概率ch1-2

合集下载

91543-网络技术与应用-ch1-2习题-214

91543-网络技术与应用-ch1-2习题-214

A、80ms
B、80.08ms
C、80.16ms D、80.24ms
• 解答:分组大小为1000B,其中分组头大小 为20B,可以得出每个分组的数据部分 为 980B,所以大小为980000B 的文件应该分 为1000 个分组传送。
• 每一个分组1000B,而链路的数据传输速 度为100Mbps,所以主机H1 传送 完一个分 组所需的时间为 1000*8/100M=80*10-6(s)
最后一位在t=x/b时发送完毕,为到达目的 地,最后一个分组必须被中间的路由器重 发k-1次,每次重发花时间p/b, 分组交换总的时延:
t=x/b+(k-1)p/b+kd
电路交换时延: t=s时电路建立起来, t=s+x/b时报文最后一位发送完毕, t=s+x/b+kd时报文到达目的地,即为电路交
对总时延求p的导数,得到 (p-(p+h)) x/ p2 b+(k-1)/b 令(p-(p+h)) x/ p2 b+(k-1)/b=0, 得到hx/ p2=k-1 因为p>0,所以p= hx/(k-1)
考研试题
• (09-33)在OSI参考模型中,自下而上第 一个提供端到端服务的层次是 ( )
A、数据链路 B 、传输层 C 、会话层 D 、应用层 (B)
• H1发送完最后一个分组需要用的时间为: 80*10-6s*1000=80*10-3s=80ms
• 但此时恰好最后一个分组刚从主机H1出去, 还没有到达主机H2。
• 一个分组从主机H1需要经过2次存储转发才 能到达主机H2,在不考虑传 播时延及处理 时延的情况下,需要用时: 2*80*10-3ms=0.16ms
答:

概率论与数理统计ch1-2

概率论与数理统计ch1-2
绝对偏差 0.1 0.03 0.004 0.0012 0.0022 0.00095 0.00138
试验二:掷色子
设A=“出现1点”
P(A) 1 0.16& 6
试验次数 10 100 1000 5000 10000 20000 50000
A出现的频数 2 15 153 850 1719 3381 8204
摩根法则:
A B A B ; AB A B
★用简单事件的运算来表示复杂事件!
CH1 随机事件及其概率
§1.2 事件的概率
研究随机试验,仅仅知道所有可能结果是不 够的,还需要了解各种结果出现的可能性大小。
概率就是描述事件A发生可能性大小的一个量。
本节给出概率的四种定义:
一、概率的统计定义
二、概率的古典定义★
概率的古典定义仅适用于具有下述特点的试验模型: (1) 试验中所有基本事件的总数是有限的; —有限性 (2) 每次试验中,各基本事件的发生是等可能的。 —等可能性
——古典概型(等可能性模型)
定义: 如果古典概型中,所有基本事件的总数为n,而
A所包含的基本事件数为m,则事件A发生的 概率为:
公理1(非负性):0 P(A) 1; 公理2(规范性): P() 1;
公理3(可列可加性): 对于两两互斥的事件列A1, A2,L , An,L ,有 P( A1 A2 L An L ) P( A1) P( A2) L P( An ) L 概率则是称非P负(A的)为、事规件范A的的、概可率列。可加的集函数。
m1 m2 m1 m2
fn(A+B)= fn(A) +fn(B)
m1 m2 m1 m2
n
nn

《概率论与数理统计》课件ch1-1

《概率论与数理统计》课件ch1-1
A1 , A2 ,, An
A B
n
的交 —— ——
Ai
i 1
A1 , A2 ,, An , 的交
Ai
i 1
4. 差
A
Ch1-1-14

A B
— A 与B 的差
B
A B
A 发生且 B 不发生
Ch1-1-15
5. 互斥(互不相容)
AB — A 与B 互斥
A、
A 的对立(逆) A — A不发生
A A
A A
A

A
A A ,
A A
注意:概念“A 与B 互相对立”与 “A 与B 互斥”
Ch1-1-17
7. 完备事件组
若 A1 , A2 ,, An 两两互斥,且
A
i i 1
n
则称A1 , A2 ,, An 为完备事件组
或称A1 , A2 ,, An 为 的一个划分
Ai Ai 并的逆=逆的交
i 1 i 1
n
n
Ai Ai 交的逆=逆的并
i 1 i 1
n
n
Ch1-1-20
分配律
B A C
图 示
A (BC ) ( A B)( A C )
B A C
5. A
A A
A A A
Ch1-1-21
必然事件——全体样本点组成的事件, 每次试验必定发生. 不可能事件——不包含任何样本点的事 件, 每次试验必定不发生.
Ch1-1-9
例1-1-2 盒中有10个相同的球,分别编号
1,...,10.现从中任取一球.分析此试验的样本 空间及随机事件. = {1,2,3,4,5,6,7,8,9,10} A={所取球的标号为偶数} ={2,4,6,8,10} B={所取球的标号不大于3}={1,2,3}

线性代数ch1-2

线性代数ch1-2

,
B
B11
B1r
As1 Asr
Bs1 Bsr
其中Aij与Bij的行数相同, 列数相同, 那么
A
B
A11
B11
A1r
B1r
.
As1 Bs1 Asr Bsr
2

A
A11
A1r
,

数,


As1 Asr
A
A11
A1r
.
As1 Asr
3 设A为m l矩阵, B为l n矩阵,分块成
(2)只有当第一个矩阵的列数等于第二个 矩阵的行数时,两个矩阵才能相乘,且矩阵相乘 不满足交换律,消去律.
(3)矩阵的数乘运算是该数乘以矩阵中每 一个元素.
(4) 对角阵,对称阵都是方阵,方阵才有幂方。
思考题
设A与B为n阶方阵,问等式
A2 B2 A BA B
成立的充要条件是什么?
思考题解答
a 0,
b 1,
c
1,
d 2.
BA
2 1 0 1 0 1 2 1 1 0, 1 01 2 1 2 1 0 0 1
所以
A1 0 1. 1 2
例3 设三阶矩阵A, B满足关系 :
o 1 2
A1BA 6A BA,且A
14
求B.
o
1 7
2

