第一章 事件与概率
概率论第一章随机事件及其概率
B
和事件 A∪B={| ∈ A或B } A = { HHH }，B = { TTT } ； A∪B = { HHH，TTT } 三次都是同一面
特别的，对任意的随机事件 A ， A∪A = A， A∪ = A， A∪S = S 当 A、B 不相容时，记成 A∪B = A＋B
S
(3).事件的积运算 得到一个新事件，它的发生表示 这些事件中每一个都要发生，
解. 由减法公式， P (B – A ) = P (B ) – P (AB ) 只需要计算出概率 P (AB ) 。 (1) A、B互不相容即 AB = ，则 P (B – A ) = 0.5； (2) A B 等价于 AB = A，得到 P (B – A ) = 0.2； (3) 利用加法公式的另一形式： P (A∪B ) = P (A ) + P (B – A )， 得到P (B – A ) = 0.4。
性质5 设A，B是两个事件，若 A B， 则 P (A ) ≤ P (B ) 性质6 对任意的事件A ，有P (A ) ≤1。 证明思路 利用概率定义中的无穷可加以及非负性等。
思考
性质4中如何推广到n个事件的加法公式
例1.11 假定 P (A ) = 0.3，P (B ) = 0.5 ， 分别计算 (1) A、B 不相容；(2) A B； (3) P (A∪B) = 0.7 时概率P (B – A) 的值。
例如从 26 个英文字母中任取2 个排列， 所有不同方式一共有 P262 = 26×25 = 650。
(2) 可以重复的排列
从 n 个不同元素中允许放回任意取 m 个 出来排成有顺序的一列( 即取出的这些元素 可以相同 )。所有不同的排列方式一共有 n×n×…×n = nm
(完整版)概率论第一章随机事件与概率
解题思路
1、将事件定义为某个参数，如A,B,C； 2、确定总样本空间样本数与事件对应的样本数 技巧：可以采用概率的性质和事件的运算关系灵 活变换。
2. 样本点 ω—— 随机试验的每一个可能结果.
3. 样本空间(Ω) —— 随机试验的所有样本点构成的集合.
4. 两类样本空间： 离散样本空间 样本点的个数为有限个或可列个. 连续样本空间 样本点的个数为无限不可列个.
1.1.3 随机事件
1. 随机事件 —— 某些样本点组成的集合, Ω的子集，常用A、B、C…表示.
• 重复排列：nr
•
选排列： Pnr
n! n(n 1)......(n r 1) (n r)!
组合
•
组合：
Cnr
n r
n! r!(n r)!
Pnr r!
注意
求排列、组合时，要掌握和注意： 加法原则、乘法原则.
加法原理
完成某件事情有 n 类途径， 在第一类途径中有m1种方 法，在第二类途径中有m2种方法，依次类推，在第 n 类 途径中有mn种方法，则完成这件事共有 m1+m2+…+mn种 不同的方法.
§1.1 随机事件及其运算 §1.2 概率的定义及其确定方法 §1.3 概率的性质 §1.4 条件概率 §1.5 独立性
§1.1 随机事件及其运算
1.1.1 随机现象：自然界中的有两类现象 1. 必然现象
• 每天早晨太阳从东方升起; • 水在标准大气压下加温到100oC沸腾;
2. 随机现象
• 掷一枚硬币，正面朝上？反面朝上？ • 一天内进入某超市的顾客数; • 某种型号电视机的寿命;
乘法原理
大学概率论随机事件与概率
② A B AB
AB
AB
A
B
BA
四、事件的运算律
1.交换律、结合律:(略)
2.分配律：
① AUBI C AUBAUC ② A I B UC AB U AC
3.对偶律：
① A U B A I B （和的逆＝逆的积） ② A I B A U B （积的逆＝逆的和）
例2. 用A、B、C的运算关系表示下列各事件:
P( A) A的测度(长度,面积,体积) 的测度(长度,面积,体积)
例4.
如果在一个5万平方公里的海域里有表面积达40平
方公里的大陆架贮藏着石油,
若在海域里随意选取一点
钻探, 问钻到石油的概率是多少？
解:
由题意知, 问题归结为几何概率的计算,
设A={钻到石油},
则 P( A) 40 50000
①三个事件中至少一个发生:
A U B UC
②没有一个事件发生:
ABC A U B UC
③恰有一个事件发生:
ABC U ABC U ABC
④至多有两个事件发生:
（考虑其对立事件）
ABC A U B UC
⑤至少有两个事件发生:
（由对偶律）
ABC U ABC U ABC U ABC AB U BC UCA
考虑可能出现的点数;
2 1, 2, 3, 4, 5, 6
E3: 记录某网站一分钟内受到的点击次数;
3 0，1，2，L
E4: 任选一人,
记录他的身高(m)和体重(kg).
4 h, g 0 h 3, 0 g 400
注: ①样本空间是一个集合;
②对于一个随机试验而言,
例如:
掷两枚均匀的骰子一次,
《概率论》第1章 事件与概率
25/27
5. 试用A、B、C 表示下列事件： ① A 出现； A ② 仅 A 出现；ABC ③ 恰有一个出现；ABC ABC ABC ④ 至少有一个出现；A B C ⑤ 至多有一个出现； ABC ABC ABC ABC ⑥ 都不出现； ABC ⑦ 不都出现； ABC A B C ⑧ 至少有两个出现； AC BC AB
第一章 事件与概率
3/27
在随后的200多年里,概率论不仅在理论上获得了一定 发展,而且在人口统计、保险业、误差理论、天文学等自 然科学中得到了应用.在这一时期,对概率论在理论和应用 方 面 作 出 重 要 贡 献 的 数 学 家 有 雅 格 布 · 努 利 (Jakob 伯 Bernoullii),丹尼尔· 伯努利(Daniel Bernoullii), 棣莫弗(De Moivre), 拉 普 拉 斯 (pace), 欧 拉 (L.Euler), 贝 叶 斯 (T.Bayes), 蒲 丰 (G.Buffon), 高 斯 (F.Gauss), 泊 松 (S.Poisson),布尼亚可夫斯基 (V.Bunjakovskii),切比雪夫 (Chebyshev), 马 尔 可 夫 (A.Markov), 李 雅 普 诺 夫 (A.Lyapunov)等. 尽管18,19世纪,概率论在理论和应用方面得到了很多 成果,但与其它数学分支比较,概率论的发展是缓慢的.甚 至直到20世纪以前概率论还未进入主流数学.其基本原因 是概率论缺乏严密的逻辑基础.
4/27
凯恩斯主张把任何命题都看作事件,例如“明天将下 雨”,“土星上有生命”等等都是事件,人们对这些事件的 可信程度就是概率,而与随机试验无关,通常称为 主观概 率. 米泽斯定义事件的概率为该事件出现的频率的极限, 而作为公理就必须把这一极限的存在作为第一条公理,通 常称为客观概率.
第一章 随机事件和概率
第一章 随机事件和概率第一节 基本概念1、概念网络图⎪⎪⎪⎪⎪⎪⎪⎭⎪⎪⎪⎪⎪⎪⎪⎬⎫⎪⎪⎪⎪⎪⎪⎪⎩⎪⎪⎪⎪⎪⎪⎪⎨⎧⎪⎪⎪⎭⎪⎪⎪⎬⎫⎪⎪⎪⎩⎪⎪⎪⎨⎧-+→⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧Ω→贝努利概型贝叶斯公式/)(独立性全概公式和乘法公式条件概率减法加法五大公式几何概型古典概型随机事件样本空间基本事件随机试验BC C B C B C B A P A E ω2、重要公式和结论1. 设31)(=A P ，21)(=B P ，试就以下三种情况分别求)(A B P ： （1）Φ=AB ， （2）B A ⊂， （3）81)(=AB P . 解：（1）21)()()()(=-=-=AB P B P AB B P A B P ； （2）61)()()()(=-=-=A P B P A B P A B P ； （3）838121)()()()(=-=-=-=AB P B P AB B P A B P 。
2. 已知41)()()(===C P B P A P ，161)()(==BC P AC P ，0)(=AB P 求事件C B A ,,全不发生的概率。
解：()()1()P ABC P A B C P A B C =++=-++[]1()()()()()()()P A P B P C P AB P AC P BC P ABC =-++---+11111310044416168⎡⎤=-++---+=⎢⎥⎣⎦ 3. 为了防止意外，在矿内同时装有两种报警系统I 和II 。
两种报警系统单独使用时，系统I 和II 有效的概率分别0.92和0.93，在系统I 失灵的条件下，系统II 仍有效的概率为0.85，求（1） 两种报警系统I 和II 都有效的概率；（2） 系统II 失灵而系统I 有效的概率；（3） 在系统II 失灵的条件下，系统I 仍有效的概率。
解：令=A “系统（Ⅰ）有效” ，=B “系统（Ⅱ）有效” 则85.0)|(,93.0)(,92.0)(===A B P B P A P（1）)()()()(B A P B P B A B P AB P -=-=862.085.0)92.01(93.0)|()()(=⨯--=-=A B P A P B P （2）058.0862.092.0)()()()(=-=-=-=AB P A P AB A P A B P（3）8286.093.01058.0)()()|(=-== B P B A P B A P 4. 一大批产品的优质品率为30%，每次任取1件，连续抽取5次，计算下列事件的概率：（1）取到的5件产品中恰有2件是优质品；（2） 在取到的5件产品中已发现有1件是优质品，这5件中恰有2件是优质品。
经典概率论与数理统计第1章随机事件与概率
上一页 下一页 返回
上一页
下一页
返回
第二节
1、频率
概率的定义及其确定方法
定义1: 在相同条件下，进行了n次试验.若随机事件A在
这n次试验中发生了k次，则比值
实验中发生的频率，记为 频率具有下列性质： (1)对于任一事件A，有
称为事件A在n次
n n P Ai P Ai i 1 i 1
推论：
PA 1 P A
例1.2.7 一袋中装有N－1个黑球及1只白球，每次从 袋中摸出一球，并换入一只黑球，如此延续下去，问 第k次摸球摸到黑球的概率是多大？
解：令A={第k次摸球摸到黑球}。 则 A ={第k次摸到白球}。
确定性现象
不确定性现象
相同条件下大量重复试验中呈现规律性的现象称之为 随机现象或偶然现象，这种规律性称为统计规律性。 在一定条件下，对自然与社会现象进行的观察或实验 称为试验，在概率论中，把满足以下条件的试验称为 随机试验. （1）试验在相同条件下是可重复的； （2）试验的全部可能结果不止一个，且都是事先可 以知道的； （3）每一次试验都会出现上述可能结果中的某一个 结果，至于是哪一个结果则事前无法预知。
解：（1）记Ai={第i封信配对},i=1,2,…
S1 P ( Ai ) 1 n i 1 S 2 P ( Ai A j ) n(n 1) 1 2! 1 i j n 于是，由加法定理，得 n n P ( A) P ( Ai ) P ( Ai ) P ( Ai A j )
P( Ai Aj Ak ) (1)n1 P( A1 A2 An ).
