有可能的结果是预先可知 的，且每次试验有且仅有一个结果出现。,在概率论中，将具有上述三个特点的试验成为,随机试验,，简称,试验,。随机试验常用,E,表示。,7,样本空间,:,试验的,所有可能结果,所组成的,集合,称为,试验,E,的样本空间,记为,.,样本点,:,试验的,每一个可能出现的结果,（样本空间中的元素）,称为,试验,E,的,一个,样本点,记为,.,1.1.,3,随机事件与样本空间,8,分别写出例1-1各试验 所对应的样本空间,例,1-,2：,9,例如在试验,E,2,中,，令,A,表示“出现奇数点”，,A,就是一个随机事件。,A,还可以用样本点的集合形式表示，即,A=1,，,3,，,5.,它是样本空间,的一个子集。,事件发生,：例如，在试验,E,2,中，无论掷得,1,点、,3,点还是,5,点，,都称这一次试验中事件,A,发生了。,基本事件,：,随机事件仅包含一个样本点,，单点子集,。,如,，在试验,E,1,中,H,表示“正面朝上”，就是个,基本事件,。,随机事件：,样本空间的任意一个,子集,称为,随机事件,简称“事件”，记作,A,、,B,、,C,等。,复合事件,：,包含两个或两个以上样本点,的事件。,10,两个特殊的事件,必然事件：,；,不可能事件：,.,既然事件是一个集合，因此有关事件间的关系、,运算及运算规则也就按集合间的关系、运算及运算规,则来处理。,11,1.,包含关系与相等,：,“,事件,A,发生必有事件,B,发生,”,记为,A,B,。,A,B,A,B,且,B,A.,1.1.4,事件间的关系与运算,A,B,A,B,12,2,.,和（并）事件：,“事件,A,与事件,B,至少有一个发生”，记作,A,B,或,A+B,。,显然：,A,A,B,，,B,A,B,；若,A,B,，则,A,B=B,。,推广,：,n,个事件,A,1,A,2,A,n,至少有一个发生，记作 或,13,3.,积（交）事件,:,事件,A,与事件,B,同时发生，记作,A,B,或,AB,。,推广,：,n,个事件,A,1,A,2,A,n,同时发生，记作,A,1,A,2,A,n,或 或,显然：,AB,A,，,AB,B,；若,A,B,，则,A,B=A,。,14,4.,差事件,：,A,B,称为,A,与,B,的差事件,表示事件,A,发生而事件,B,不发生,显然：,A,-BA,；若,A,B,，则,A,-,B=,。,15,5.,互不相容事件（也称互斥的事件）：,即事件,A,与事件,B,不能同时发生,。,AB,。,A,B,AB=,推广,：,n,个事件,A,1,A,2,A,n,任意两个都互不相容，则称n个事件,两两互不相容,。,若,n,个事件,A,1,A,2,A,n,两两互不相容，且,则称n个事件,A,1,A,2,A,n,构成一个,完备事件组,。,16,6.,对立（逆）,事件,A,B,且,AB,显然有：,17,思考,：,事件,A,和事件,B,互不相容与事件,A,和事件,B,互,为对立事件的区别,.,互不相容事件与对立事件是两个不同的概念，,对立事件一定是互不相容事件,，,互不相容事件不一定是对立事件,，对立在样本空间只有两个事件时存在，互不相容还可在样本空间有多个事件时存在,18,交换律：,A,B,B,A,，,AB,BA,。,结合律,：,(A,B),C=A,(BC),，,(AB)C,A(BC),。,分配律,：,(A,B)C,(AC),(BC),，,(AB),C,(A,C),(B,C),。,对偶,(De Morgan),律,：,7.,事件的运算性质,19,例,1-3,：,某射手向一目标射击,3,次,A,i,表示“第,i,次射击命中目标,”,i=1,2,3.B,j,表示“三次射击恰命中目标,j,次”,j=0,1,2,3.,试用,A,1,A,2,A,3,的运算表示,B,j,j,=0,1,2,3.,解,20,例1-,4,：甲、乙、丙三人各向目标射击一发子弹，以,A,、,B,、,C,分别表示甲、乙、丙命中目标，试用,A,、,B,、,C,的运算关系表示下列事件：,21,本节课主要讲授：,1.,随机现象；,2.,随机试验和样本空间；,3.,随机事件的概念；,4.,随机事件的关系和运算（,重点,）。