依题意,显然A可逆,且
2 1
2
1
2 1
2 1
2 1
2
1
2 1
2 1
2 1
2
, An
A当n为 奇 数 I当n为 偶 数
1 2
1
2 1
,

ch1-2数列、函数的极限

ch1-2数列、函数的极限

第二讲Ⅰ.授课题目(章节)§1.1 数列的极限 §1.3 函数的极限 Ⅱ.教学目的与要求1. 理解数列极限与函数极限的概念;明确极限是描述变量的变化趋势;了解极限的X N ---εδεε,,定义中的X N ,,,δε的含义2. 理解极限的性质 Ⅲ.教学重点与难点:重点:数列极限与函数极限的概念 难点:极限的定义 Ⅳ.讲授内容:§1.1数列极限的定义 一. 列极限的定义定义:设{}n x 为一数列,如果存在常数a ,对于任意给定的正数ε(不论它多么小),总存在正整数N ,使得n>N 时,不等式ε<-a x n 都成立,那么就常数a 是数列{}n x 的极限,或者称数列{}n x 收敛与a,记为)(lim∞→→=∞→n a x a nn n x 或.如果不存在这样的常数a,就说数列{}n x 没有极限,或者说数列{}n x 是 发散的,习惯上也说nx n ∞→lim 不存在.例1.证明数列2, ,)1(,,43,34,211nn n --+的极限是1.证:a x nnn a x n n n -=--+=--为了使,11)1(1小于任意给定的正数ε,只要εε111><nn或.所以,,1,0⎥⎦⎤⎢⎣⎡=>∀εεN 取则当n>N 时,就有n n n 1)1(--+<ε,即1)1(1lim=-+-∞→nn n n例2.设,1<q 证明等比数列 ,,,,,112-n q q q 的极限是0. 证:)1,0<>∀εε(设,因为,0011--=-=-n n n qqx 要使εε<<--1,0n n qx 只要取自然对数,得qn q q q n ln ln 1,0ln ,1.ln ln )1(εε+><<<-故因,取N n q N <⎥⎥⎦⎤⎢⎢⎣⎡+=则当,ln ln 1ε时,就有0lim ,011=<--∞→-n n n q q 即ε.二. 敛数列的性质定理1(极限的唯一性):如果{}n x 收敛,则它的极限唯一证明 用反证法.假设同时有2.,b a b a b x a x n n -=<→→ε取且及.因为11,,lim N n N a x n n <∃=∞→当正整数故时,不等式2a b a x n -<-都成立.同理,因为22,,lim N n N b x n n <∃=∞→当正整数故时,不等式2a b b x n -<-都成立.取{}21,max N N N =(这式子表示21N N N 和是中较大的那个数),则当N n <时,(2)式及(3)式会同时成立.但由(2)式有,2b a x n +<由(3)式有,2b a x n +>,这是不可能的.这矛盾证明了本定理的断言. 数列的有界性概念定义:对于数列{}n x ,如果存在着正数M,使得对于一切n x 都满足不等式M x n ≤,则称数列{}n x 是有界的;如果这样的正数M 不存在,就说数列{}n x 是无界的.定理2(收敛数列的有界性) 如果{}n x 收敛,则数列{}n x 一定有界 定理3:(收敛数列的保号性)如果a x n n =∞→lim 且a>0(或a<0)那么存在正整数N>0,当n>N 时,都有n x >0(或n x <0)推论:如果{}n x 从某项起有n x ≥0(或n x ≤0)且)0(0,lim ≤≥=∞→a a a x n n 或则子数列的概念:在数列{}n x 中任意抽取无限多项并保持这些项在原数列{}n x 中的先后次序,这样得到的一个数列称为原数列{}n x 的子数列(或子列).设在数列{}n x 中,第一次抽取1n x ,第二次在1n x 后抽取2n x ,第三次在2n x 后抽取⋅⋅⋅3n x ,这样无休止地抽取下去,得到一个数列1n x ,2n x , ,kn x ,这个数列{}n x 就是{}n x 的一个子数列.定理4.(收敛数列与其子数列间的关系)如果{}n x 收敛于a ,则它的任一子数列也收敛,且极限也是a §1.3 函数的极限 一、函数极限的定义1.自变量趋于有限值时函数的极限定义1:设函数0)(x x f 在点的某一去心邻域内有定义.如果存在常数A,对于任意给定的正数ε(不论它多么小),总存在正数δ,使得当x 满足不等式δ<-<00x x 时,对应的函数值)(x f 都满足不等式ε<-A x f )(,那么常数A 就叫做函数0)(x x x f →当时的极限,记作)()()(lim 00x x A x f A x f x x →→=→当或.例1. 证明211lim21=--→x x x证明:这里,函数在点x=1是没有定义的饿,但是函数当1→x 是的极限存在或不存在与它并无关系.事实上,εε<-->∀11,02x x 不等式约去非零因子x-1,就化为ε<-=-+121x x ,因此,只要取εδ=,那么当ε<-<10x 时,就有ε<---2112x x所以 211lim21=--→x x x单侧极限的概念:上述0x x →时函数)(x f 的极限概念中,x 是既从0x 的左侧也从0x 的右侧趋于0x 的.但有时只能或只需考虑x 仅从0x 的左侧趋于0x (记作-→0x x )的情形,或x 仅从0x 的右侧趋于0x (记作+→0x x )的情形.在-→0x x 的情形,x 在0x 的左侧,0x x <.在A x f x x =→)(lim 0的定义中,把δ<-<00x x 改为00x x x <<-δ,那么A 就叫做函数)(x f 当0x x →时的左极限,记作A x f x x =-→)(lim 0或A x f =-)(0.类似的,在A x f x x =→)(lim 0的定义中,把δ<-<00x x 改为δ+<<00x x x ,那么A 就叫做函数)(x f 当0x x →时的右极限,记作A x f x x =+→)(lim 0或A x f =+)(0.右极限与左极限统称为单侧极限.解:仿例3可证当0→x 时)(x f 的左极限1)1(lim )(lim 0-=-=--→→x x f x x x而右极限1)1(lim )(lim 0=+=++→→x x f x x x ,因为左极限和右极限存在但不相等,所以)(lim 0x f x →不存在.2.自变量趋于无穷大时函数的极限定义2:设函数)(x f 当x 大于某一正数时有定义.如果存在常数A,对于任意给定的正数ε(不论它多么小),总存在着正数X,使得当x 满足不等式X x >时,对应的函数值)(x f 都满足不等式ε<-A x f )(,那么常数A 就叫做函数)(x f 当∞→x 时的极限,记作A x f x =∞→)(l i m 或)(当∞→→x A x f )(.定义2可简单地表达为:A x f x =∞→)(lim X x X >>∃>∀⇔当,0,0ε时有ε<-A x f )(.例3:证明.01lim=∞→xx证:X x X >>∃>∀,当要证0,0ε时,不等式ε<-01x成立.因这个不等式相当于ε<x1或ε1>x由此可知,如果取ε1=X ,那么当<-=>01,1xX x 不等式时εε成立.这就证明了.01lim=∞→x x一. 数极限的性质:定理1(函数极限的唯一性):如果)(lim 0x f x x →存在,则这极限必唯一定理2(函数极限的局部有界性):如果A x f x x =→)(lim 0,那么存在常数M>0和0>δ,使得当M x f x x ≤<-<)(时,有δ00.证:因为)(lim 0x f x x →=A,所以取ε=1,则当,0>∃δδ<-<00x x 时,有1)()(1+<+-≤⇒<-A A A x f x f A x f )(,记,1+=A M 则定理2就获证明.定理3(函数极限的局部保号性):如果A x f x x =→)(lim 0,而且)0(0<>A A 或,那么存在常数0>δ,使得当δ<-<00x x 时,有00)(<>)((或x f x f ).如果)(lim 0x f x x →=A ,而且A>0(或A<0),那么存在常数ξ>0,使得当ξ<-<00x x 时,有f (x )>0 ( 或f (x ) <0 )推论:如果在0x 的某去心邻域内)0)((0)(≤≥x f x f 或而且A x f x x =→)(lim 0,那么)0(0≤≥A A 或,定理4(函数极限与数列极限的关系)如果极限)(lim 0x f x x →存在,{}n x 为函数f (x)的定义域内任意收敛于0x 的数列,且满足:)(0+≠∈N n x x n ,那么相应的函数列{})(n x f 必收敛,且)(lim )(lim 0x f x f x x n n →∞→=Ⅴ. 小结与提问:小结:极限定义是本讲的难点,必须结合极限的直观描述和集合解释弄懂其本质。