下赌注问题：17世纪未，法国的 Chevalies Demere在赌博中 感觉到，如果上抛一对骰子25次，则把赌注押到“ 至少出现一次 双六”比把赌注押到“完全不出现双六”更有利，但他本人找不 出原因，请计算该两事件的概率。 上抛一对骰子25次，
概率论-第一章-随机事件与概率
第一章随机事件及其概率自然界和社会上发生的现象可以分为两大类：一类是，事先可以预言其必然会发生某种结果，即在保持条件不变的情况下重复实验或观察，它的结果总是确定的。
这类现象称为确定性现象，另一类是，事先不能预言其会出现哪种结果，即在保持条件不变的情况下重复实验或观察，或出现这种结果或出现那种结果。
这类现象称为随机现象.随机现象虽然对某次实验或观察来说，无法预言其会出现哪种结果，但在相同条件下重复进行大量的实验或观察，其结果却又呈现出某种规律性。
随机现象所呈现出的这种规律性，称为随机现象的统计规律性。
概率论与数理统计就是研究随机现象统计规律性的一门数学学科。
§1随机事件一、随机试验与样本空间我们把对随机现象进行的一次实验或观察统称为一次随机试验，简称试验，通常用大写字母E表示。
举例如下：E\：抛一枚硬币，观察正面〃、反面卩出现的情况；£：将一枚硬币抛掷两次，观察正面〃、反面7出现的情况；£：将一枚硬币抛掷两次，观察正面〃出现的次数；£.：投掷一颗骰子，观察它出现的点数；£：记录某超市一天内进入的顾客人数；&：在一批灯泡里，任取一只，测试它的寿命。
随机试验具有以下三个特点：（1）每次试验的结果具有多种可能性，并且能事先明确知道试验的所有可能结果；（2）每次试验前，不能确定哪种结果会出现；%（3）试验可以在相同的条件下重复进行。
随机试验£的所有可能结果的集合称为£的样本空间，记作0。
样本空间的元素，即£的每个结果，称为样本点，一般用e表示，可记C = {e}。
上面试验对应的样本空间：n, ={w,T}；D.2={HH、HT、TH、TT}；o, ={0,1,2}；也={123,4,5,6}；={0,1234 …};o6 = {/|/>o}o注意，试验的目的决定试验所对应的样本空间。
二、随机事件试验£样本空间。
事件与概率
4) 必然事件与不可能事件
包括试验的全部样本点，每次试验每次都发生， 因此称为必然事件。 －不包括任何样本点，每次试验都不发生， 因而称为不可能事件。
12
3. 事件间的关系和运算
1) 包含关系：若事件A发生导致事件B发生，则称A 包含于B或事件B包含事件A，记为 A B 。
A 2) 和事件： B { | A, 或 B} ，称为A与B的和 事件，当且仅当A,B中至少有一个发生时，事件发 生。
27
例：(会面问题)两人约定在7点到8点之间在某处会面， 先到者等候20分钟然后离去。求两人能会面的概率。
9
2. 随机事件
1) 样本点：组成样本空间的元素，即实验的一个可能 , 故样本空间＝{}. 出现的结果，又称基本事件，记为
2) 3) 随机事件＝的子集，即部分样本点的集合，若事件中至少 一个样本点发生时，称这一事件发生或出现。 随机事件举例
1 4＝{1,2,3,4,5,6}
A={1,2,3}, B {4,5,6}
p(A)= a!(b-1)! b = (a+b)! (a+b) a!b!
两种不同的解法答案相同。 注 (1)两种解法不同就在于选取的样本空间不同； (2)本例结果与k无关； (3)利用摸球阐述了“抽签与顺序无关”的道理。
21
例：口袋里有a只白球和b只黑球，我们采用取后放回和取后 不放回两种方式从袋中取n个球，问恰有k个黑球的概率各为 多少？
3
2. 随机试验（简称试验，记E） 1) 试验：对自然现象的观察＋科学试验； 2) 随机试验的三个特点： 试验能在相同的条件下重复进行 每次试验的可能结果不止一个，且能明确试验 的所有可能结果； 每次试验之前不能确定哪一个结果会出现； 3) 检查一个实验是否是随机试验可查三点是否满足。
第一章 事件与概率
事件的和(A∪B) : 事件A和事 件B中至少有一个发生的这 一事件称为事件A和事件B 的和, 记为A∪B. 事件的积(A∩B) : 事件A和事 件B同时发生这一事件称为 事件A和事件B的积, 记为 A∩B. 如果A∩B= Φ, 则称A和B不相 容, 即事件A和B不能同时发 生.
概率论与数理统计
概率论与数理统计
样本空间的分割
设B1, B2, · · · Bn是样本空间Ω中的两两不相 容的一组事件, 即BiBj = Φ, i ≠ j, 且满足 n i =1 Bi =Ω, 则称B1, B2, · · · , Bn 是样本空间Ω 的一 个分割(又称为完备事件群,英文为partition).
Ac
对立事件: A不发生这一 事件称为事件A的对立 事件(或余事件) .
事件A和事件B的差A−B: 事件A发生而事件B不发 生这一事件称为事件A 和事件B的差, 记为A−B.
概率论与数理统计
De Morgan对偶法则
De Morgan对偶法则
上面公式可以推广到n个事件:
概率论与数理统计
什么是概率
概率论与数理统计
随机现象和随机试验
随机现象:自然界中的客观现象, 当人们观测它时, 所得结果不能预先确定, 而仅仅是多种可能结果 之一.
随机试验: 随机现象的实现和对它某特征的观测.
随机试验的要求: 结果至少有两个;每次只得到其 中一种结果且之前不能预知;在相同条件下能重复 试验. 举例说明随机现象和随机试验.
概率论与数理统计
(三)主观概率
人们常谈论种种事件出现机会的大小, 如某人有80% 的可能性办成某事. 而另一人则可能认为仅有50%的 可能性. 即我们常常会拿一个数字去估计这类事件发 生的可能性, 而心目中并不把它与频率挂钩.
第一章 随机事件与概率
1.2.1 事件域（ σ - 域）
一个以集合为元素的集合称为集合类或集类，常用符号 A , B , C , D , F 等表示。特别 地，用 P (Ω ) 表示由 Ω 的全体子集组成的集类。集类的概念在概率论中也常用。 所谓“事件域”从直观上讲就是一个样本空间中某些子集组成的集合类，记为 F . 当样本空间是实数轴上的一个区间时， 可以人为的构造出无法测量其长度的子集， 这样 的子集被称为不可测集，如果将这些不可测集也看成是事件，那么这些事件将无概率可言， 为了避免这种现象，我们没必要将连续样本空间的所有子集都看成事件。
1.1.3 随机事件
随机现象的某些样本点组成的集合称为随机事件 ,简称事件 ,常用 A, B, C ,… 表示. 事件既可以用集合表示，也可以用明白无误地语言描述。任一事件是相应样本空间的一 个子集。在概率论中常用一个长方形来表示样本空间 Ω ，用其他几何图形来表示事件 A ， 这类图形称为 venn 图。 例 1.1.2 掷一颗骰子的样本空间为 Ω = {1, 2,3, 4, 5, 6} 出现 1 点, 事件 A = ， “出现偶数点” 事件 B = “出现不大于 3 的偶数点” ，则 A = {2, 4, 6}, B = {2}. 今后，我们都是把事件当作样本空间 Ω 的子集来考虑，由样本空间 Ω 中的单个元素组 成的子集称为基本事件， 而样本空间 Ω 的最大子集 （即 Ω 本身） 称为必然事件， 样本空间 Ω 的最小子集（即空集 ∅ ）称为不可能事件。
3
ω i 表示出现 i 点。
（3）电视机寿命的样本空间为： Ω3 = {t , t ≥ 0}. （4）测量误差的样本空间为： Ω 4 = {x, −∞ < x < +∞}. 样本空间的元素可以是数也可以不是数。 此外样本空间可分为有限和无限两类， 在数学 处理上，将样本点的个数为有限个或可列个的情况归为一类，称为离散样本空间。将样本点 的个数为不可列无限个的情况归为另一类，称为连续样本空间。
第一章事件与概率
1
古典概型的定义
定义
称满足以下两个特点的随机现象的 数学模型为古典概型，如果 (1) 有限性：试验的样本空间只有有 限个样本点; (2) 等可能性：每个样本点作为基本 事件出现的可能性相同.