,小 结,22,1.2,概率的定义及其性质,1.2.1,概率的统计定义,23,试验者,德,.,摩根,2048,1061,0.5181,蒲丰,4040,2048,0.5069,费勒,10000,4979,0.4979,K,.,皮尔逊,12000,6019,0.5016,K,.,皮尔逊,24000,12012,0.5005,24,频率的性质：,一口袋中有,6,个乒乓球，其中,4,个白的，,2,个红的有放回地进行重复抽球，观察抽出红色球的次数。,200,139,0,.,695,400,201,0,.,653,600,401,0,.,668,25,频率是概率的近似值，概率,P(A),也应有类似特征：,26,定义2,：在相同的条件下进行n次重复试验，当n趋于无穷大时，事件,A,发生的频率 稳定于某个确定的常数,p,，称此常数,p,为事件,A,发生的概率，记作 ,注1：,概率的统计定义不仅提供了一种定义概率的方法，更重要的是给了一种估算概率的方法在实际问题中，事件发生的概率往往是未知的，由于频率具有稳定性，我们就用大量试验中得到的频率值作为概率的近似值,注2：,但上述定义存在着明显的不足，首先，人们无法把一个试验无限次的重复下去，因此要精确获得频率的稳定值是困难的其次，定义中对频率与概率关系的描述是定性的、非数学化的，从而容易造成误解,注3：,定义2中的叙述易使人想到概率是频率的极限，概率是否为频率的极限，以什么方式趋于概率呢？,27,1.2.,2,概率的公理化定义,定义3,：若对随机试验,E,所对应的样本空间,中的每一事件,A,，均赋予一实数,P(A),，集合函数,P(A),满足条件：,(1),非负性公理：,P(A),0,；,(2),规范性公理：,P(,),1,，,P(,),0,；,(3),可列可加性公理,：,设,A,1,，,A,2,，,是一列两两互不相容的事件，即,A,i,A,j,，,(,ij,),i,j,1,2,有,P(A,1,A,2,),P(A,1,),P(A,2,)+,.,则称,P(A),为事件,A,的,概率,。,28,性质,1,概率的性质,性质 2（,有限可加性,）,设,A,1,，,A,2,，,A,n,是一列两两互不相容的事件，即,A,i,A,j,，,(,ij,),i,j,1,2,n，,有,P(A,1,A,2,A,n,),P(A,1,),P(A,2,)+,.,P(A,n,),性质 3,（,互补性,）,证明,：因为 所以有,故,29,性质4,P(A-B)=P(,A,)-P(AB),.,特别地,当,时,P(,A,-,B,)=P(A)-P(B),且,P(,B)P(A).,证明：因为 且 ，所以,性质 5,（加法公式）,对于任意事件,A,B,，有,P(A,+,B)=P(A)+P(B)-P(AB).,对任意n个事件,A,1,，,A,2,，,A,n,，,有,证明：,单调不减性,30,性质 6,（,可分性,）,对任意两事件A、B,有,P(A)P(AB)P(AB),P(,B,)P(AB)P(AB),例,1-5,设,A,B,为两个随机事件,P(A)=0.5,P(A,B)=0.8,P(AB)=0.3,求,P(B).,解,由,P(A,B)=P(A)+P(B)-P(AB),得,P(B)=P(A,B)-P(A)+P(AB)=0.8-0.5+0.3=0.6.,31,解,由性质6可知，,例,1-6,设,A,B,两个随机事件,P(A)=0.8,P(AB)=0.5,求,P(AB).,P(AB)=P(A)-P(AB)=0.8-0.5=0.3,例,1-7,设,A,与,B,互不相容,P(A)=0.5,P(B)=0.3,求,P(AB).,解,P(AB)=P(,)=1-P(A,B)=1-P(A)+P(B),=1-(0.5+0.3)=0.2,32,33,本节课主要讲授：,1.,概率的统计定义,；,2.,概率的公理化定义,；,3.,概率的性质,（,重点,）。,小 结,34,1.,3,古典概型与几何概型,1.,3,.1,古典概型,2.,等可能性,：,每个基本事件发生的可能性相同,.,理论上,具有下面两个特点的随机试验的概率模型,称为,古典概型（或等可能概型）,：,1.,有限性：,基本事件的总数是有限的,换句话说样本空间仅含有有限个样本点,;,35,设事件,A,中所含样本点个数为,r,样本空间,中样本点总数为,n,则有,古典概型的概率计算公式,:,36,例,1-,9,掷一枚质地均匀的骰子,求出现奇数点的概率。