ch1-2

ch1-2
P ( A) [1 P ( B )] P ( A B )

B

= 0. 4 + (1- 0. 3 ) - 0. 3 = 0. 8 ;
会利用概率的性质计算事件 的概率
例8 (P12 例8) 设 P(A)= P(B)= P(C)= 1/4 , P(AC)= P(BC)= 1/6 , P(AB)= 0, 求事件 A , B, C 全不发生的概率. 余概公式 解 P( A B C ) P ( A B C )
包含, 相等, 互斥, 对立
样本空间 —— 所有基本事件构成的集合 基本事件 事件的关系及运算 —— 四种关系和三种仅关心试验中会出现哪些事件,或者某事件 发生的可能性大不大, 即只有一个定性的描述是不够的, 准确了 解事件发生的可能性即概率的大小,对人们的生活有重要意义. 更重要的是对事件出现的可能性的大小有一个定 量的描述.这就需要有一个度量事件发生可能性大小的 数量指标. 事件的概率就是事件发生可能性大小的一个数值度量.
对偶律
例9 设 P(A)=0.6, P(B)=0.7,问在何条件下P(AB)取得最 最大值 大(小)值?最大(小)值是多少? 解 P ( AB ) P ( A ) P ( B ) P ( A B ) P ( A ) P ( B ) 1 0.3 , 即 当 P ( A B ) 1 时, P(AB)取得最小值 0.3 ; 最小值 最大值 又 P ( AB ) P ( A) 0. 6, 即 当 P ( A B ) P ( A ) 时P(AB) 取得最大值 0. 6. 如果将回答改成: A B 时, P(AB)取得最小值 0.3 是否正确? 这个命题并不成立! 这相当于问如下命题是否正确:
二、概率

1-2随机事件的概率

1-2随机事件的概率

C k ( N 1)nk P(C ) n . N n
生日问题:求参加聚会的n个人至少有两个人生 日相同的概率pn . 若把n个人看作上面的n个球,而把 一年中的365天作为盒子,则N 365,所求的概率就 是1 P(B),即
pn 1 365 364 … (365 n 1) 365 n . 下表给出了若干个n与pn的数值:
例 从有9件正品、3件次品的箱子中任取两次,每次取一件, 试分别以:
(1)有放回抽样法:即每次抽取的产品观察后放回; (2)不放回抽样法:即每次抽取产品观察后不放回. 两种抽样方式求事件
A={取得两件正品}, B={第一次取得正品,第二次取得次品}, C={取得一件正品一件次品} 的概率.
解 (1)采取有放回抽样 从箱子中任取两件产品,每次取一件,取法总数为122 .
响. 求甲、乙两人能会面的概率.
解:设x, y分别为甲、乙两人到达的时刻,则
0 x T , 0 y T. 两 人 会 面 的 充 要 条 件 为 |x y| t ,
y
若以x, y表示平面上点的坐标,则所求的概率为
阴影部分面积 T 2
p

(T t )2
1 (1
• 事件的频率刻画了事件发生的频繁程度。 • 事件的频率越大,在一次试验中事件发生的可能性越大。 • 频率随试验的具体结果而定,一般不是确定的值。
频率的性质