利用排列、组合知识来求概率的 模型通常都属于古典概型. 那么, 古典 概型为什么要通过数数来求概率呢？
Department of Mathematics, Tianjin University
内 容 提 要
1 2 3 4
随机事件的定义 事件之间的关系 事件的运算律 例 题
Department of Mathematics, Tianjin University
3
事件的运算律
以下设A,B,C…等都是同一随机试验中的随机事件. 交换律： AB=BA，A B=B A. 结合律： ABC=A(BC)，A B C=A (B C).
2
事件之间的关系
以下设A,B,C…等都是同一随机试验中 的随机事件. 包含（于）：若A发生，则B一定发生， 则称A包含于B,记为A B. 相等：若A与B相互包含，则称A与B相 等，记为A=B.
Department of Mathematics, Tianjin University
事件的交（积）：若事件C发生，当且 仅当A与B同时发生，则称C为A与B的交 (积)事件，记为C=A B,或简记为C=AB.
注：符号“ ”等同于“至少”.
事件的逆(对立)：由样本空间中所有 不属于A的样本点构成的集合表示的 事件称为A的逆(对立)事件，记为 A . 注：若A与B对立，则A与B互不相 容，反之不然.即A、B对立，则AB= , 且A B= .
Department of Mathematics, Tianjin University
随机事件与概率
如：抛一颗骰子， A “出现点数不超过3”， B “出现点数大于4”，则：
A {1,2,3} B {5,6} A {4,5,6} 显然：A 与 A 互为对立事件，同时也是互斥事
件；A 与B 互为互斥事件，但不是对立事件.
【例】随机将一枚硬币抛三次,用H表示正面, T表示反面,求：
数点”，请思考：
1、事件 A 发生会导致事件B 的发生吗？ 会 2、事件 B 发生会导致事件 A的发生吗？ 不会
事件的包含关系：若事件 A 发生必然导致事件 B 发 生，则称事件 B 包含事件 A，也称事件 A 包含 于事件 B. 记为 A B（或 B A ）.
维恩图表示：
AB
注：⑴事件 A 是事件 B 的子事件即 A B ，换一说 法：如果事件 B 不发生必然导致事件 A 不发生；
例3：某人连续三次购买体育彩票，每次一张，令 A, B,C 分别表示其第一、二、三次所买彩票 中奖的事件. 试用A, B,C及运算写出下列事件.
A
B
C
⑴第三次未中奖； ⑵只有第三次中了奖；
C
A BC
⑶恰有一次中奖； AB C U ABC U A BC A B C ⑷至少有一次中奖；
⑸不止一次中奖； AB U BC U AC
如：包含两个样本点的样本空间
{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 …………
⑵样本空间的元素是由试验的目的所确定的.
如：将一枚硬币连续抛掷两次，观察正面H、反面 T出现的情况. 则样本空间为：
A B A发生或B发生 A, B中至少有一个发生
维恩图表示：
概率论与数理统计 第一章 随机事件与概率
推广：
（1）n个事件A1,A2, An至少有一个发生
所构成的事件，称为 A1, A2, An的和或并，
记为
n
A1 A2 An Ai
i1
当A1, A2, An互斥时
n
n
Ai Ai
i1
i1
（2）可列无限多个事件 A1, A2, 至少有一个
（1kn)的不同排列总数为：
n n n nk
例如：从装有4张卡片的盒中 有放回地摸取3张
第1张 第2张 第3张
1 2 34
n=4,k =3
1
1
1
2
2
2 共有4.4.4=43种可能取法
3
3
3
4
4
4
2、组合: 从n个不同元素取 k个
（1kn)的不同组合总数为：
C
k n
Ank k!
n! (n k)!k!
Ai
i1
三．互不相容事件（互斥事件）
若A与B不能同时发生，即 AB 则称A与B
互不相容（或互斥）。S与 互斥。
S
A
B
推广：n个事件 A1,A2, An互斥
A1, A2, An 中任两个互斥，即，
i≠j, i, j=1,2,3 ,……n.
四．事件的和（并） 事件A与B至少有一个发生所构成的事件， 称为A与B的和（并）记为A∪B。当A与B 互斥时，A∪B =A+B。
六. 对立事件（逆事件） 由A不发生所构成的事件，称为A的对立事件
（逆事件）。记为 A
A
A
AA ,A A S,A A.
例1．掷一质地均匀的骰子，A=“出现奇数点”= {1，3，5}，B=“出现偶数点”= {2，4，6}，C=“出现4或6”={4，6}， D=“出现3或5”={3，5}，E=“出现的点 数大于2”={3，4，5，6}， 求 A B,C D,AE,E.
概率论第一章随机事件与概率
n n P Ai P( Ai ) P( Ai Aj ) P( Ai Aj Ak ) i 1 i 1 n 1 ...... ( 1) P( A1 A2 ...... An )
配对模型(续)
P(Ai) =1/n, P(AiAj) =1/n(n1), P(AiAjAk) =1/n(n1)(n2), …… P(A1A2……An) =1/n! P(A1A2……An)=
从中有返回地任取n 个. 则此 n 个中有 m 个不合格品的概率为：
n M (N M ) m n N
m
n m
n M N M m N N
m
n m
条件： m n ,
即 m = 0, 1, 2, ……, n. NhomakorabeaA
事件运算的图示
AB
AB
AB
德莫根公式
A B A B;
n i 1
A B A B
n
Ai
n i 1
Ai ;
i 1
Ai
n i 1
Ai
记号
Ω φ AB AB=φ AB AB AB
概率论
样本空间, 必然事件 不可能事件 样本点 A发生必然导致B发生 A与B互不相容 A与B至少有一发生 A与B同时发生 A发生且B不发生 A不发生、对立事件
概率论
第一章 随机事件与概率
概率论起源： 合理分配赌金问题
有一笔赌金， 甲乙两个人竞赌， 输赢的 概率都一样，都是1/2， 谁先能够赢累计达到6 盘，就获得这笔赌金。 但是一个特别的原因， 赌博突然终止了， 那个时候甲赢了5局， 乙赢 了2局， 问这笔赌金应该如何分配？
课程释疑1 第一章 事件与概率
问1.6：在古典概型的概率计算中，把握等可能 性是难点之一。现见一例：掷两枚骰子，求事 件=A{点数之和等于5}的概率。下面的解法是 否正确？如不正确，错在哪里？解法：因试验 可能结果只有二个，一是点数之和为5，另一 个是点数之和不等于5，而事件A只含有其中的 一种，因而P(A)=1/2.
