12--第十二章概率与统计

合集下载

第十二章随机过程及其统计描述概率论与数理统计

第十二章随机过程及其统计描述概率论与数理统计

20
当n充分大时, n维分布函数族能够近似地描 述随机过程的统计特性. 显然, n取得越大, 则 n维分布函数族描述随机过程的特性也越趋 完善. 一般, 可以指出(科尔莫戈罗夫定律):有 限维分布函数族, 即{FX(x1,x2,...,xn, n=1,2,...,t1, t2, ...,tn), tiT}完全地确定了随机过程的统计 特性.
4
随机过程可看作多维随机变量的延伸. 随机过 程与其样本函数的关系就象数理统计中总体 与样本的关系一样. 因此, 热噪声电压的变化过程{V(t), t0}是一 随机过程, 它的状态空间是(-, +), 一次观 测到的电压-时间函数就是这个随机过程的一 个样本函数. 在以后的叙述中, 为简便起见, 常以X(t), tT 表示随机过程. 在上下文不致混淆的情况下, 一般略去记号中的参数集T.
13
随机过程的不同描述方式在本质上是一致的. 在理论分析时往往以随机变量族的描述方式 作为出发点, 而在实际测量和数据处理中往往 采用样本函数族的描述方式. 这两种描述方式 在理论和实际两方面是互为补充的. 随机过程可依其在任一时刻的状态是连续型 或离散型随机变量而分成连续型随机过程和 离散型随机过程. 热噪声电压, 例2和例3是连 续型随机过程, 例1, 例4和例5是离散型随机过 程.
12
工程技术中有很多随机现象, 例如, 地震波幅, 结构物承受的风荷载, 时间间隔(0, t]内船舶甲 板"上浪"的次数, 通讯系统和自控系统中的 各种噪声和干扰, 以及生物群体的生长等等变 化过程都可用随机过程这一数学模型来描绘. 不过, 这些随机过程都不能象随机相位正弦波 那样, 很方便, 很具体地用时间和随机变量(一 个或几个)的关系式表示出来, 其主要原因是 自然界和社会产生随机因素的机理极为复杂, 甚至不可能观察到, 因此只有通过分析样本函 数才能掌握它们的规律性.

概率与统计的基本概念

概率与统计的基本概念

概率与统计的基本概念概率和统计是数学中两个非常重要的分支,它们在各个领域都有广泛的应用。

概率涉及了随机现象的量化描述,而统计则是根据已有的数据进行推断和决策。

本文将介绍概率与统计的基本概念,包括概率的定义、基本性质,以及统计的描述、推断和决策等内容。

一、概率的基本概念概率是用来描述随机事件发生可能性的一种数学工具。

在概率的研究中,我们关心的是一个实验可能得到的结果,这些结果构成了实验的样本空间。

对于一个样本空间Ω,其中的每个元素ξ 都代表了一种可能的结果。

那么,概率就是一个函数P(ξ) ,它把每个结果映射到一个实数上,该实数代表了这个事件发生的可能性。

1.1 概率的定义概率的定义有多种形式,其中最常用的是频率定义和古典定义。

频率定义认为,一个事件的概率就是它在多次重复实验中发生的比例。

而古典定义则认为,一个事件的概率是由事件中的有利结果数除以样本空间中的可能结果数。

1.2 概率的基本性质概率具有一些基本的性质,例如非负性、规范性、可列可加性和互斥性等。

非负性要求事件的概率必须大于等于零;规范性要求样本空间的概率为一;可列可加性要求对于任意一列互不相容的事件,它们的概率之和等于这些事件单独发生的概率之和;互斥性要求如果两个事件互斥,那么它们的概率之和等于它们各自的概率之和。