非负性

规范性
事件 A, B互斥,则
可加性 可推广到有限个两两互斥事件的和事件

稳定性
某一定数
频率稳定性的实例
投一枚质地均匀的硬币,观察正面向上的次数
排列组合公式
全部的排列组合公式的推导基于下面两条原理:

概率论Ch1.2

概率论Ch1.2

§2 古典概型一、样本空间与样本点试验与样本空间示例样本空间的特点基本特点二、古典概型(概率的古典定义)古典概型的概率定义古典概型举例复习:基本计数原理一、乘法原理二、加法原理设完成某件事有组合组合:从n个不同元素中任取m个(m≤n)元素并 成一组(不考虑其间顺序)称为一个组合,此种组 合总数为:C nm ⎛ n ⎞ Pnm n! n ( n − 1) … ( n − m − 1) =⎜ ⎟= = = ⎜m⎟ m! m ! ( n − m )! m! ⎝ ⎠例4. 从三张卡片(每张卡片分别标有数字1,2, 3),任取二张,不考虑取出次序,其组合总数为:⎛3⎞ ! 3 C =⎜ ⎟= =3 ! 1 ⎝ 2 ⎠ 2!2 31 21 32 3规定 0!= 1, C n0 = 111排列与组合的关系m m Pnm = An = Cn ⋅ m! 排列与组合关系式:例1与例4对比可知 1 2 1 3 2 1 3 1 排列数是 6 =Pnm m Cn = m!2 3 3 23! 3! = ( 3 − 2 )! 1! 3! 组合数是 3 = 2 !1 !12注意排列组合问题的提法例5. 从张,王,李三 名学生中任选两名做代 表参加某会议,共有多 少种可能情况?例5问题对选出的两名学生没有次序 要求,故是组合问题。

⎛3⎞ 3 ! C =⎜ ⎟= 组合总数是: ⎜ 2 ⎟ 2! = 3 1 ! ⎝ ⎠2 3张王张 李王李例6. 从张,王,李三 名学生中任选两名做正、 副班长,共有多少种可 正 能情况?例6问题对选出的两名学生,有次序要 求,故是排列问题。

排列总数是:P32 = A 32 =张 王 张 张 李3! = 3× 2 = 6 1 !李 张 王 李李 王副 王 班长13古典概型典型例题(分球入室问题)例1. 有n个球,N个格子(N ≥n),每个球落在 各格子的概率相同(假设格子足够大,可以容 纳任意多个球)。

ch1-2原子光谱

ch1-2原子光谱

§1—2 原子光谱一. 光谱光谱:电磁辐射的强度随频率(或波长)的分布 吸收光谱:具有连续光谱分布的光,通过吸收介质之后,某些波段或某 些波长成分的光能量被介质部分或全部吸收,原来连续分布的光谱中将 出现一些暗区或暗线。

发射光谱与吸收光谱:物质在较高温度下的发射光谱与在较低温度下的吸 收光谱对应。

前者表现为暗背景下的一组亮带或亮线,后者则表现为 连续光谱下的一组暗带或暗线。

带状光谱:由于物质分子或原子间相互作用的影响,一般情况下,流体、 固体物质的吸收波段很宽,吸收光谱为具有一定宽度的带状分布。

线状光谱:稀薄气体的吸收波段很窄,吸收光谱为一系列明锐的暗线。

二. 氢原子光谱氢原子受到激发后,可以发出线状光谱,光谱从远红外区延伸到紫外区。

其中可见光区最著名的光谱线有以下四条名称 波长(nm) 颜色Hδ 410.17 紫Hγ 434.05 青Hβ 486.13 深绿Hα 656.28 红氢的Balmer线系1885年Balmer发现,对于已知的14条氢的光谱线,可以用一个简单的 公式表示其波长分布n2 λn = B 2 , n −4其中 B = 364 .56 nmn = 3,4,5,LBalmer公式 线系限波长n → ∞ , λ ∞ = B = 364 .56 nm1896年里德伯(Rydberg)将Balmer公式改写用波数表示2 1 n −4 ⎡1 1⎤ ~ ν = = = R H ⎢ 2 − 2 ⎥, 2 λ B n ⎣2 n ⎦1n = 3,4,5,LHδ HγHβHα连续光谱区Balmer线系λ氢原子的光谱线系氢原子的其它谱线系• Lyman系 • Balmer系 • Paschen系 • Brackett系1 1 ~ ν = RH [ 2 − 2 ], n = 2,3,4, L 1 n1 1 ~ ν = RH [ 2 − 2 ], n = 3,4,5,L 2 n 1 1 ~ ν = RH [ 2 − 2 ], n = 4,5,6, L 3 n1 1 ~ ν = RH [ 2 − 2 ], n = 5,6,7,L 4 n1 1 ~ ν = RH [ 2 − 2 ], n = 6,7,8,L 5 n• Pfund系4 RH = = 1.0967758 × 107 m −1 B里德伯常量氢原子的谱线系的组合法则1 1 ~ ν = RH [ 2 − 2 ] m n其中m = 1,2,3, Ln = m + 1, m + 2, m + 3, L对于其中的每一个m,n=m+1, m+2, ……可以构成一个谱线系 上述方法称为“组合法则”,即每一条光谱线的波数可以表示为两个与 整数有关的谱项之差。

概率之1-1 概率论发展简史及随机事件(专衔本)