答：此解法是错误的，这种解法是对样本空间进 行了不正确的划分，分割出的二部分不是等可能 的，因而不能据此进行计算。正确的解法如下： 掷二枚骰子的样本空间可形象地表为： ,对子 ( i , j )表示二枚骰子 {( i , j ) : i , j 1,2,6} 分别出现的点子数，因而一个对子即对应着一个 样本点，一共含有 62 36个这样的对子，每个对 子出现的可能性都等于1/36。而事件A只含有(1,4), (2,3),(4,1),(3,2)这样四个对子。因而 4 1 p( A) 2 9 6
下面是一个实际例子：有线路甲、乙，甲是并联线 路，乙是串联线路（见图1.2）。
1 2
图1.2
n
（甲） 并联线路
1
1
（乙） 串联线路
1
记Ai为元件i导通， i=1,2…n,而事件A为线路导 _ 通，今要求分别对甲乙两种线路用诸 Ai或 Ai表示事 _ 件A ． 对线路甲，只要１号到n号元件中有一个导通 线路就导通。因而欲使线路甲不通，必须从1号元 _ _ 件到n号元件每一个都不通，也就是说 A , , A _ _ _ 1 n A A1 An ． 同时发生。因而
第一章
事件与概率
问1.1：样本空间有什么性质？ 答：样本空间有以下两个性质： (1)每次试验必有属于样本空间中的某个样本点 发生； (2)样本空间中的任意两个不同的样本点不会在 同一次试验中出现。
概率论与数理统计1
第一章事件与概率§1.1 随机事件与样本空间教学目的要求：掌握几个基本概念,为后面的学习打下基础,并对本书内容体系有一个大致的了解.教材分析：1．概括分析：概率论是数理统计的理论基础,本节是概率论中的最基本的与最基础的内容之一.学习本节,要求学生掌握随机事件、样本空间、事件域、布尔代数等基本概念,了解事件之间的关系和事件之间的一些运算.2．教学重点：随机事件、样本空间、事件域、布尔代数等基本概念,事件之间的关系和事件之间的一些运算.3．教学难点：事件之间的关系和事件之间的一些运算的证明.教学过程：我们在引言中已经介绍了随机试验,现在进一步明确它的含意.一、几个基本概念：1．随机试验：一个试验如果满足下述条件：⑪试验可以在相同的情形下重复进行；⑫试验的所有可能结果是明确可知道的,并且不止一个；⑬每次试验总是恰好出现这些可能结果中的一个,但在一次试验之前却不能肯定这次试验会出现那一个结果.就称这样的试验是一个随机试验,为方便起见,也简称为试验.2．基本事件：随机试验的每一个可能的结果,称为基本事件.3．样本空间：所有基本事件的全体称为样本空间,通常用字母Ω表示.4．样本点：Ω中的点,即基本事件,有时也称作样本点,通常用字母ω表示.[例]1.1在前述试验中,令ω1={取得白球}, ω2={取得黑球}则Ω={ω1,ω2}[例]1.2 一个盒子中有十个完全相同球,分别标以号码1,2,…,10,从中任取一球,令i ={取得球的号码为i}则Ω={1,2, (10)·３·[例]1.3 讨论某电话交换台在单位时间内收到的呼唤次数,令i={收到的呼唤次数为i}则Ω={1,2,…}[例]1.4 测量某地水温,令 t={测得的水温为t℃}则Ω=[0,100]5．随机事件：无论是基本事件还是复杂事件,它们在试验中发生与否,都带有随机性,所以都叫随机事件或简称为事件.习惯上用大写字母A,B,C等表示事件.在试验中,如果出现A中所包含的某一个基本事件ω,则称作A发生,并记作ω∈A.我们已经知道样本空间Ω包含了全体基本事件,而随机事件不过是有某些特征的基本事件所组成,所以从集合论的观点来看,一个随机事件不过是样本空间Ω的一个子集而已.又因为Ω是所有基本事件所组成,因而在任一次试验中,必然要出现Ω中的某一基本事件ω,即ω∈Ω.也就是在试验中,Ω必然会发生,所以今后又用Ω来代表一个必然事件.相应地,空集Φ可以看作是Ω的子集,在任一次实验中不可能有ω∈Φ,也就是说Φ永远不可能发生,所以Φ是不可能事件.为了方便起见,我们把必然事件和不可能事件看作随机事件的两个极端情形.一个样本空间Ω中,可以有很多的随机事件.概率论的任务之一,是研究随机事件的规律,通过对较简单事件规律的研究去掌握更复杂事件的规律.为此,需要研究事件之间的关系和事件之间的一些运算.二、事件之间的关系和运算：1．如果事件A发生必然导致事件B发生,则称B包含了A,或称A是B的特款,并记作A⊂B或B⊃A.如图1.1.因为不可能事件Φ不含有任何ω,所以对任一事件A,我们约定Φ⊂A.2．如果有A⊂B,B⊂A同时成立,则称事件A与B相等,记作A=B.如图1.2.3．“事件A与B中至少有一个发生”,这样的一个事件称作事件A与B的并(或和)并记作A∪B.如图1.3.4．“事件A与B同时发生”,这样的一个事件称作事件A与B的交(或积),记作A∩B(或AB).如图1.4.5．“事件A发生而B不发生”,这样的一个事件称作事件A与B的差,记作A－B.如图1.5.6．若事件A与B不能同时发生,也就是说AB是一个不可能事件,即AB=Φ,则称事件A与B互不相容.如图1.6.7．若A是一个事件,令A=Ω－A,称A是A的对立事件或逆事件.如图1.7.·４··５·显然有： A A =Φ, A ∪A =Ω, A =A8．若有n 个事件：A 1,A 2,…,A n ,则“A 1,A 2,…,A n 中至少发生其中的一个”这样的事件称作A 1,A 2,…,A n 的并,并记作A 1∪A 2∪…∪A n 或n i i A 1=；若“A 1,A 2,…,A n 同时发生”,这样的事件称作A 1,A 2,…,A n 的交,记作A 1A 2…A n 或 n i iA 1=.大家已经有了一定的集合论知识,一定会发现事件间的关系及运算与布尔(Boole)代数在很多场合,用集合论的表达方式显得简练些,也更容易理解些.但对初学概率论的大家来说,重要的是要学会用概率论的语言来解释集合间的关系及运算,并能运用它们.[例] 1.5 设A 、B 、C 是Ω中的随机事件,则·６·1) 事件“A 与B 发生,C 不发生”可以表示成：C AB 或AB －C 或AB －ABC.2) 事件“A 、B 、C 中至少有二个发生”可以表示成：AB ∪AC ∪BC 或ABC BC A C B A C AB .3) 事件“A 、B 、C 中恰好发生二个”可以表示成： BC A C B A C AB .4) 事件“A 、B 、C 中有不多于一个事件发生”可以表示成：C B A C B A C B A C B A .5) 事件“A 发生而B 与C 都不发生”可以表示成：C B A 或A －B －C 或A －(B ∪C).6) 事件“A 、B 、C 恰好发生一个”可以表示成：C B A C B A C B A .7) 事件“A 、B 、C 中至少发生一个”可以表示成：C B A 或ABC BC A C B A C AB C B A C B A C B A .三、事件的运算规则：1. 交换律：A ∪B=B ∪A AB=BA2. 结合律：(A ∪B)∪C=A ∪(B ∪C) (AB)C=A(BC)3. 分配律：(A ∪B)C=AC ∪BC (AB)∪C=(A ∪C)(B ∪C)4. 德摩根(De Morgan)定理(对偶原则)：n i i n i i A A 11=== ni i n i i A A 11=== 四、事件域： 我们已经知道事件是Ω的某些子集,如果把“是事件”的这些子集归在一起,则得到一个类,记作ℱ,称作事件域,即ℱ={A ：A ⊂Ω,Ω是事件}在前面已经提到,Ω、Φ是事件,所以Ω∈ℱ,Φ∈ℱ.又讨论了事件间的运算“∪” 、·７·“∩”和“－”,如果A 与B 都是事件,即A ∈ℱ,B ∈ℱ,非常自然地要求A ∪B 、AB 、A －B 也是事件.因此,如果有A ∈ℱ、B ∈ℱ,就要求A ∪B ∈ℱ、AB ∈ℱ、A －B ∈ℱ用集合论的语言来说,就是事件域ℱ关于运算“∪” 、“∩”和“－”是封闭的.经过归纳与整理,事件域ℱ应该满足下述要求：⑪ Ω∈ℱ；⑫ 若A ∈ℱ,则A ∈ℱ；⑬ 若i A ∈ℱ,i=1,2, …,n,则 ni iA 1 ∈ℱ. 在集合论中,满足上述三个条件的集合类,称作布尔代数.所以事件域应该是一个布尔代数.对于样本空间Ω,如果ℱ是Ω的一切子集的全体,那么显然ℱ是一个布尔代数.§1.2 概率和频率教学目的要求：通过本节的学习,使学生掌握频率与概率的概念及其性质,为后面的学习打下基础. 教 材 分 析 ：1．概括分析：本节是概率论这一部分的最基本和最基础的重要内容之一.通过对引言中随机试验的分析给出了概率的定义,并通过频率与概率的内在关系的分析得到频率与概率的性质,在此基础上给出了概率的公理化定义.2．教学重点：概率的性质及公理化定义.3．教学难点：概率的公理化定义.教 学 过 程 ：回忆引言中的试验二,我们已经知道它是一个随机试验,并且样本空间Ω={ω1,ω2},其中ω1={取得白球},ω2={取得黑球}是其本事件.在一次试验中,虽然不能肯定是ω1还是ω2发生,但是我们可以问在一次试验中发生ω1(或ω2)的可能性有多大?由对称性,很自然地可·８·以断定在一次试验中,出现ω1 (或ω2)的可能性是½,因为我们知道盒子中白球数和黑球数都是5个.