,事件“出现奇数点”用,A,表示,则,A,=1,3,5,所含样本,点数,r,=3,从而,解,：,显然样本空间,=1,2,3,4,5,6,样本点总数,n,=6,37,解,1:,试出现正面用,H,表示,出现反面用,T,表示,则样本空间,=HHH,HHT,HTH,THH,HTT,TTH,THT,TTT,样本点总数,n,=8.,A=TTH,，,THT,，,HTT,，,B=HHH,，,C=HHH,THH,HTH,HHT,TTH,THT,HTT,所以,A,B,C,中样本点数分别为,r,A,=3,r,B,=1,r,C,=7,例,1-,10,抛一枚均匀硬币,3,次,设事件,A,为“恰有,1,次出现面”,B,为“恰有,2,次出现正面”,C,为“至少一次出现正面”,试求,P(A),P(B),P(C).,则,P(A)=,r,A,n=3,8,P(B)=,r,B,n=1,8,P(C)=,r,C,n=7,8.,38,例,1-,11,从,0,1,2,9,等,10,个数字中任意选出,3,个不同数字,试求,3,个数字中不含,0,和,5,的概率,.,解 设,A,表示“,3,个数字中不含,0,和,5”.,从,0,1,2,9,中任意选,3,个不同的数字,共有 种选法,即基本事件总数,n,=.,3,个数中不含,0,和,5,是从,1,2,3,4,6,7,8,9,共,8,个数中取得,选法有,即,A,包含的基本事件数,则,如果把题中的,“,0,和,5,”,改成“,0,或,5,”,结果如何？,39,例,1-1,2,从,1,2,9,这,9,个数字中任意取一个数,取后放回,而,后再取一数,试求取出的两个数字不同的概率,.,解,基本事件总数,n=9,2,因为第一次取数有,9,中可能取法,这,时可重复排列问题,.,设,A,表示“取出的两个数字不同”,.A,包含的基本事件数,9*8,因为第一次取数有,9,中可能取法,为保证两个数不同,第二,次取数应从另外的,8,个数中选取,有,8,中可能取法,r=9*8,故,P(A)=,rn,=9*89,2,=89,40,例,1-1,3,袋中有,5,个白球,3,个黑球,从中任取两个,试求取到的两个球颜色相同的概率。,解,从,8,个球中任意取两个,共有 种取法,即基本事件总,数,.,记,A,表示“取到的两个球颜色相同”,A,包含两种可能,:,全是,白球,或全是,黑球,.,全是白球有 种取法,全是黑球有 种取法,由加法原理,知,A,的取法共,中,即,A,包含的基本事件数,r=,故,41,42,43,说明：不管是放回抽样还是不放回抽样，也不管取球的先后顺序如何，每次取到白球的概率都是一样的 我们日常生活中的抓阄，就是不放回抽样，可见不管第几个去抽，每人抽中白球的机会相等，同抽签次序无关,44,把有限个样本点推广到无限个样本点的场合,人们引入了,几何概型,.,由此形成了确定概率的另一方法,几何方法,.,概率的古典定义具有可计算性的优点,但它也有明显的局限性,.,要求样本,点有限,如果样本空间中的样本点有无限个,概率的古典定义就不适用了,.,1.,3,.,2,几何概型,45,当随机试验的样本空间是某个区域,并且任意一点落在度量,(,长度,面积,体积,),相同的子区域是等可能的,则事件,A,的概率可定义为,说明,：当古典概型的试验结果为连续无穷多个时,就归结为,几何概率,.,46,那末,两人会面的充要条件为,例,1,-1,5,甲、乙两人相约在,0,到,T,这段时间内,在预定地点会面,.,先到的人等候另一个人,经过时间,t,(,t,0,称,为在事件,B,发生条件下事件,A,发生的概率,.,显然，,P(A)0,时，,计算条件概率有两个基本的方法：,用定义计算，即在原样本空间中计算P(AB)与P(B)之比；,在古典概型中利用古典概型的计算方法直接计算，即在新样本空间B中直接计算A发生的概率,.,53,例,1-1,8,在全部产品中有,4%,是废品,有,72%,为一等品,.,现从中任取一件为合格品,求它是一等品的概率,.,解,设,A,表示“任取一件为合格品”,B,表示“任取一件为一等品”,显然,B,A,P(,A,)=96%,P(,AB,)=P(,B,)=72%