概率之1-1 概率论发展简史及随机事件(专衔本)
n k k 1
许多内容大不相同的实际问题. 例如 只包含两个样本点的样本空间:
S {H , T }
它既可以作为抛掷硬币出现正面或出现反面的
模型 , 也可以作为产品检验中合格与不合格的模 型 , 又能用于排队现象中有人排队与无人排队的 模型等.
பைடு நூலகம்
Ch1-1-30
所以在具体问题的研究
中 , 描述随机现象的第一步
就是建立样本空间.
Ch1-1-7
三、应用:
在最近几十年中,概率论的应用几乎遍及所有的 科学领域,物理、生物、化学、经济、工农业、军事 和科学技术等方方面面。 例如:(1)预测和滤波应用于空间技术和自动控制; (2)时间序列分析应用于石油勘探和经济管理;
(3)马尔可夫过程,点过程应用于地震预报和气象预报; (4)在通讯工程中概率论可用以提高信号的抗干扰性、 分辨率等等.
样本空间为 : S 1,2 ,3 ,4 ,5 ,6 .
B发生当且仅当
B中的样本点1,
3,5中的某一个
事件 B={掷出奇数点} 1, 3,5
出现.
Ch1-1-35
(3) 随机试验、样本空间与随机事件的关系
随机试验 样本空间 子集 随机事件
基本事件(单点集,不可再分) 随 机 复合事件 事 必然事件 件 不可能事件
Ch1-1-10
“函数在间断点处不存在导数” 等. 确定性现象的特征 条件完全决定结果
2. 随机现象
在一定条件下可能出现也可能不出现的现象
称为随机现象. 实例1 在相同条件下掷一枚均匀的硬币,观察 正反两面出现的情况. 结果有可能出现正面也可能出现反面.
Ch1-1-11
实例2
抛掷一枚骰子,观 结果有可能为: 1, 2, 3, 4, 5 或 6.

概率ch1-2

概率ch1-2
中取出 k 个元素的一个组合.
n! nk C Cn k!n k !
k n

古典概型(等可能概型)
引例 一个袋子中装有10个大小、形状完全相同的 球,将球编号为1~10。把球搅匀,从中任取一球, 求抽到2号的概率是多少? 如i=2 2 10个球中的任一个被取出的
机会是相等的,均为1/10. 用i 表示取到i 号,i =1,2,…,10. 则该试验的样本空间 S ={1,2,…,10} , 85 8 9 19 4 6 7 2 3 10
n C C 65
1 6 1 5
1 1 k1 C4 C3 4 3
k2 4 3 2 1
k3 4 3 2 4 4 2
典型的古典概型问题
(1)抽球问题
例4:袋中有a只黑球,b只白球,它们除颜色不同外,
没有其它方面的差别,现在随机地把球从袋中一只一只地取 出来,求第 k 次取出的一只是黑球的概率(1 k a+b).
许多直观背景很不相同的问题都可归结为这一类型 注意:
10 旅客下车问题。有n名旅客,乘车途经N个车站,设每
个人在每站下车的概率为1/ N(N ≥ n) . 20 印刷错误问题。n个印刷错误在一本具有N页的书中的
一切可能的分布。(n小于每页的字数。)
30 确定时间问题,如P14例6
例 袋中有a只黑球和b 只白球,从袋中每次摸出一只球,
关键是如何构造基本事件!从而构造出样本空间。
可以考虑所有人的每一可能的入住方式为基本事件. 解 因为每一个人有N个房间可供选择,所以n个人的入住 方式共有N n 种,它们是等可能的.
n! 问题(1)中有利事件数为n!种.于是 P1 n N n C N n! N! 问题(2)中有利事件数为N ! 种.于是 P2 n n N N ( N n)!

图论及其应用ch1-2详解

图论及其应用ch1-2详解
11/19/2018 10:03 PM Li-Li Zhang 6
几个有趣的图论问题
Kö nigsberg七桥背后的故事
Graph Theory
/图论
Kö nigsberg七桥位于前苏联的加里宁格勒,历史上 曾是德国东普鲁士省的省会,霹雷格尔横 穿城堡,河中有两个小岛B与C,并有七座桥连接岛与 河岸及岛与岛(见图)。是否存在一种走发,从四块 陆地中的任意一块开始,通过每一座桥恰好一次再回 到起点。这就是著名的Kö nigsberg七桥问题,即一笔 画问题;也是图论的起源。
Graph Theory
/图论
在一个图G (V (G ), E (G ), G )中, 如果 G (e ) uv , 则说边e 连接 顶点u, v , 称u, v为e的端点 ,称u和v是 相邻的,而称u(或v )与e 关联。 与同一个顶点关联的若 干条边称为相邻的 。 两个端点重合为一个顶 点的边称为环; 关联于同一对顶点的两 条或以上的边称为 多重边 。

实际上,有向图即将无向图中的无序对看成有序对. 其中有向图对应的无向图称为有向图的基础图。 其中V(G)称为顶点集,E(G)称为边集(A(D)又称为 弧集).令p(G)=|V(G)|,q(G)=|E(G)|, 分别称为图的 阶和边数。举例说明。
11/19/2018 10:03 PM Li-Li Zhang 14
11/19/2018 10:03 PM Li-Li Zhang 12
1.2 图的定义
Graph Theory
/图论
生活中,人们常常需要考虑一些对象之间的某种特定 的关系 . 如某区域内,两城市之间有无交通线;一群 人中,两个人之间相识或不相识等等 . 这种关系是对 称的,即如果甲对于乙有某种关系,则乙对于甲也有 这种关系 . 可以用一个图形来描述给定对象之间的某 个关系:我们用平面上的点分别表示这些对象,若 对象甲和乙有关系,就用一条线连接表示甲和乙的 两个点 . 这种由一些点与连接其中某些点对的线所构 成的图形就是图论中所研究的图. 图/Graph:可直观地表示离散对象之间的相互关系, 研究它们的共性和特性,以便解决具体问题。