现在引入一个定义如下：一、频率和概率的定义：定义1.1 随机事件A 发生可能性大小的度量(数值),称为A 发生的概率,记作P(A). 正如恩格斯所指出的：“在表面上是偶然性在起作用的地方,这种偶然性始终是受内部的隐蔽着的规律支配的,而问题只是在于发现这些规律．”(恩格斯：《路德维希·费尔巴哈和德国古典哲学的终结》,人民出版社,1972年,第38页)．人们经过长期的实践发现,虽然个别随机事件在某次试验或观察中可以出现也可以不出现；但在大量试验中它却呈现出明显的规律性——频率稳定性．在掷一次硬币时,既可能出现正面,也可能出现反面,预先作出确定的判断是不可能的,但是假如硬币均匀,直观上出现正面与出现反面的机会应该相等,即在大量试验中出现正面的频率,,其结果如下:又如,在英语中某些字母出现的频率远远高于另外一些字母. 在进行了更深入的研究之后,人们还发现各个字母被使用的频率相当稳定．例如,下面就是英文字母使用频率的一字母使用频率的研究,对于打字机键盘的设计(在方便的地方安排使用频率较高的字母键)、印刷铅字的铸造(使用频率高的应铸得多些)、信息的编码(常用字母用较短的码)、密码的破译等等方面都是十分有用的．对于一个随机事件来说,它发生可能性大小的度量是由它自身决定的,并且是客观存在的．就好比一根木棒有长度,一块土地有面积一样,概率是随机事件发生可能性大小的度量,是随机事件自身的一个属性．一个根本的问题是,对一个给定的随机事件,它发生可能性大小的度量—一概率,究竟是多大呢？在前面的例子中,因为已经知道了盒子中的白球和黑球都是5个,才得以断定)(1 p =1/2.如果不知道盒子中的白球数和黑球数呢？在引言中已经提到,实践告诉我们,如果反复多次地从盒子中取球(取后放回搅匀),随着试验次数n 的增大,比值n n 白会逐渐稳定到1/2(n 白表示出现白球的次数),记·９· nn 白=试验总次数的次数出现1ω=)(1ωn f 称)(1ωn f 为事件ω1在n 次试验中出现的频率．频率当然也在一定程度上反映了发生可能性的大小．尽管每作—串(n 次)试验,所得到的频率)(1ωn f 可以各不相同,但是只要n 相当大,)(1ωn f 与)(1ωp 是会非常“靠近”的．因此概率是可以通过频率来“测量”的,或者说频率是概率的一个近似．在前述摸球的例子中,即使事先并不知道盒子中黑球和白球的比例数(这时概率虽然不知道,但它是客观存在的),经过反复多次的试验后,如果频率)(1ωn f 逐渐稳定到1/2,那么我们就可以判断盒子中的白球数和黑球数是相等的,进一步即可得到)(1ωp =1／2这个结论.这件事情其实质与测量长度和面积—样的平常,给定一根木棒,谁都不怀疑它有自身的“客观”的长度,长度是多少？我们可以用尺或仪器去测量,不论尺或仪器多么精确,测得的数值总是稳定在木棒真实的“长度”值的附近.事实上,人们也是把测量所得的值当作真实的“长度”．这个类比不仅帮助我们去理解概率和频率之间的内在关系,而且还启示了更深刻的事实：概率与长度、面积等变量一样,应该具有“测度”的性质.这个问题请读者先思考一下,然后让我们慢慢地来解释．二、频率和概率的性质：1.频率的性质:现在让我们比较仔细地考察一下频率．如果随机事件A 在n 次反复试验中发生了n 白次,称 )(A f n =n n 白为A 的频率．易知频率具有下述性质．(1)．非负性：即)(A f n ≥0； (2)．规范性,即若Ω是必然事件,则)(Ωn f ＝1；(3)．有限可加性：即若A 、B 互不相容(即AB=Φ),则)(B A f n ＝)(A f n 十)(B f n这三条性质的论证是很直观的,因为(1). A n ≥0,所以nn A ≥0；·１０·(2). Ω是必然事件,所以n n =Ω,从而nn Ω=1； (3). 若A ∪B 发生,意味着A 、B 中至少发生其中之一,又因为A 与B 互不相容(即不能同时发生),所以A ∪B 发生的次数一定是A 发生次数与B 发生次数之和,即B A B A n n n += ,从而有)(B A f n ＝)(A f n 十)(B f n成立．频率还具有一些别的性质,但是这三条性质是最基本的,其它的性质可以由它们推出．作为练习,读者不妨自己验证下述几个性质：(1) 不可能事件的频率为零,即)(Φn f =0；(2) 若A ⊂B,则)(A f n ≤)(B f n ,由此还可推得对任一事件A,有)(A f n ≤1；(3) 对有限个两两不相容事件(即任意两个事件互不相容),频率具有可加性.即若A i A j =Φ(1≤i,j≤m,i≠j),则()∑===⎪⎪⎭⎫ ⎝⎛ni i n n i i n A f A f 112. 概率的性质:因为频率的本质就是概率,因而我们有理由要求频率的这些性质也是概率所应该具有的．因为对每一个随机事件A,都有一个概率P(A)与之对应,而在§1中我们已经知道事件域ℱ是一个布尔代数,所以概P 实质上是在布尔代数上有定义的一个(集合)函数(因为ℱ中的元素是集合),它应该具有下述性质：(1)．非负性：P(A)≥0,对A ∈ℱ；(2)．规范性：P(Ω)＝1；(3)．有限可加性：若A i ∈ℱ,i ＝1,2,…,n,且A i A j ＝Φ(i ≠j),则()∑===⎪⎪⎭⎫ ⎝⎛ni i n n i i A f A P 11由此可知,给定一个随机试验,也就确定了一个样本空间Ω,事件域ℱ和概率P,其中ℱ是一个布尔代数,P 是定义在ℱ上的一个非负的、规范的有限可加集函数,这样一来,对随机试验这样的一个直观对象,我们就可以用“数学化”的语言来描述它们了．§1.3 古典概型教学目的要求：通过本节的学习,使学生在复习巩固排列组合的基础上掌握古典概型的定义和计算公式,并能灵活运用它们解决实际问题.教材分析：1．概括分析：古典概型在概率论中占有相当重要的地位,早在古代就引起了人们的注意.它的内容比较简单,应用却很广泛,深入考察古典概率问题,有助于我们直观地理解概率论的一些基本概念,合理地解决产品质量控制等实际问题.因此,掌握古典概率问题的解法,对于学好概率论具有十分重要的意义.本节首先给出古典概型的定义,然后在复习排列组合的基础上通过实例讲述古典概型问题的解法,达到灵活运用定义与公式的目的.2．教学重点：古典概型的定义与公式及古典概型问题的解法.3．教学难点：古典概型问题的解法及古典概型定义与公式的灵活运用.教学过程：在§2中已经提到,一个随机试验,数学上是用样本空间Ω,事件域ℱ和概率P来描述的．对一个随机事件A,如何寻求它的概率P(A)是概率论的一个基本的课题. 我们先讨论一类最简单的随机试验.一、古典概型的定义与计算公式:1.古典概型的定义:有一类最简单的随机试验,它具有下述特征：(1) 样本空间的元素(即基本事件)只有有限个.不妨设为n个,并记它们为ω1、ω2、…、ωn.(2)每个基本事件出现的可能性是相等的,即有 P(ω1)=P(ω2)=…P(ωn)这种等可能的数学模型曾经是概率论发展初期的主要研究对象,通常就称这种数学模型为古典概型.它在概率论中有很重要的地位,一方面,因为它比较简单,许多概念既直观而又容易理解,另一方面,它又概括了许多实际问题,有很广泛的应用.2.古典概型的计算公式:对上述的古典概型,它的样本空间Ω={ω1、ω2、…、ωn},事件域ℱ为Ω的所有子集的全体．这时,连同Φ、Ω在内,ℱ中含有2n个事件,并且从概率的有限可加性知:1＝P(Ω)＝P(ω1)+P(ω2)+…+P(ωn)于是 P(ω1)=P(ω2)=…=P(ωn)=1/n·１１··１２· 对任意一个随机事件A ∈ℱ,如果A 是k 个基本事件的和,即A ＝k i i i ωωω 21,则基本事件总数的有利事件数基本事件总数中所含的基本事件数A A n k A P ===)( (A 中所含的基本事件数,习惯上常常称为是A 的有利事件数),不难验证,上述的概率P(·)的确具有非负性、规范性和有限可加性.事实上,古典概型的大部分问题都能形象化地用摸球模型来描述.以后我们经常研究摸球模型,意义即在于此.前节例1.1及其有关概率的计算是古典概型的一个例子,但并不是所有古典概型的事件的概率计算都这么容易．事实上,古典概型中许多概率的计算相当困难而富有技巧,计算的要点是给定样本点,并计算它的总数,而后再计算有利场合的数目．在这些计算中,经常要用到一些排列与组合公式．二、基本的组合分析公式1.全部组合分析公式的推导基于下列两条原理：乘法原理与加法原理．为说明这两条原理,请读者和我们一起参加一个智力游戏.王经理从上海去北京参加一个商品展销会,但途中还要到天津去处理一件业务.从上海到天津可以坐飞机,也可以坐火车,还可以坐船；从天津到北京则只有火车与汽车两种交通工具可用.请问王经理从上海到北京一共有几种走法？图 2.1的图(a)是上述问题的忠实描绘.把它重新表示为(b),使我们一目了然地知道,王经理共有6种走法.这样一种表示方法是具有启发性的,它告诉我们,对于同类问题可有一个通用的计算方法．把上海—天津,再从天津—北京看作相继进行的两个过程,分别记为A 1与A 2．一般地,假设完成过程A 1共有n 1种方法(在我们的游戏中n 1＝3),完成A 2共有n 2种方法(本例中n 2＝2),那末,完成整个过程一共有n 1×n 2种方法(这里3×2＝6)．