二、统计的基本概念统计是通过对已有数据的整理、描述、推断和决策来认识未知事物的学科。

统计学涉及了样本的描述、参数的点估计与区间估计、假设检验和回归分析等方面的内容。

2.1 描述统计描述统计是统计学中最基本的内容。

它根据观测到的数据,运用各种统计工具进行数据的整理、分类和展示。

例如,常见的统计量有均值、中位数、众数、标准差等,这些统计量可以用来描述数据的位置、离散程度和分布情况。

2.2 参数的点估计与区间估计参数是用来描述总体特征的某一数量,如总体的均值或方差。

由于总体往往无法直接观测,所以我们需要通过样本来估计总体的参数。

点估计是根据样本数据,采用一定的方法估计总体参数的值。

高等数学第12章 概率论与数理统计

高等数学第12章 概率论与数理统计
记作B A
易知:A B, 即事件A与B为互逆事件
高等数学
6. 事件的运算律
1、交换律:A B=B A,AB=BA 2、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、对偶(De Morgan)律:
A U B A I B, AB A U B
推广:U Ak I Ak , I U Ak Ak .
k
k
k
k
高等数学
例 甲、乙两人各向目标射击一次,设:
A=甲击中目标,B 乙击中目标
试用A、B的运算关系表示下列事件 :
A1 目标被击中: A U B A2 两人恰有一人击中目标: AB U AB A3 目标未被击中: AB A4 两人都击中目标: AB
P(A | B) 1 3
高等数学
条件概率计算
P( A | B) P( AB) P(B)
P(B | A) P( AB) P( A)
高等数学
概率的乘法公式
两个事件 : P( AB) P( A)P(B | A) P(B)P( A | B)
三个事件 :
P( A1 A2 A3 ) P( A1 )P( A2 | A1 )P( A3 | A2 A1 )
高等数学
概率的性质
1) 对于任一事件 A,有 0 剟P(A) 1
2) 0P() 1, P() 0
3) 若 0AB, 则Æ
0P(A U B) P(A) P(B)
推论: 对于任一事件 ,A有 0P(A) 1 P(A)
推广: n个事件A1,A2,L ,An是互不相容的事件组,有

概率与统计的基本概念

概率与统计的基本概念

概率与统计的基本概念概率与统计是数学中非常重要的分支,它们帮助我们分析和解释现实世界中发生的随机事件。

在这篇文章中,我们将介绍概率与统计的基本概念,帮助读者对这两个概念有更清晰的理解。

一、概率的基本概念概率是指某一事件发生的可能性。

我们常常使用一个介于0和1之间的数值来表示概率,其中0表示事件不可能发生,1表示事件一定会发生。

概率的计算可以通过以下公式来进行:P(A) = n(A) / n(S)其中,P(A)表示事件A发生的概率,n(A)表示事件A发生的次数,n(S)表示样本空间S中的元素个数。

除了计算并表示概率,我们还可以通过概率的加法法则和乘法法则来分析多个事件的概率。

二、统计的基本概念统计是通过对样本数据的收集、整理和分析,来推断总体特征或者进行决策的一种科学方法。

统计学中的基本概念包括总体、样本、参数和统计量。

总体是指我们要研究的对象的全体,而样本是我们从总体中选取的一小部分元素。

参数是对总体的特征进行度量的数值,例如总体的平均值或者标准差。

而统计量则是对样本的特征进行度量的数值,例如样本的平均值或者标准差。

通过对样本数据的分析,我们可以对总体的特征进行估计,并且通过假设检验来判断某种假设是否成立。

三、概率与统计的关系概率和统计密切相关,它们相互支持和补充。

在概率中,我们通过已知的概率来预测随机事件的结果;而在统计中,我们通过样本数据来估计总体的特征,并进行决策。

概率和统计在许多领域都有广泛应用。

例如,概率论在投资和风险管理中应用广泛,帮助投资者预测股票价格的涨跌;而统计学在医学研究中应用广泛,通过对患者的样本数据进行分析,帮助医生判断某种治疗方法的有效性。