概论与统计ch1-2-1随机事件的概率

概论与统计ch1-2-1随机事件的概率

件 关 系
事件A与事件B相等

事件A与B至少有一个发生 (和,并) 事件A与事件B同时发生 (积,交)
文 氏 图
事件A的对立事件
(逆) )
事件A发生而B不发生
(差)
事件A与B互不相容
(互斥)
样本空间的划分 (完备事件组)
若 1 Ai Aj ,i j,i, j 1,2, ,n
n
小测验 Tests
向指定目标射击三枪,分别用 A1、A2、A3 表示第一、第二、第三枪击中目标,试用它们 表示以下事件:
(1)只有第一枪击中; (2)至少有一枪击中; (3)至少有两枪击中; (4)三枪都未击中
Great minds think alike.
——英雄所见略同
答案
解 设 Ai 表示第 i 枪击中目标
第一章 随机事件及其概率
Chapter 1 Random Events and Probability
§ 1.2 随机事件的概率
Probability of Random Events
教学要求 1.理解概率的四 种定义
Requests
2.掌握概率的基本性质 3.会计算古典型、几何型概率
主要内容
Contents
在古典概型的随机试验中,
P( A) 1 P( A)
(√ )
AA , A A
例1 (掷硬币问题)
把一枚质地均匀的硬币连掷两次,设事件 A={出现两个反面}, B={出现两个面相同}
求 P( A),P(B)
A (BC) (A B)(A C)
A(B C) AB AC
4.对偶律: A B A B, AB A B
第一章 随机事件及其概率
Chapter 1 Random Events and Probability

CH1-2随机变量及其基础 应用数理统计课件

CH1-2随机变量及其基础  应用数理统计课件

<
X

x+
Δx)= x+Δxφ(x)≈ φ(x)Δx →0 x
5)结论:(1)对连续型随机变量 X , P{X = c} = 0 (2) P(a ≤ X ≤ b) = P(a < X ≤ b) = P(a ≤ X < b) = P(a < X < b) = F(b) − F(a)
(3)连续型随机变量的分布函数是连续函数。
P(a1 < X ≤ b1 , a2 < Y ≤ b2 ) = F (b1 , b2 ) − F (a1 , b2 ) − F (b1 , a2 ) + F (a1 , a2 )
y
b2
a2 0 a1
b1
x
7.离散型随机变量的联合分布列
若二维随机变量 (ξ, η) 的可能取值为有限个 (或可列个)数对 (xi , y j ) 时,其对应的概率:
x −∞
p(t)dt
=Fξ
( x)就表示阴影部分的面积
例 4. 设随机变量 X 具有概率密度为
⎧ ke−3x , x > 0
ϕ(x) = ⎨
⎩0,
x ≤ 0,
试确定常数k ,并求P( X > 0.1) 及F(x) 。
∫ ∫ 解 : (1)Q

ϕ (x)dx = 1, ∴
−∞
∞ ke−3x dx = 1 ,
★几何上,此概率即为分布曲面之下,以区域 G 为 底的曲顶柱体的体积。
例 5. 设 (ξ , η) 具有概率密度
⎧ p(x, y) = ⎨

ce −2x−3 y 0
, x ≥ 0, y ≥ 0 , 其他
试求:(1)常数 c ;(2)分布函数 F (x, y) ;

ch1-2_数列的极限

ch1-2_数列的极限

思考题 *1.如果 lim y n 0 ,数列 x n 有界, 证明 lim xn yn 0 n
n
*2.对于数列 xn 1 n 证明 lim xn a . n
,如果 lim x2 k 1 a , 且 lim x2 k a , k k
3.收敛数列的归并性
如果数列收敛,那么它的子数列也收敛并且收敛于同一值. 推论 如果一个数列有子数列发散,或者有两个不同的子
数列收敛于不同的极限,则该数列必定发散.
Ex6
数列 1 , 1 , 1 , 1 , , ( 1)
n1
, 是发散的,这是
因为它的奇数项 1 ,1 ,,1 , 构成的子数列与偶数项 构成的子数列 1,1,,1, 分别收敛于 1 和 1 . 很明 显,这个数列是有界的,这说明数列有界是数列收敛 的必要而非充分的条件. 另外这个例子也说明,有收敛子列的数列,其本身 未必收敛.
即从第101项开始的以后所有项都满足这一要求;
再如,要使
1 1 xn 1 4 n 10
只要n>10000即可。即从第10001项开始的以后所有项都
满足这一要求.
一般:要使
1 xn 1 k 10
只要n>10k 即可。即从第(10k+1)项开始的以后所有项都
满足这一要求.
对上例的分析,可以看到,无论一个正数给得多么 小,总可以找到自然数n,在这项以后的所有项与1的距
离都可以小于该正数. 数学上用 来表示一个任意小的正
数. 由此得到极限的精确定义:
3. 数列极限的精确定义( N 语言)
定义 设数列 xn n 1,如果存在常数 a,使得对任意给

定的正数 (不论它多么小),总存在自然数N ,只要 n N , 不等式 列 xn

ch1-2 单因素试验设计

ch1-2 单因素试验设计
1.试验设计方法
1.2 单因素试验设计
1.2 单因素试验设计
1.2.1 单因素试验设计的概念和类型 1.2.2 单因素的试验设计安排 1.2.3 单因素试验设计方法
1.2.1 单因素试验设计的概念和类型
1.单因素试验设计 2.单因素试验设计类型
1.2.1 单因素试验设计的概念和类型
1.单因素试验设计
1.2.2 单因素的试验设计安排
1.试验范围的确定 2.试验间隔 3 .试验顺序的确定
1.2.2 单因素的试验设计安排
1.试验范围的确定 a. 经验估计。一般是根据试验对象 的性质、生产实践经验及专业知识, 估计最优点可能范围。 b. 预先试验,无法估计时,在所有范 围内进行预先试验,通过实验逐步 缩小试验范围。
a.均分法 根据要求的试验精度,在因素水平的试验范围[a,b] 内按等间隔安排试验点,试验前一次安排好所有试验。 优点:试点少,试验范围均分,试验结果有规律可循。 缺点:试验范围的确定需要足够理论知识和实际经验。 b.穷举法 类似均分法,在所有可能的试验范围内,根据要求 的试验精度均分试验范围,在一批试验中做全部试点。 适用于无法估计最优点的范围时。 优点:不能漏掉最优点。 缺点:试验工作量大。
x2 80% 85 x1 95% 89
第二批试验的试验范围为(80,89.27)%
89.27%
80%
试点3水平取值为 X3=80%+89.27%-85.73=83.54 第二批试点水平取值分别为 80%、83.54%、 89.27% 若得到最佳磨矿细度,实验结束,如 没有得到,则继续进行实验。
分数法试验设计
作业1
用对分法称量质量为20~60g某样品, 第一次称量,砝码偏轻,第二次继续 称量,砝码又偏轻,又进行第三次称 量,问:第一次、第二次、第三次砝 码质量各是多少克?