这就是所谓的乘法原理．现在把游戏的条件稍微改变一下．假定因时间关系,王经理只能去北京和天津中的一地,而从上海直接去北京可以有铁路与民航两种走法,此时王经理的走法一共有多少种呢？直接采用类似图2.1(b)的表示方法,便知此时共有5种走法,如图2.2所示.现在不同的是,两个过程不是相继的而是并行的.因此在计算中不能用乘法,只能用加法．这样,进行过程A 1或A 2的方法一共有n 1+n 2种.这就是加法原理．容易知道,这两条原理可以推广到多个过程的情况．利用上述原理,可以导出排列与组合的公式.2．排列：所谓排列,是从共有n 个元素的总体中取出r 个来进行有顺序的放置(或者说有顺序地取出r 个元素).这时既要虑到取出的元素也要顾及其取出顺序.这种排列可分为两类：第一种是有放回的选取,这时每次选取都是在全体元素中进行,同一元素可被重复选中；另一种是不放回选取,这时一个元素一旦被取出便立刻从总体中除去,因此每个元素至多被选中一次,在后一种情况,必有r ≤n ．(1)在有放回选取中,从n 个元素中取出r 个元素进行排列,这种排列称为有重复的排列,其总数共有n r 种．(2)在不放回选取中,从n 个元素中取出r 个元素进行排列,其总数为rn A ＝n(n －1)(n －2)…(n －r ＋1)这种排列称为选排列.特别当r ＝n 时,称为全排列．(3)n 个元素的全排列数为P n ＝n(n －1)…3·2·1＝n ！3．组合:(1)从n 个元素中取出r 个元素而不考虑其顺序,称为组合,其总数为:)!(!!!)1()1(!r n r n r r n n n r A r n C r n r n-=+--==⎪⎪⎭⎫ ⎝⎛= 这里⎪⎪⎭⎫ ⎝⎛r n 是二项展开式的系数,(a+b)n =∑=-⎪⎪⎭⎫ ⎝⎛n r r n r b a r n 0 (2)若r 1＋r 2＋…＋r k ＝n,把n 个不同的元素分成k 个部分,第一部分r 1个,第二部分r 2个,……,第k 部分r k 个,则不同的分法有:!!!!21k r r r n 种,上式中的数称为多项系数,因为它是(x 1＋x 2＋…＋x k )n 展开式中k rk r r x x x 2121的系数,当k ＝2时,即为组合数．(3)若n 个元素中有n 1个带足标“1”,n 2个带足标“2”,……,n k 个带足标“k ”,且n 1＋n 2＋…＋n k =n,从这n 个元素中取出r 个,使得带有足标“i ”的元素有r i 个(1≤i ≤k),而r 1＋r 2＋…＋r k =r,这时不同取法的总数为:⎪⎪⎭⎫ ⎝⎛⎪⎪⎭⎫ ⎝⎛⎪⎪⎭⎫ ⎝⎛k k r n r n r n 2211这里当然要求r i ≤n i .4．一些常用等式:把排列公式推广到r 是正整数而n 是任意实数x 的场合,有时是需要的,这时记r x A ＝x(x-1)(x-2)…(x-r ＋1)同样定义!)1()2)(1(!r r x x x x r A r x r x +---==⎪⎪⎭⎫ ⎝⎛ 及 0!=1, ⎪⎪⎭⎫ ⎝⎛0x =1. 对于正整数n,若r>n,则⎪⎪⎭⎫ ⎝⎛r n =0.这样一来二项系数有性质: ⎪⎪⎭⎫ ⎝⎛-=⎪⎪⎭⎫ ⎝⎛k n n k n , ⎪⎪⎭⎫ ⎝⎛-+-=⎪⎪⎭⎫ ⎝⎛-k k a k a k 1)1( 由于 ∑=⎪⎪⎭⎫ ⎝⎛=+nr r n x r n x 0)1(故 n n n n n n 2210=⎪⎪⎭⎫ ⎝⎛++⎪⎪⎭⎫⎝⎛+⎪⎪⎭⎫ ⎝⎛+⎪⎪⎭⎫ ⎝⎛ 利用幂级数乘法又可以证明⎪⎪⎭⎫ ⎝⎛+=⎪⎪⎭⎫ ⎝⎛⎪⎪⎭⎫ ⎝⎛++⎪⎪⎭⎫ ⎝⎛-⎪⎪⎭⎫ ⎝⎛+⎪⎪⎭⎫ ⎝⎛⎪⎪⎭⎫ ⎝⎛n b a b n a n b a n b a 0110 特别地 ⎪⎪⎭⎫ ⎝⎛=⎪⎪⎭⎫ ⎝⎛⎪⎪⎭⎫ ⎝⎛++⎪⎪⎭⎫⎝⎛-⎪⎪⎭⎫ ⎝⎛+⎪⎪⎭⎫ ⎝⎛⎪⎪⎭⎫ ⎝⎛n n n n n n n n n n n 20110 即 ⎪⎪⎭⎫ ⎝⎛=⎪⎪⎭⎫ ⎝⎛++⎪⎪⎭⎫ ⎝⎛+⎪⎪⎭⎫ ⎝⎛n n n n n n 210222 现在举一些求A ∈ℱ的概率P(A)的例子.在下面的讨论中,如无特别需要,常常把事件域ℱ略去.三、概率直接计算的例子：[例1]一部四本头的文集按任意次序放到书架上去,问各册自右向左或自左向右恰成1,2,3,4的顺序的概率是多少?[解] 若以a,b,c,d,分别表示自左向右排列的书的卷号,则上述文集放置的方式可与向量(a,b,c,d)建立一一对应,因为a,b,c,d 取值于1,2,3,4,因此这种向量的总数相当于4个元素的全排列数4!=24,由于文集按“任意的”次序放到书架上去,因此这24种排列中出现任意一种的可能性都相同,这是古典概型概率,其有利场合有2种,即自左向右或自右向左成1,2,3,4顺序,因此所求概率为：2/24=1/12[例2] 有10个电阻,其电阻值分别为1Ω,2Ω,…,10Ω,从中取出三个,要求取出的三个电阻,一个小于5Ω,一个等于5Ω,另一个大于5Ω,问取一次就能达到要求的概率．[解] 把从10个电阻中取出3个的各种可能取法作为样本点全体,这是古典概型,其总数为⎪⎪⎭⎫ ⎝⎛=310310C ,有利场合数为⎪⎪⎭⎫ ⎝⎛⎪⎪⎭⎫ ⎝⎛⎪⎪⎭⎫ ⎝⎛151114. 故所求概率为P=61310151114=⎪⎪⎭⎫ ⎝⎛⎪⎪⎭⎫ ⎝⎛⎪⎪⎭⎫ ⎝⎛⎪⎪⎭⎫ ⎝⎛[例3]某城有N 部卡车,车牌号从1到N,有一个外地人到该城去,把遇到的n 部车子的牌号抄下(可能重复抄到某些车牌号),问抄到的最大号码正好为k 的概率．(1≤k ≤N)[解]这种抄法可以看作是对N 个车牌号进行n 次有放回的抽样．所有可能的抽法共有N n 种,以它为样本点全体．由于每部卡车被遇到的机会可以认为相同,因此这是一个古典概型概率的计算问题,有利场合数可以这样考虑：先考虑最大车牌号不大于k 的取法,这样取法共有k n 种,再考虑最大车牌号不大于k-1的取法,其数目有(k-1)n 种,因此有k n -(k-1)n 种取法其最大车牌号正好为k,这就是有利场合的数目,因而所求概率为 P=n nn Nk k )1(-- [例4]设有n 个球,每个都能以同样的概率1/N 落到N 个格子(N ≥n)的每一个格子中,试求:(1)某指定的n 个格子中各有一个球的概率;(2)任何n 个格子中各有一个球的概率．[解]这是一个古典概型问题,由于每个球可落入N 个格子中的任一个,所以n 个球在N个格子中的分布相当于从N 个元素中选取n 个进行有重复的排列,故共有N n 种可能分布.在第一个问题中,有利场合相当于n 个球在那指定的n 个格子中全排列,总数为n!,因而所求概率为 P 1=n!/N n .在第二个问题中,n 个房间可以任意,即可以从N 个房间中任意选出n 个来,这种选法共有⎪⎪⎭⎫ ⎝⎛n N 种,对于每种选定的n 个房间,有利场合正如第一个问题一样为n!,故所求概率为nN n n N P !2⎪⎪⎭⎫ ⎝⎛= 这个例子是古典概型中一个很典型的问题,不少实际问题可以归结为它．例如,若把球解释为粒子,把格子解释为相空间中的小区域,则这个问题便相应于统计物理学中的马克斯威尔—波尔茨曼(MaxWell-Boltzmann)统计．概率论历史上有一个颇为有名的问题：要求参加某次集会的n 个人中没有两个人生日相同的概率．若把n 个人看作上面问题中的n 个球,而把一年的365天作为格子,则N=365,这时P 2就给出所求的概率.例如当n=40时,P 2=0.109,这个概率是意外的小.[例5] (抽签问题)袋中有a 只黑球,b 只白球,它们除颜色不同外,其他方面没有差别,现在把球随机地一只只摸出来,求第k 次摸出的一只球是黑球的概率(1≤k ≤a+b).[第一种解法] 把a 只黑球及b 只白球都看作是不同的(例如设想把它们进行编号),若把摸出的球依次放在排列成一直线的a+b 位置上,则可能的排列法相当于把a+b 个元素进行全排列,总数为(a+b)!,把它们作为样本点全体．有利场合数为a ×(a+b-1)!,这是因为第k 次摸得黑球有a 种取法,而另外(a+b-1)次摸球相当于a+b-1只球进行全排列,有(a+b-1)!种构成法,故所求概率为ba ab a b a a P k +=+-+⨯=)!()!1( 这个结果与k 无关．回想—下,就会发觉这与我们平常的生活经验是一致的.例如在体育比赛中进行抽签,对各队机会均等,与抽签的先后次序无关.[第二种解法] 把a 只黑球看作是没有区别的,把b 只白球也看作是没有区别的.仍把摸出的球依次放在排列成一直线的a+b 位置上,因若把a 只黑球的位置固定下来则其他位置必然是放白球,而黑球的位置可以有⎪⎪⎭⎫ ⎝⎛+b b a 种放法,以这种放法作为样本点.这时有利场合数为⎪⎪⎭⎫ ⎝⎛--+11a b a ,这是由于第k 次取得黑球,这个位置必须放黑球,剩下的黑球可以在a+b-1个位置上任取a-1个位置,因此共有⎪⎪⎭⎫ ⎝⎛--+11a b a 种放法．所以所求概率为 b a a a b a a b a P k +=⎪⎪⎭⎫ ⎝⎛+⎪⎪⎭⎫ ⎝⎛--+=11 两种不同的解法答案相同,注意考察一下两种解法的不同,就会发现主要在于选取的样本空间不同．