,则所求概率为,54,例1-1,9,盒中有黄白两色的乒乓球,黄色球,7,个,其中,3,个是新,球,;,白色球,5,个,其中,4,个是新球,.,现从中任取一球是新球,求它,是白球的概率,.,解,1,设,A,表示“任取一球为新球”,B,表示“任取一球为白球”,由古典概型的等可能性可知,所求概率为,解,2,设,A,表示“任取一球为新球”,B,表示“任取一球为白球”,由条件概率公式可得,55,解,设,A,表示“第一次取球取出的是白球”,B,表示“第二次取,球取出的是黑球”,所求概率为,P,(,B|A,).,由于第一次取球取出的是白球,所以第二次取球时盒中,有,5,个黑球,2,个白球,由古典概型的概率计算方法得,例,1-20,盒中有,5,个黑球,3,个白球,连续不放回的从中取两,次球,每次取一个,若已知第一次取出的是白球,求第二次取,出的是黑球的概率,.,56,性质,2,若,A,与,B,互不相容，则,性质,3,条件概率的性质,性质,1,若事件 ，两两互不相容，且P(B)0，则,57,概率的乘法公式,当,P(A)0,时，有,P(AB)=P(A)P(B|A).,当,P(B)0,时，有,P(AB)=P(B)P(A|B).,乘法公式还可以推广到,n,个事件的情况：,设,P(AB)0,时，则,P(ABC)=P(A)P(B|A)P(C|AB).,设,P(A,1,A,2,A,n-1,)0,则,P(A,1,A,2,A,n,)=P(A,1,)P(A,2,|A,1,)P(A,n,|A,1,A,2,A,n-1,).,58,例,1-21,在,10,个产品中,有,2,件次品,不放回的抽取,2,次产品,每次取一个,求取到的两件产品都是次品的概率,.,解,设,A,表示“第一次取产品取到次品”,B,表示“第二次取产,品取到次品”,则,故,59,例,1-22,盒中有,5,个白球,2,个黑球,连续不放回的在其中取,3,次球,求第三次才取到黑球的概率,.,解 设,A,i,(i,=1,2,3),表示“第,i,次取到黑球”,于是所求概率为,例,1-23,设,P(A),=0.8,P(B),=0.4,P(B|A),=0.25,求,P(A|B),.,解,60,1.,4,.2,全概率公式与贝叶斯,(,Bayes,),公式,全概率公式,设随机试验对应的样本空间为,设,A,1,A,2,A,n,是样本空间,的一个完备事件组（或划分），且,P(A,i,)0,i=1,2,n,，,B,是任意一个事件,则,注：全概率公式求的是,无条件概率,61,例,1-2,4,盒中有,5,个白球,3,个黑球,连续不放回地从中取两次球,每次取一个,求第二次取球取到白球的概率,.,解,设,A,表示“第一次取球取到白球”,B,表示“第二次取球取到白球”,则,由全概率公式得,62,例,1-25,在某工厂中有甲、乙、丙三台机器生产同一型号的产品,它们的产量各占,30%,35%,35%,并且在各自的产品中废品率分别为,5%,4%,3%.,求从该厂的这种产品中任取一件是废品的概率,.,解,设,A,1,表示“从该厂的这种产品中任取一件产品为甲所生产”,A,2,表示,“从该厂的这种产品中任取一件产品为乙所生产”,A,3,表示“从该厂的这,种产品中任取一件产品为丙所生产”,B,表示“从该厂的这种产品中任取,一件为次品”,则,P(A,1,)=30%,，,P(A,2,)=35%,P(A,3,)=35%,P(B|A,1,)=5%,P(B|A,2,)=4%,P(B|A,3,)=3%.,由全概率公式得,63,例,1-2,6,设在,n(n,1),张彩票中有,1,张奖券,甲、乙两人依次,摸一张彩票,分别求甲、乙两人摸到奖券的概率,.,解,设,A,表示“甲摸到奖券”,B,表示“乙摸到奖券”,.,现在目的是求,P(A),P(B),显然,P(A)=1/n.,因为,A,是否发生直接关系到,B,的概率,即,于是由全概率公式得,这个例题说明,购买彩票时,不论先买后买,中奖机会是均等的,这就是所,谓的,“,抽签公平性,”,.,64,65,贝叶斯,(,Bayes,),公式,设,A,1,A,2,A,n,是样本空间的一个完备事件组（或划分）,B,是任一事件,且,P(B)0,则,例,1-27,在例,1-24,的条件下,若第二次取到白球,求第一次