ch1_2离散信号频域分析

ch1_2离散信号频域分析

~ X [m ]称为周期序列 ~[k ] 的离散Fourier级数(DFS), x 也称为周期序列 ~[k ] 的频谱。 x
DFS
周期序列DFS的定义
~ X [m N ]
k N

~[k N ]W ( m N ) k x N
k N

~ ~[k ]W mk X [m] x N
周期序列DFS的定义
周期序列DFS的基本性质
周期序列的卷积
非周期序列DTFT的定义
序列DTFT的基本性质
序列的频域抽样
利用MATLAB计算序列的DTFT
DFS
周期序列DFS的定义
任意周期为N的序列 ~[k ] ,可以由N项虚指数序列线性 x 表达,即
~[k ] 1 x N
m 0

N 1
~ X [m]e
j 2π N mM
X [m]
e
e
j
2π N
m ( M 1 )
1 e
j
2π N
m
πm 2 M 1 sin N πm sin N
周期 N =30 的方波序列的DFS系数图形显示
5 4 3 X[m] 2 1 0 -1 -30
x 例:求周期为4序列 ~4[k ] {,1,1,1,1,} 的频谱
解:矩阵形式
W40 W40 0 W4 W41 ~ X [ m] 0 W4 W42 0 3 W4 W4 x W40 W40 ~4 [0] 2 3 ~ x4 [1] W4 W4 x W44 W46 ~4 [2] 6 9 ~ W4 W4 x4 [3]
~[ k ] x
1 1 k 0 1 2 3 4
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