在前—种解法中把球看作是“有个性的”,而在后一种解法中则对同色球不加区别,因此在第一种解法中要顾及各黑球及各白球间的顺序而用排列,第二种解法则不注意顺序而用组合,但最后还是得出了相同的答案.这种情况的产生并不奇怪,这说明对于同一随机现象,可以用不同的模型来描述,只要方法正确,结论总是一致的.在这个例子中,第二种解法中的每一个样本点是由第一种解法中的a!·b!个样本点合并而成的．这个例子告诉我们,在计算样本点总数及有利场合数时,必须对同一个确定的样本空间考虑,因此其中一个考虑顺序,另一个也必须考虑顺序,否则结果一定不正确．既然同一个随机现象可用不同的样本空间来描述,因此对同一个概率也常常有多种不同的求法,我们应逐步训练自己能采用最简便的方法解题,为此熟悉同一问题的多种不同解法是重要的.例如,对例5就存在着多种不同的解法,上面提供的只是比较自然的两种.注意到在这两种解法中,我们对不同的k 用的是同一个样本空间,也就是说：我们构造了一个可以描述a 十b 次摸球的样本空间,并利用它一举解决了“第k(1≤k ≤a+b)次摸得黑球”这一概率的计算．假如允许对不同的k 用不同的样本空间,则我们完全可以构造一个只包含前k 次试验,甚至只包含第k 次试验的样本空间,这时也能求得有关概率.特别是选用最后一种样本空间简直马上可以看出正确答案,不过这种做法对初学者或许不那么容易理解． 四、古典概率的计算方法:求解古典概率问题,一般要做好三方面的工作：一是判明问题性质,分辨所解的问题,是不是古典概率问题.如果问题所及的试验,具有以下两个基本特征：(1)试验的样本空间的元素只有有限个；(2)试验中每个样本点出现豹可能性相同.那么,我们就可断定它是一个古典概率问题.二是掌握古典概率的计算公式．如果样本空间包含的样本点的总数为n,事件A 包含的样本点数(即A 的有利场合的数目)为k,那么事件A 的概率是 P(A)=nk =样本点总数包含的样本点数事件A =样本点总数的有利场合数A 三是根据公式要求,确定n 和k 的数值.这是解题的关键性一步,计算方法灵活多变,没有一个固定的模式.古典概率一种解法,大体都是围绕n 和k 的计算而展开的.五、几类基本问题:抛硬币、掷骰(t óu)子、摸球、取数等随机试验,在概率问题的研究中,有着十分重要的意义.一方面,这些随机试验,是人们从大量的随机现象中筛选出来的理想化的概率模型.它们的内容生动形象,结构清楚明确,富有直观性和典型性,便于深入浅出地反映事物的本质,揭示事物的规律.另一方面,这种模型化的处理方法,思想活泼,应用广泛,具有极大的普遍性,不少复杂问题的解决,常常可以归结为某种简单的模型.因此,有目的地考察并掌握若干常见的概率模型,有助于我们举一反三,触类旁通,丰富解题的技能和技巧,从根本上提高解答概率题的能力.本部分主要讨论古典概率中的四类基本问题(摸球问题、分球入盒问题、随机取数问题和选票问题),给出它们的一般解法,指出它们的典型意义,介绍它们的常见应用.。
概率论与数理统计第一章——随机事件及概率
ex2: 从0,1,2,3,4,5, 这六个数字中任取四 个，问能组成多少个四位偶数?
解：组成的四位数是偶数,要求末位为0,2或
4,可先选末位数,共P31 种,前三位数的选取方法有
P53 种,而0不能作首位,所以所组成的偶数个数为
P1 P3 − P1 P1 P2 = 156 (个)
◼ 为方便起见，记Φ为不可能事件，Φ不 包含任何样本点。
(三) 事件的关系及运算 ❖事件的关系（包含、相等）
1A B：事件A发生一定导致B发生
2A＝B
A B
B A
B A
例：
✓ 记A={明天天晴}，B={明天无雨} B A ✓ 记A={至少有10人候车}，B={至少有5人候车}
B A
✓ 抛两颗均匀的骰子，两颗骰子出现的点数分别 记为x,y.记A={x+y为奇数}，B={两次的骰子点
A
B
n Ai：A1, A2,An至少有一发生
i=1
n Ai：A1, A 2 ,An同时发生
i =1
✓当AB= Φ时，称事件A与B是互不相
容的，或互斥的。
A
B
A A= A B =
A的逆事件记为A, A A =
, 若 A B =
,
称A, B互逆(互为对立事件)
AA
A
B
事件A对事件B的差事件：
◼可以在相同条件下重复进行(重复性)； ◼事先知道所有可能出现的结果（明确性）； ◼每次试验前并不知道哪个试验结果会发生 （随机性）。
例： ❖抛一枚硬币，观察试验结果； ❖对某路公交车某停靠站登记下车人数； ❖对某批同型号灯泡，抽取其中一只测 验其使用寿命（按小时计）。
第一章事件与概率讲解
习题集第一章 事件与概率1.在某城市中，公发行三种报纸A,B,C.在这个城市的居民中，订阅A 的占45%，订阅B 的占35%，订阅C 的占30%，同时订阅A 及B 的占10%，同时订阅A 及C 的占8%,同时订阅B 及C 的占5%,同时订阅A,B,C 的占3%.试求下列百分率：（1）只订阅A 的;(2) 只订阅A 及B 的；（3）只订阅一种报纸的；（4）正好订阅两种报纸的；（5）至少订阅一种报纸的；（6）不订阅报纸的。
解：（1）P A ｛只订购的｝()()()(){}P{A(B C)}P A P AB P AC P ABC =⋃-+-＝ 0.450.1.0.080.030.30=--+=（2） P ｛只订购A 及B 的｝{}()()P AB C P AB P ABC 0.100.030.07=-=-=-=｝（3） P ｛只订购A 的｝0.30=P ｛只订购B 的｝()P{B (A C)}0.350.100.050.030.23=-⋃=-+-=P ｛只订购C 的｝()P{C (A B)}0.300.050.080.030.20=-⋃=-+-=故P ｛只订购一种报纸的｝=P{只订购A}＋P{只订购B}＋P{只订购C}. 0.300.230.200.73=++=（4）P{正好订购两种报纸的}()()() P{AB C AC B BC A }-⋃-⋃-＝()()() P AB ABC P AC ABC P BC ABC =-+-+-()()()0.10.030.080.03.0.050.030.070.050.020.14=-+-+-=++=.（5）P ｛至少订购一种报纸的｝= P ｛只订一种的｝+ P ｛恰订两种的｝+ P ｛恰订三种的｝0.730.140.030=++=. （6）P ｛不订任何报纸的｝10.900.10=-= . 2．若A ，B ，C 是随机事件，说明下列关系式的概率意义：(1)A ABC =；(2)A C B A = ；(3)C AB ⊂；(4)BC A ⊂.解：（1）ABC A C A B A ABC A BC A ⊃⊃⇒⊂⊃⇒=且显然)(，若A 发生，则B 与C 必同时发生。
第一章事件与概率
第⼀章事件与概率第⼀章事件与概率⼀、教学要求1．理解随机事件的概念，了解随机试验、样本空间的概念，掌握事件之间的关系与运算．2．了解概率的各种定义，掌握概率的基本性质并能运⽤这些性质进⾏概率计算．3．理解条件概率的概念，掌握概率的乘法公式、全概率公式、贝叶斯公式，并能运⽤这些公式进⾏概率计算．4．理解事件的独⽴性概念，掌握运⽤事件独⽴性进⾏概率计算．5．掌握贝努⾥概型及其计算，能够将实际问题归结为贝努⾥概型，然后⽤⼆项概率计算有关事件的概率．⼆、重点与难点本章的重点、难点是正确理解概率、条件概率的基本概念，熟练掌握古典概型、贝努利概型和⼆项概率的计算以及加法公式、乘法公式、全概率公式、贝叶斯公式的应⽤。
§1.1 随机事件和样本空间⼀、随机试验与样本空间1. 随机试验(1)试验可以在相同条件下重复进⾏；(2)试验的所有可能结果在试验前可以明确知道；(3)每次试验总是恰好出现这些可能结果中的⼀个,但在⼀次试验之前却不能肯定这次试验会出现哪⼀个结果。
满⾜上述特点的试验称为随机试验，简称为试验。
2. 随机试验的例⼦E1：抛掷⼀枚质地均匀的硬币，观察正⾯和反⾯出现的情况；E2：掷⼀颗质地均匀的骰⼦，观察其出现的点数；E3：记录某⽹站⼀分钟内受到的点击次数；E4：将⼀枚硬币抛掷三次，观察出现正⾯的次数；E5：从某品牌的电视机中任取⼀台，观察其使⽤寿命。
3. 样本空间（1）样本空间：由随机试验的⼀切可能的结果组成的⼀个集合称为试验E样本空间，记为Ω；（2）样本点：试验的每⼀个可能的结果（或样本空间的元素）称为⼀个样本点，记为ω。
例1．试写出试验E1－E5的样本空间。
（1）1{,} H TΩ=，H表⽰“正⾯朝上”，T表⽰“反⾯朝上”；（2）2{1,2,3,4,5,6}Ω=；·３··４·（3）3{0,1,2,}Ω=；（4）4{0,1,2,3}Ω=；（5）5{,0}t t Ω=≥。
- 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、"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、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)。