取,到黑球的概率,.,注：,Bayes,公式求的是,条件概率,.,【,盒中有,5,个白球,3,个黑球,连续不放回地从中取两次球,每次取一个,求第二次取球取到白球的概率,.,】,66,解,使用例,1-24,解中记号,设,A,表示“第一次取球取到白球”,B,表示“第二次取球取到白球”,则所求概率为,由贝叶斯公式可求,注意到,67,例,1-28,在例,1-25,的假设下,若任取一件是废品,分别求它,是甲、乙、丙生产的概率,.,解,由贝叶斯公式，,【,在某工厂中有甲、乙、丙三台机器生产同一型号的产品,它们的产量各占,30%,35%,35%,并且在各自的产品中废品率分别为,5%,4%,3%.,求从该厂的这种产品中任取一件是废品的概率,.】,68,例,1-2,9,针对某种疾病进行一种化验,患该病的人中有,90%,呈阳性反应,而未患该病的人中,5%,呈阳性反应,.,设人群中有,1%,的人患这种病,.,若某人,做这种化验呈阳性反应,则他换这种疾病的概率是多少,?,解,设,A,表示“某人患这种病”，,B,表示“化验呈阳性反应”，则,由全概率公式得,再由贝叶斯公式得,本题的结果表明，化验呈阳性反应的人中，只有,15%,左右真,正患有该病,.,69,70,2、全概率公式及其应用,(,求无条件概率,),小 结,3,、贝叶斯公式及其应用,(,求条件概率,),1,、条件概率及乘法公式；,71,定义,1,若,P,(,AB,),=P,(,A,),P,(,B,),则称,A,与,B,相互独立,简称,A,B,独立,.,性质2,若,A,与,B,相互独立,则,A,与,B,A,与,B,A,与,B,都相互独立,.,1.,5,.1,两事件独立,性质,1,设,P(,A,)0,则,A,与,B,相互独立的充分必要条件是,P(,B,)=P(,B|A,).,设,P(,B,)0,则,A,与,B,相互独立的充分必要条件是,P(,A,)=P(,A|B,).,1.,5,独立性,回忆：,72,以下四件事等价：,(1),事件,A,、,B,相互独立；,(2),事件,A,、,B,相互独立；,(3),事件,A,、,B,相互独立；,(4),事件,A,、,B,相互独立。,由性质2知,，,事件,A,与,B,相互独立,是指事件,A,的发生与事件,B,发生的概率无关,.,73,独立与互斥的关系,这是两个不同的概念,.,两事件相互独立,两事件互斥,例如,二者之间没,有必然联系,独立是事件间的概率属性,互斥是事件间本身的关系,1,1,由此可见,两事件,相互独立,但两事件,不互斥,.,两事件,相互独立,两事件,互斥,.,74,由此可见,两事件,互斥,但,不独立,.,又如：,两事件,相互独立,.,两事件,互斥,75,例,1-,2,9,两射手彼此独立地向同一目标射击,设甲射中目标的概率为,0.9,乙射中目标的概率为,0.8,求目标被击中的概率,.,解,设,A,表示“甲射中目标”,B,表示“乙射中目标”,C,表示“目,标被击中,”,则,C=AB,A,与,B,相互独立,P(A)=0.9,P(B)=0.8,，,故,P(C)=P(A,B)=P(A)+P(B)-P(AB),=0.9+0.8-0.9*0.8=0.98.,或利用,对偶律,亦可,.,注,：,A,，,B,相互独立时,概率加法公式可以简化,即当,A,与,B,相互独立时,P(A,B)=1-P(A)P(B),76,例,1-,30,袋中有,5,个白球,3,个黑球,从中有放回地连续取两次,每次取,一个球,求两次取出的都是白球的概率,.,解,设,A,表示“第一次取球取到白球”,B,表示“第二次取球取到白球”,由,于是有放回抽取,A,与,B,是相互独立的,所求概率为,例,1-3,1,设,A,与,B,相互独立,A,发生,B,不发生的概率与,B,发生,A,不发生的概率相等,且,P(A)=1,/3,，求,P(B).,即,解得,解,由题意，,P(AB)=P(AB),，因为,A,与,B,相互独立，则,A,与,B,，,A,与,B,都相互独立，故,P(A)P(B)=P(A)P(B),，,77,定义2,若三个事件,A,、,B,、,C,满足：,P(,AB,)=P(,A,)P(,B,),P(,AC,)=P(,A,)P(,C,),P(,BC,)=P(,B,)P(,C,),则称事件,A,、,B,、,C,两两相互独立,；,若在此基础上还满足：,P(,ABC,),P(,A,)P(,B,)P(,C,),则称事件,A,、,B,、,C,相互独立,简称,A,、,B,、,C,独立,.,1.5.2 多个事件的独立,78,一般地,设,A,1,A,2,A,n,是,n,个事件,如果对任意,k(1,k,n),任意的,1,i,1,i,2,i,k,n,具有等式,P(A,i1,A,i2,A,ik,),P(A,i1,)P(A,i2,)P(A,ik,),则称,n,个事件,A,1,A,2,A,n,相互独立。