n = C ×C = 6×5
1 6 1 5
k1 = C × C = 4 × 3
1 4 1 3
k2 = 4×3+ 2×1
k3 = 4×3+ 2×4 + 4×2
典型的古典概型问题
(1)抽球问题 1)抽球问题
1.16:袋中有a只黑球 只白球 它们除颜色不同外, 只黑球, 只白球, 例1.16:袋中有 只黑球,b只白球,它们除颜色不同外,
没有其它方面的差别, 没有其它方面的差别,现在随机地把球从袋中一只一只地取 出来, 次取出的一只是黑球的概率( ≤ 出来,求第 k 次取出的一只是黑球的概率(1≤ k ≤a+b). ) 分析:该问题是古典概型问题 分析:该问题是古典概型问题. 关键是如何构造基本事件!从而构造出样本空间。 关键是如何构造基本事件!从而构造出样本空间。 解法1 设想所有的球是有区别的(比如给它们编号), ),把摸 解法1 设想所有的球是有区别的(比如给它们编号),把摸 出的球依次放在排列成一直线的a+b个位置上. 个位置上. 出的球依次放在排列成一直线的 个位置上 把每一个排列作为样本点 且每一个排列发生的可能性相等. 作为样本点, 把每一个排列作为样本点,且每一个排列发生的可能性相等 个球的所有可能的排列就构成了样本空间, 所有可能的排列就构成了样本空间 则a+b 个球的所有可能的排列就构成了样本空间 故样本空间中样本点的总数为 n=(a+b)!
i Ai ⋅ (a + b − i)! Ai−1 Cb−1 P(C ) = b = ib = i (a + b)! Aa+b Ca+b i Cb P(C) =1− P(C) =1− i Ca+b
例1.15
“分房问题” 分房问题” 分房问题
设有n 个人,每个人都等可能地被 设有 个人,每个人都等可能地被
黑球( )的概率( ≤ (2)求第 i 次才取到黑球(B)的概率(1≤ i ≤a+b) ) )
i i a⋅ Ai−1 ⋅ (a + b −i)! a ⋅ Ab−1 a ⋅Cb−1 b P(B) = = i = i (a + b)! Aa+b Ca+b
(3)求前 i 次中能取到黑球(C)的概率(1≤ i ≤a+b) 中能取到黑球 黑球( )的概率( ≤ ) )
个样本点组成. 的概率为: 事件A由 个样本点组成 则事件A的概率为 组成 ,事件 由k个样本点组成.则事件 的概率为:
k A包含的样本点数 P(A) = = n Ω中的样本点总数
排列组合是计算古典概率的重要工具 .
n! 全排列 A = P = n 选排列 A = P = ! (n − k)! n! k n Cn = = Cn −k 组合 k!(n − k )!
Ω = {正正正,正正反,正反 正,反正正, 正正正,正正反, 反正正, 正反反,反正反,反反 正,反反反} 正反反,反正反,
A = {正反反,反正反,反反 正} B = {反反反} 正反反,反正反, 反反反
3 ∴ P ( A) = 8 1 7 P( B) = 1 − P( B) = 1 − = 8 8
个元素按一定的顺序排成一列, 按一定的顺序排成一列 叫做从 n 个互不相同 将这 k 个元素按一定的顺序排成一列, 个元素的一个排列 一个排列. 的元素中取出 k 个元素的一个排列 从 n 个互不相同的元素 个元素的排列个数记为 中取出 k 个元素的排列个数记为
k n
A.
k n
n! A = (n − k)! 互不相同的元素 个元素, 组合 从 n 个互不相同的元素a1, a2, … an中任取 k 个元素 个元素看作一组 看作一组, 将这 k 个元素看作一组,叫做从 n 个互不相同的元素
分 配到N 个房间中的任意一间去住(n≤ ; 求下列事件的概率: 配到 1个房间中的任意一间去住 ≤N), 求下列事件的概率: 指定的n 个房间各有一个人; ( )指定的 个房间各有一个人 (2)恰好有n个房间 ,其中各住一个人. 恰好有 个房间 其中各住一个人. 分析: 该问题显然是古典概型问题. 分析: 该问题显然是古典概型问题 关键是如何构造基本事件!从而构造出样本空间。 关键是如何构造基本事件!从而构造出样本空间。 可以考虑所有人的每一可能的入住方式为基本事件. 可以考虑所有人的每一可能的入住方式为基本事件 所有人的每一可能的入住方式 因为每一个人有N个房间可供选择 所以n个人的 个房间可供选择, 个人的入住 解 因为每一个人有 个房间可供选择,所以 个人的入住 方式共有N 它们是等可能的. 方式共有 n 种,它们是等可能的
n n n n
k n k n
加法原理、 加法原理、乘法原理
设古典概型的样本空间为 Ω = {ω 1, ω 2 , ⋯ ,… , ω 由概率的有限可加性知
n
}
1 = P (Ω) = P (ω 1) + P(ω 2 ) + ⋯ + P(ω n ), 1 且 P(ω 1) = P(ω 2 ) = ⋯ P(ω n ) = n
S ={e1, e2 ,⋯, en}
(2)每个样本点出现的可能性相同. (2)每个样本点出现的可能性相同. 每个样本点出现的可能性相同
1 P(e1) = P(e2 ) = ⋯= P(en ) = n
称这种试验为古典概型,又称等可能概型. 称这种试验为古典概型,又称等可能概型.
(二)古典概型中事件概率的计算 设试验E是古典概型, 设试验 是古典概型,其样本空间 由n个样本点
m + m2 +⋯+ mn 1
个步骤, 完成每一步骤的方法有mi 乘法原理 做一件事情有n个步骤,
i=1,2, …, n 种方法,则做这件事情共有方法: 种方法,则做这件事情共有方法: 排列组合
m ⋅ m2 ⋅⋯⋅ mn 1
排列 从 n 个互不相同的元素a1, a2, … an中任取 k 个元素, 互不相同的元素 个元素
个元素的一个组合 一个组合. 中取出 k 个元素的一个组合
n! n C = = Cn −k k!(n − k )!
k n
一、
古典概型(等可能概型) 古典概型(等可能概型)
一个袋子中装有10个大小 个大小、 引例 一个袋子中装有 个大小、形状完全相同的 将球编号为1~ 。把球搅匀,从中任取一球, 球,将球编号为 ~10。把球搅匀,从中任取一球, 求抽到2号的概率是多少? 求抽到2号的概率是多少? 如i=2 =2 2 10个球中的任一个被取出的 10个球中的任一个被取出的 机会是相等的,均为1/10. 机会是相等的,均为1/10. 表示取到i =1,2,… 用i 表示取到 号,i =1,2,…,10. 则该试验的样本空间 S ={1,2, ,10} , ={1,2,…,10} 85 8 9 19 4 6 7 2 3 10
将一枚硬币抛3 例2 将一枚硬币抛3次,求 (1)恰有一次出现正面的概率 恰有一次出现正面的概率P(A)。 恰有一次出现正面的概率 。 (2)至少一次出现正面的概率 至少一次出现正面的概率P(B)。 至少一次出现正面的概率 。 显然是一个古典概型,其样本空间为: 解:显然是一个古典概型,其样本空间为:
§1.4 古典概型 与几 何 概 率
一、 古典概型(等可能概型) 古典概型(等可能概型)
856 19 4 7 3 10
排列组合简介
加法原理、 加法原理、乘法原理 加法原理 做一件事情有n类方式,每一类方式有mi 类方式,
则做这件事情共有方法: 则做这件事情共有方法: i=1,2, …, n 种方法, 种方法,
a (a + b − 1)! a P = = k (a + b)! a+b
解法2 由于我们只关心第 次摸球的结果,因此可以将 解法 由于我们只关心第k 次摸球的结果, 次摸球的结果设为样本点. 第k次摸球的结果设为样本点.所有第 次摸球的全部可能结果 次摸球的结果设为样本点 所有第k次摸球的全部可能结果 为样本空间. 设想a+b 只球是不同的 从1到a+b编号 , 只球是不同的(从 到 编号), 为样本空间 设想 编号
A = { n个人的生日全不相同 }
A = { n个人中至少有两个人的 生日相同} ,则
由分房问题(2)可知 由分房问题(2)可知 (2)
P ( A) = N! , 而P ( A) + P ( A) = 1 n N ( N − n)!
练习1 设有N件产品 其中有M件次品 现从这N件中任取 件产品,其中有 件次品,现从这 件中任取n件 练习 设有 件产品 其中有 件次品 现从这 件中任取 件,
且每个样本点(或者说基本事件)出现的可能性相同. 可能性相同 且每个样本点(或者说基本事件)出现的可能性相同.
---古典概型. ---古典概型. 古典概型
一、
古典概型(等可能概型) 古典概型(等可能概型)
(一)古典概型的定义 若随机试验满足下述两个条件: 若随机试验满足下述两个条件: (1)它的样本空间只有有限多个样本点; (1)它的样本空间只有有限多个样本点; 它的样本空间只有有限多个样本点
求其中恰有k件次品的概率 求其中恰有 件次品的概率. 件次品的概率 恰有k件次品 解:令B={恰有 件次品 , 恰有 件次品},
k n CMCN−kM − P(பைடு நூலகம்) = n CN
练习2 将n个人随机地分配在 ≤N)间房中, 个人随机地分配在N(n≤ 间房中 间房中, 练习 个人随机地分配在
试求下列事件的概率: 试求下列事件的概率: (1)A={某指定 间房中各有一人} 间房中各有一人} {某指定n间房中各有一人 (2)B={恰有 间房,其中各有一人} 间房, {恰有n间房 其中各有一人} (3)C={某指定房中恰有 (m ≤ n)人} {某指定房中恰有m( 人
} i 设i = {第k次摸出第号球 , i =1,2,⋯, a + b,则样本空间为
相关文档
最新文档