总结:概率与统计是数学中非常重要的分支,通过对随机事件和样本数据的分析,帮助我们理解和解释现实世界中的现象。

概率和统计的基本概念包括概率的计算方法、统计的基本概念以及它们之间的关系。

理解这些基本概念,将有助于我们更好地应用概率和统计的方法,进行科学的决策和分析。

概率与统计

概率与统计

概率与统计是一门重要的数学学科,在各个领域都有广泛的应用。

概率与统计不仅帮助我们理解随机事件的规律,还可以通过收集和分析数据来进行预测和决策。

首先,让我们来探讨一下概率的概念。

概率是描述事件发生可能性的度量,用一个介于0到1之间的数值表示。

0表示事件不可能发生,1表示事件一定会发生。

而在0到1之间的数值则表示事件发生的可能性大小。

概率可以通过实验、统计或推理等方法进行计算。

在生活中,我们经常会用到概率,例如天气预报中的降雨概率,投资市场中的回报概率等等。

然后是统计学,在概率的基础上,统计学通过收集、整理和分析数据来了解现象的规律。

统计学有两个主要的分支,描述统计和推断统计。

描述统计是对现有数据进行总结和分析,例如平均数、方差、标准差等。

推断统计则是通过已有数据对总体进行推断,例如对人口比例、产品质量等进行估计。

概率与统计常常相互结合,互为补充。

概率可以帮助我们预测未来事件的可能性,而统计则可以通过收集数据来加强概率推测的准确性。

例如,我们可以通过收集大量的数据,计算出某种疾病的患病率,进而预测未来某人患病的概率。

又或者,我们可以通过统计数据来评估某种药物的疗效,进而推测该药物适用于什么类型的病人。

除此之外,概率与统计还可以帮助我们做出决策。

在不确定的情况下,我们可以通过计算概率来评估不同决策的可能结果,并选择可能性最高的决策。

例如,在投资市场中,我们可以通过统计数据来评估不同投资项目的风险和收益,进而做出最明智的投资决策。

最后,概率与统计也具有广泛的应用领域。

在自然科学中,概率与统计可以帮助我们解释现象的规律,例如天气模型、物理实验等。

在社会科学中,概率与统计可以帮助我们研究人类行为和社会现象,例如经济统计、人口普查等。

在工程领域中,概率与统计可以帮助我们评估产品质量、优化生产过程等,进而提高生产效率。

综上所述,概率与统计是一门重要的数学学科,它不仅帮助我们理解随机事件的规律,还可以通过收集和分析数据来进行预测和决策。

概率与统计基本概念

概率与统计基本概念

概率与统计基本概念在我们的日常生活和各种科学研究中,概率与统计是两个经常被提及的重要概念。

它们帮助我们理解和解释不确定性,预测未来的结果,并从大量的数据中提取有价值的信息。

接下来,让我们一起走进概率与统计的世界,去了解它们的基本概念。

概率,简单来说,就是衡量某件事情发生可能性大小的一个数值。

比如说,抛一枚均匀的硬币,正面朝上的概率是05,也就是二分之一。

这意味着,如果我们进行大量的抛硬币实验,大约有一半的次数会出现正面朝上的结果。

概率的计算有多种方法。

对于等可能事件,我们可以通过事件可能出现的结果数除以所有可能的结果数来计算概率。

例如,从一个装有 5 个红球和 3 个白球的袋子中随机取出一个球,取出红球的概率就是 5÷(5 + 3) = 5/8。

在概率中,还有一些重要的概念。

条件概率就是在某个条件发生的情况下,另一个事件发生的概率。

比如,已知今天下雨,明天晴天的概率就是一个条件概率。

独立事件则是指一个事件的发生与否不影响另一个事件发生的概率。

比如,抛两次硬币,第一次的结果不影响第二次的结果,这两次抛硬币就是独立事件。

而统计,则是收集、整理、分析和解释数据的一门学科。

我们通过统计可以了解到某个群体的特征、趋势和规律。

数据是统计的基础。

数据可以分为定量数据和定性数据。

定量数据是可以用数字来衡量的,比如身高、体重、年龄等;定性数据则是不能用数字直接衡量的,比如性别、职业、颜色等。

为了更好地理解数据,我们需要对数据进行整理和描述。

常见的描述数据的方法有图表法,比如柱状图、折线图、饼图等,它们能够直观地展示数据的分布和趋势。

还有一些统计量,比如平均数、中位数和众数,它们可以反映数据的集中趋势;而方差和标准差则可以反映数据的离散程度。

平均数是所有数据的总和除以数据的个数。

比如一组数据2、4、6、8、10 的平均数就是(2 + 4 + 6 + 8 + 10)÷5 = 6。

中位数是将数据从小到大排列后,位于中间位置的数。

概率与统计的基本概念

概率与统计的基本概念

概率与统计的基本概念概率与统计是数学的两个重要分支,它们与我们的日常生活息息相关,被广泛应用于各个领域。

本文将介绍概率与统计的基本概念,包括概率、随机变量、概率分布、样本空间、均值、方差等内容,以帮助读者更好地理解和应用这两个概念。

一、概率概率是描述随机事件发生可能性大小的数值。

概率的值介于0和1之间,0表示不可能事件,1表示必然事件。

概率可以通过实验、几何模型或统计推断等方式进行计算。

例如,掷一枚硬币,正面朝上的概率为1/2,反面朝上的概率也为1/2。

概率的计算可以通过频率法、古典概型或主观概率等方法。

二、随机变量随机变量是对随机事件结果进行数值化的抽象表示。

随机变量可以分为离散型和连续型两种。