,思考：,1.,设事件,A,、,B,、,C,、,D,相互独立，则,2,.,三个事件相互独立和两两独立的关系,.,A,B,与,CD,独立吗？,79,例,1-32,3,人独立地破译一个密码,他们能单独译出的概率分别为,1/5,1/3,1/4.,求此密码被译出的概率,.,解法,1,设,A,B,C,分别表示,3,人能单独译出密码，则所求概率为,P(A,B,C),，且,A,B,C,独立，,P(A)=,1/5,，,P(B)=,1/3,，,P(C)=,1/4.,于是,80,解法,2,用,解法,1,的记号，,比较起来,解法,1,要简单一些,对于,n,个相互独立事件,A,1,A,2,A,n,其和事件,A,1,A,2,A,n,的概率可以通过下,式计算：,81,例,1-33,3,门高射炮同时对一架敌机各发一炮,它们的命中,率分别为0.1,0.2,0.3,求敌机恰中一弹的概率。,解,设,A,i,表示“第,i,门炮击中敌机”,i,=1,2,3,B,表示“敌机恰中一弹”,则,82,例,1-34,用步枪射击飞机，设每支步枪命中率是,0.004,，求（,1,）现用,250,支步枪同时射击一次，飞机被击中的概率；,（,2,）若想以,0.99,的概率击中飞机，需多少支步枪同时射击一次？,83,小 结,1,、两个事件的独立性；,2,、多个事件的独立性,.,84,本章小结,1,、基本概念：概率 条件概率 独立性,2,、主要公式：古典概型 几何概型,条件概率公式 乘法公式,全概率公式 贝叶斯公式,3,、计算：事件运算 概率计算,85,第二章 随机变量及其分布,2,.1,随机变量及分布函数,2,.2,离散型随机变量,2,.3,连续型随机变量及概率密度函数,2,.4,随机变量函数的分布,86,定义,1,设,E,是随机试验，样本空间为,，如果对每一个结果（样本点）,，有唯一确定的实数,X(,),与之对应，这样就得到一个定义在,上的实值函数,X=,X(,),称为随机变量,.,随机变量常用,X,，,Y,，,Z,，,.,或,X,1,，,X,2,，,X,3,，,.,2,.1,随机变量及分布函数,2.1,.1 随机变量,87,关于随机变量的研究，是概率论的中心内容这是因为，对于一个随机试验，我们所关心的往往是与所研究的特定问题有关的某个或某些量，而这些量就是随机变量也可以说：随机事件是从静态的观点来研究随机现象，而随机变量则是一种动态的观点，一如数学分析中的常量与变量的区分那样变量概念是高等数学有别于初等数学的基础概念同样，概率论能从计算一些孤立事件的概念发展为一个更高的理论体系，其基础概念是随机变量。,88,随机变量的特点,:,1、,X的全部可能取值是互斥且完备的,2、,X的部分可能取值描述随机事件,随机变量的分类：,随机变量,89,定义,2,设X是随机变量，对任意实数x，事件X,x的概率PX,x称为随机变量X的,分布函数,，,记为F(x)，即,F(x)P X,x.,易知，对任意实数a,b(ab),P aX,b,PX,bPX,a F(b)F(a).,2.1,.2 随机变量的分布函数,90,1、,单调不减性,：若x,1,x,2,则,F(x,1,),F(x,2,),;,2、,规范性,：对任意实数x，0,F(x),1，且,3、,右连续性,：对任意实数x，,反之，具有上述三个性质的实函数，必是某个随机变量的分布函数。故该三个性质是判别一个函数是否是分布函数的充分必要条件,。,分布函数的性质,91,例2-1,判断函数是否为某一随机变量的分布函数？,解 由于,F(x),单调不减且右连续，且有,从而，,F(x),是某一随机变量的分布函数。