2 P ( A) n 1
相关例题
首页
第三节
上一页
下一页
返回
退出
§1.4 概率的公理化定义及概率的性质
一、几何概型
几何概率的定义：设样本点的全体（样本空间） 是一个具有测度的有限区域Ω（此区域可以是一维、 二维或多维），如果样本点落在区域内的任何区域 G中的概率只与区域G的测度（即长度、面积、体 积等）成正比，而与G的形状无关，则向区域Ω中 任投一点，它落在区域G内的概率p等于区域G的测 度与区域Ω的测度的比值，即
加法原理和乘法原理
首页
上一页
下一页
返回
退出
引例（1） 试验1：一个盒子中有10个完全相同的白球，搅 匀后从中任意摸取一球。 其结果只有一个：取出一个白球。 这种类型的试验，在试验前就能断定它有一个确 定的结果，这种试验所对应的现象，称为确定现 象。 这种确定现象非常广泛，例如： 早晨，太阳必然从东方升起； 边长为a、b的矩形，其面积必然为a×b等
首页 第一节 上一页 下一页 返回 退出
二、事件的关系及运算 (1)事件间的关系 包含： B包含于A ，或A包含 B ，
Ω
A B
B A.or. A B
A＝B
相等：
A B.and.B A
并(和)： A∪B A与B至少有一个发生. 积(交)： A∩B(或AB) A与B同时发生. 差： A-B A发生而B不发生. 互不相容： AB=φ A与B不能同时发生. 对立： A不发生， A
{ A, A}, F { , , A, A}
1 由对称性 P ( A) P ( A) 2
注意：解1与解2所取的样本空间是不一样的。
首页
第三节
上一页
下一页
返回
退出
古典概型（5） 例题：n个人围成一个圆圈，求甲、乙二人相邻的 概率。 解：考虑甲、乙两人的相对位置。设 A＝{甲、乙二人相邻} ωi＝{乙在甲左边第 i 个位置}，则 Ω＝{ω1，ω2，…，ωn-1} 而甲、乙二人相邻只有ω1和ωn-1，所以
首页
上一页
下一页
返回
退出
引例（2） 试验2：一个盒子中有10个相同的球，但5个是白 色的，另外5个是黑色的，搅匀后从中任意摸取 一球。 其结果有两个：取出一个白球或者取出一个黑球。 这种类型的试验，它有多于一种的试验结果，但 是在试验前不能确定会出现哪一个结果（取出的 是白球还是黑球），就一次试验来说，看不出什 么规律，但是“大数次”地重复这个试验，试验 结果又遵循某些规律，这种规律称为“统计规 律”，这类试验称为随机试验，试验所代表的现 象，称为随机现象。
S A 20 1 P( A) S 60 3
首页 第四节 上一页 下一页 返回 退出
几个例题（2）
例1.11.（会面问题）设两人约定上午7点至8点之间到某地 会面，并约定先到者应等候另一人20分钟，过时即离去，求 两人能会面的概率. 分析：与会面问题有关的随机变量是两人到达的时刻，因 为两人都是在7点至8点之间会面，若两人到达的时刻分别用 x，y来表示，则不妨设 0≤x≤60 ， 0≤y≤60 （x，y以分钟计） （见图1－2） 即样本空间Ω是一边长为60的正方形，又两人若能会面则到 达的时刻相差不能超过20分钟，即能会面的充要条件是 │x－y│≤20 即当样本点（x，y）落在直线 y＝x＋20 、 y＝x－20 与正方形Ω所围成的区域之间时， 两人才能会面.
则A＝{2,4,6,8,10}
所以A中含有nA＝5个基本事件，从而
nA 5 1 P ( A) n 10 2
首页 第三节 上一页 下一页 返回 退出
古典概型（4） 例1.6 在盒子中有十个相同的球，分别标有号码1、 2、…、10，从中任取一球，求此球的号码是偶数 的概率。 解2：令 A＝{所取球的号码为偶数}， 则 A {所取球的号码为奇数}，
为A的频率。 频率的性质： 1.非负性：即 P(A)≥0； 2.规范性：即若Ω是必然事件，则 3.有限可加性：即若A、B互不相容 P (Ω ) 1 （即AB＝φ），则
nA fn ( A) n
fn ( A B) fn ( A) fn ( B)
首页 第一章
上一页
下一页
返回
退出
概率与频率（2） 因为频率的本质是概率因而频率具有的性质概率也 应该具有： 1.非负性：即P(A)≥0； 2.规范性：即若Ω是必然事件，则 P (Ω ) 1 3.有限可加性：即若Ai∈F，i=1,2,…,n， j 且AiAj＝φ（ i ），则
G的测度 SG p＝ ＝ Ω 的ቤተ መጻሕፍቲ ባይዱ度 SΩ
首页 上一页 下一页 返回 退出
几个例题
例1. 某火车站每隔1小时有一辆火车到达（假设 每一辆火车可带走车站上的所有乘客），假设每个 乘客到达火车站的时刻是任意的，求一乘客候车时 间不超过20分钟的概率. 分析：此题可看作向区间[0，60]内均匀投点， 而点落入[0，20]的概率. 解：设A＝{一乘客候车时间不超过20分钟} 则由几何概率知：
A F
i i 1
n
在集合论中，满足上述三个条件的集合类，称 作布尔代数。所以，事件域是一个布尔代数。
首页 第一节 上一页 下一页 返回 退出
§1.2 概率与频率 定义1.1 随机事件A发生可能性大小的度量（数 值），称为A发生的概率，记作P(A)。 如果随机事件A在n次反复试验中发生了nA次，称
首页
第一章
上一页
下一页
返回
退出
几个定义（2） 2.基本事件：随机试验中的每一个可能结果，称 为基本事件（或称为样本点）。记为ω。 3.样本空间：由所有基本事件组成的事件称为样 本空间，记为Ω。 4.随机事件：由多个基本事件组成的事件称为复 合（复杂）事件，基本事件和复合事件统称为随机 事件，简称事件。记为A、B、C、…。 5.不可能事件：在试验中必定不发生的事件称为 不可能事件（或称为空集）。记为φ。 6.必然事件：在试验中必定发生的事件（即由所 有基本事件组成的事件）称为必然事件（即样本空 间，或称为全集）。记为Ω(或U)
第一节 上一页 下一页 返回 退出
事件的运算(4)
(2)事件的运算顺序： 事件式： 用运算符号把事件连接起来的 算式. 在事件式中，事件的运算顺序规定如下： 第一“括号”， 第二“逆”， 第三“交”， 第四"并"或"差".
首页
第一节
上一页
下一页
返回
退出
（二）事件域
Ω中是事件的子集构成的类称为事件域。 A 即 F＝{A， ，A是事件} 事件域应满足以下要求： （1）ω∈F； （2）若A∈F，则 A F （3）若Ai∈F， i＝1，2，…，n，则
首页 上一页 下一页 返回 退出
引例（3） 这种随机现象在客观世界中也是极为普遍的，例 如： 某地的年降雨量； 检查流水生产线上的某个产品是合格品还是不合 格品？； 打靶射击时，弹着点距靶心的距离等
首页
上一页
下一页
返回
退出
第一章目录 §1.1随机事件和样本空间 §1.2 概率和频率
§1.3 古典概型
首页 第一章 上一页 下一页 返回 退出
古典概型（2）
古典概型中事件概率的计算： 一个事件A的概率一般用P(A)来表示。 概率的古典定义： 若m表示事件A中所包含的基本事件（样本 点）的个数（习惯上常常称为A的有利事件 数），n表示基本事件（样本点）总数，则事 件A的概率：
m P ( A) n
§1.4 概率的公理化定义及概率的性质 §1.5 条件概率、全概率公式和贝叶斯公式 §1.6 独立性
§1.7 贝努里概型
首页
上一页
下一页
返回
退出
§1.1 随机事件和样本空间 一、几个定义： 1.随机试验：一个试验如果满足以下条件： (1)试验可以在相同的条件下重复进行； (2)试验的所有结果是明确可知的，并且不止一 个； (3)每次试验总是恰好出现这些结果中的一个， 但在一次试验之前却不能肯定这次试验会出现哪一 个结果。 则称这样的试验是一个随机试验（简称试验）。
A A
i i 1 i 1
n
n
i
Ai Ai i i
1 1
n
n
首页
第一节
上一页
下一页
返回
退出
事件的运算(2)
在概率论中常常用集合来表示事件，因 为事件间的运算与集合间的运算是完全可以 类比的，在以后的讨论中事件往往以集合的 形式出现.下面给出这种类比的对应关系：
首页
第一节
上一页
首页 第一节
Ω
A B
A
A B
Ω
上一页
下一页
返回
退出
（一）事件的运算(1) (1)事件的运算律 交换律： A∪B＝B∪A，AB＝BA； 结合律： (A∪B)∪ C＝A∪(B∪C)，(AB)C＝A(BC)； 分配律： A(B∪ C)＝AB∪AC， A∪BC＝(A∪B)(A∪C)； 重叠律： A∪A＝A，AA＝A； 吸收律： 如果 A B ，那么A∪B＝B，AB＝A； 德-莫根定律（对偶原则）：
P ( Ai ) P ( Ai )
i 1 i 1
n
n
首页
第二节
上一页
下一页
返回
退出
§1.3
古典概型
古典概型的定义：如果一个随机现象具有下 列两个特点： (1)基本事件(样本点)的个数是有限的。不 妨设为n个，并记为ω1，ω2，…，ωn。 (2)每个基本事件出现的可能性相等，即有 P(ω1)＝P(ω2)＝…＝P(ωn) 那么这类随机现象的数学模型叫做古典 概型。古典概型在概率论中有着很重要的地 位，它概括了许多实际问题，有很广泛的应 用。
首页 第三节 上一页 下一页 返回 退出