,92,定义,2,若,X,为离散型随机变量，可能取值为,x,1,x,2,x,n,，称,2,.,2,离散型,随机变量,或,为X的概率分布列，简称分布列，记为,2.2.,1,离散型随机变量的分布列与分布函数,定义1,若随机变量,X,只能取有限多个或可列无限多个值，,则称,X,为离散型随机变量。,93,反之，若一个数列,p,i,具有以上两条性质，则它必可作为某离散型随机变量的分布列（律）。,（1）非负性：,（2）规范性：,分布列,p,k,的性质：,94,X 0 1 2,P 0.2 C 0.3,求常数,C.,解：由规范性知，0.2+,C,+0.3=1，从而 C=0.5,由离散随机变量的分布列很容易写出其分布函数,分布,函数,例,2-,2,设离散型随机变量,X,的分布列为,95,例,2-,3,某篮球运动员投中篮圈的概率是0,.,9，,求他两次投篮投中次数,X,的概率分布,列与分布函数,。,解：X的可能取值为0,1,2.分布列为,96,分布函数为,2.,2,.,2,常见的离散分布,1、单点分布（退化分布）,如果随机变量,X,只取一个值,a,，即分布列为,则称随机变量,X,服从,单点分布,97,若随机变量,X,只取两个可能值,0,，,1,，且,PX=1=p,，,PX=0=,1-p,，,则称X服从参数为p的,两点分布,，或,0-1分布,。,2、两点分布,98,99,其中 0p1,q=1-p,则称,X,服从参数为,n,，,p,的,二项分布,，简记为,X,b,(,n,p,),.,3、二项分布,注：,设将试验独立重复进行,n,次，每次试验中，事件,A,发生的概率均为,p,，则称这,n,次试验为,n,重伯努利试验,.若以,X,表示,n,重贝努里试验事件,A,发生的次数，则称,X,服从参数为,n,p,的,二项分布！,若随机变量,X,的可能取值为,0,，,1,，,2,，,.,n,而,X,的分布列为,100,例2-,5,某人射击的命中率为0.02，他独立射击400次，试求其命中次数不少于2的概率。,解,设X表示400次独立射击中命中的次数，,则Xb(400,0.02)，故,PX,21 PX0PX1,10.98,400,(400)(0.02)(0.98,399,)=0.996981,101,4,、超几何分布,102,103,104,其中 ，则称,X,服从参数为 的,泊松分布,，简记为,5,、泊松分布,注：把每次试验中出现概率很小的事件称作稀有事件泊松分布可以作为描述稀有事件发生次数概率分布的一个数学模型，也可以作为研究某段时间内陆续到来的质点流概率分布的数学模型,设随机变量,X,的可能取值为,0,1,2,.,n,.,而,X,的分布列为,105,例,2-,7,美国西部每周发生地震的次数服从参数为2的泊松分布，求两周内至少发生3次地震的概率,解：,泊松,定理,设随机变量X,n,b(n,p),(n0,1,2,),且n很大，p很小，记,=np，则,106,例2-,8,已知某种疾病的发病率为,0,001,，某单位共有,5000,人，问该单位患有这种疾病的人数超过,10,的概率有多大？,107,本节课主要讲授：,1,、随机变量与分布函数的概念；,2,、离散型随机变量及其分布列；,3,、四个重要分布,:,单点分布、,0-1,分布、二项分布、泊松分布,小 结,108,2.3.1,连续型随机变量及其概率密度函数,2.,3,连续型随机变量及概率密度函数,109,注：,连续型随机变量,X,在某一指定点取值的概率为,0,.,即,因为,离散型随机变量,X,在某一指定点取值的概率,不一定,为,0,.,110,密度函数的性质：,这两条性质是判定一个函数 是否为概率密度的,充要条件,0,x,f,(,x,),面积为,1,111,利用概率密度可确,定随机点落在某个,范围内的概率,0,x,f,(,x,),a,b,112,113,114,115,116,三种重要的概率分布：,均匀分布,、,指数分布,、,正态分布,.,2.3.2,常见的连续型分布,1、均匀分布,117,1,118,设,即,则,例,2-11,公共汽车站每隔,5,分钟有一辆汽车通过，乘客在,5,分钟内任一时刻到达汽车站是等可能的，求乘客候车时间在,1,至,3,分钟内的概率。,119,120,例,2,-1,2,某公共汽车站从上午,7,时起，每,15,分钟来一班车，即,7:00,，,7:15,，,7:30,7:45,等时刻有汽车到达此站，如果乘客到达此站时间,X,是,7:00,到,7:30,之间的均匀随机变量,试求他候车时间少于,5,分钟的概率,.,解,依题意，,X,U,(0,30),以,7:00,为,起点,0,，以分为单位,121,所求概率为：,即乘客候车时间少于,5,分钟的概率是,1/3.,从上午,7,时起，每,15,分钟来一班车，即,7:00,，,7:15,，,7:30,等时刻有汽车到达汽车站。为使候车时间,X,少于,5,分钟，乘客必须在,7:10,到,7:15,之间，或在,7:25,到,7:30,之间到达车站,.,122,2、指数分布,123,指数分布的概率密度和分布函数图像如下,1,124,服从指数分布的随机变量,X,通常可解释为某种寿命,如果已知寿命长于S年,则再活t年的概率与年龄S无关,亦称指数分布具有“无记忆性”.,125,关于概率统计论中服从指数分布的随机变量,X,具有无记忆性。,具体来说,：,如果X是某一元件的寿命，已知元件已经使用了S小时，它总共能使用至少ST小时的条件概率，与从开始使用时算起它至少能使用T小时的概率相等。,这就是说，元件对它已使用过S小时没有记忆。,人生中，很多时候我们总是对过去的失败耿耿于怀。这种经历使我们不敢面对现实，如果我们能从指数分布受到启发，运用“无记忆性”原则，那么我们的今天和明天将会更加美好。因为即使我们人生中的S小时已经失败，但我们面前的成功仍然还有S+T，和我们S小时前的成功几率一样。,指数分布在人生中模式是：忘记过去，努力向前，向着标杆勇往直前。,126,X,的分布函数为,解,例2-1,4,设某类日光灯管的使用寿命,X,服从参数为,=,的指数分布,(,单位,:,小时,).,(1),任取一只这种灯管,求能正常使用,1000,小时以,上的概率,.,(2),有一只这种灯管已经正常使用了,1000,小时以,上,求还能使用,1000,小时以上的概率,.,127,128,指数分布的重要性质,:“,无记忆性,”,.,129,3、,正态分布,定义 4,130,习惯上,称服从正态分布的随机变量为正态随机变量,又称为正态分布的概率密度曲线为正态分布曲线,.,正态分布曲线的性质如下：,131,132,133,标准正态分布,134,135,136,标准正态分布的,分位数：,137,138,结 论,139,140,由此看出：尽管正态分布取值范围是,但它的值落在 的概率为,0.9973,几乎是肯定的,这个性质被称为正态分布的“规则”,.,141,4,、,伽马,分布,142,143,本节课主要讲授：,1,、连续型随机变量的分布函数与密度函数；,2,、三个重要分布,:,均匀分布、指数分布、正态分布,、,伽马分布,小 结,144,2.4.1,离散型随机变量函数的分布,设,X,一个随机变量，分布列为,X,PX,x,k,p,k,k,1,2,g(x,),是一给定的连续函数，称,Y,g(X,),为随机变量,X,的一个函数，显然,Y,也是一个随机变量,.,2.4,随机变量函数的概率分布,145,一般地,X,P,k,Y=,g(x,),的可能取值为,注意,中可能有相,等的情况,.,Y,P,146,例,2-,1,8,设随机变量,X,的分布律为,X,P,-1 0 1 2,0.2 0.1 0.3 0.4,求,:,(1),Y=X,3,的分布律,.(2),Z=X,2,的分布律,.,解,(1)Y,的可能取值为,-1,，,0,，,1,，,8.,由于,147,Y,P,-1 0 1 8,0.2 0.1 0.3,0.3,从而,Y,的分布律为,(2)Z,的可能取值为,0,，,1,，,4.,从而,Z,的分布律为,Z,P,0 1 4,0.1 0.5 0.4,148,例,2-,1,9,设随机变量,X,的分布律为,解,因为,所以,Y,只能取值,-1,0,1,而取这些值的概率为,149,150,故,Y,的分布律为,Y,P,例,2-20,151,2.4.2,连续型随机变量函数的概率分布,152,例,2-21,153,154,155,例,2-23,解,156,例,2-,2,4,此分布称为,对数正态分布,.,157,以上各例中求,Y=,g,(,X,),的概率密度的方法都是应用定理,