离散型随机变量取有限个或无限可数个数值,例如扔一个骰子的结果为1、2、3、4、5、6;而连续型随机变量可以取任意实数值,例如测量某物体的重量。

随机变量可以用来描述概率分布、寻找期望值和方差等。

三、概率分布概率分布是描述随机变量的可能取值及其对应概率的统计规律。

常见的概率分布有离散型分布和连续型分布。

离散型分布包括伯努利分布、二项分布和泊松分布等,用于描述重复实验的结果。

连续型分布包括均匀分布、正态分布和指数分布等,适用于测量类实验的结果。

四、样本空间样本空间是指所有可能试验结果的集合。

例如,抛掷一枚骰子的样本空间为{1,2,3,4,5,6}。

样本空间的大小可以用有限或无限可数个元素来表示。

在统计中,我们通过对样本空间的设计和分析,来推断总体的一些特征。

五、均值与方差均值和方差是描述随机变量集中趋势和离散程度的统计量。

均值是指随机变量取值的平均数,用来表示一个集合的中心倾向;而方差是指随机变量值与均值之间的差异程度,用来表示数据的分散程度。

均值和方差可以通过样本统计量来估计总体参数。

概率与统计的基本概念对于我们理解和分析数据具有重要意义。

通过概率与统计的方法,我们可以对数据进行建模、预测和推断,帮助我们做出科学合理的决策。

高三数学第一轮复习 第十二章《概率和统计》课件

高三数学第一轮复习 第十二章《概率和统计》课件

• 探究2 等可能事件的概率,首先要弄清楚试验结果是不 是“等可能”,其次要正确求出基本事件总数和事件A所 包含的基本事件的个数.
• 思考题2 某汽车站每天均有3辆开往省城济南的分为上、 中、下等级的客车,某天袁先生准备在该汽车站乘车前 往济南办事,但他不知道客车的车况,也不知道发车顺 序.为了尽可能乘上上等车,他采取如下策略:先放过 一辆,如果第二辆比第一辆好则上第二辆,否则上第三 辆.那么他乘上上等车的概率为__________.
4.一个坛子里有编号 1,2,…,12 的 12 个大小相同
的球,其中 1 到 6 号球是红球,其余的是黑球,若从中
任取两个球,则取到的都是红球,且至少有 1 个球的号
码是偶数的概率为( )
1
1
A.22
B.11
3
2
C.22
D.11
解析 分类:一类是两球号均为偶数且为红球,有 C32 种取法;另一类是两球号码是一奇一偶有 C31C31 种取 法
• 思考题1 掷两颗均匀的普通骰子,两个点数和为x(其中 x∈N*).
• ①记事件A:x=5,写出事件A包含的基本事件,并求P(A);
• ②求x≥10时的概率.
• 【分析】 每一次试验得到的是两颗骰子的点数,所以 每一个基本事件都对应着有序数对.
【解析】 ①每次试验两颗骰子出现的点数分别记为
m、n
最短路线的概率是( )
1
1
A.2
B.3
1
1
C.5
D.6
解析 基本事件,等可能事件的概率. • 答案n=3D×2=6,m=1. ∴P(A)=16.
• 3则.剩有下五两答个个案数数字字1130都、是2、奇3数、的4、概5率中是,_若__随__机__取__出__三_(个结数果字用, 数值表示解)析. 任取的三个数字中有 2 个偶数,1 个奇数,

概率和统计知识点总结

概率和统计知识点总结

概率和统计知识点总结1. 概率的基本概念概率是描述随机现象发生可能性的数学工具。

在概率论中,我们研究的对象是随机实验,即是某种条件下可能出现的各种可能和其相应的概率。

概率的基本概念包括样本空间、事件、概率的定义和性质等。

样本空间是指随机实验的所有可能结果的集合。

事件是样本空间的子集,即是样本空间中的某一部分。

事件的概率就是事件发生的可能性。

概率的定义有频率派和贝叶斯派的不同观点,频率派认为概率是频率的极限,贝叶斯派认为概率是主观的相信程度。

概率的性质包括非负性、规范性、可加性等。

2. 常见的概率分布在概率论中,概率分布是表示随机变量取值可能性的函数。

常见的概率分布包括离散型概率分布和连续型概率分布。

离散型概率分布包括伯努利分布、二项分布、泊松分布等。

伯努利分布描述的是一个随机变量只有两个可能取值的概率分布,二项分布表示的是n重伯努利试验的概率分布,泊松分布描述的是单位时间或单位面积内随机事件出现次数的概率分布。

连续型概率分布包括均匀分布、正态分布、指数分布等。

均匀分布描述的是在一定范围内随机变量取值均匀分布的概率分布,正态分布是一种对称的连续型概率分布,指数分布描述的是一个随机事件首次发生的时间间隔的概率分布。

3. 统计参数估计统计参数估计是利用样本数据估计总体参数的方法。

在统计学中,总体参数是描述总体特征的变量,样本是从总体中抽取的一部分数据。

参数估计包括点估计和区间估计。

点估计是用样本数据估计总体参数的具体值。

常见的点估计方法包括最大似然估计、矩估计等。

最大似然估计是通过寻找数据使得似然函数最大化的方法来估计总体参数,矩估计是利用样本矩来估计总体矩。

区间估计是用样本数据估计总体参数的区间范围。

区间估计的原理是通过置信区间来估计总体参数的范围,通常使用样本均值和标准差来构建置信区间。

4. 假设检验假设检验是统计学中用来验证总体参数的方法。

在假设检验中,我们设定一个或者两个关于总体参数的假设,然后利用样本数据进行检验。

高中数学知识点第十二章-概率与统计

高中数学知识点第十二章-概率与统计

高中数学知识点第十二章-概率与统计 考试内容:抽样方法.总体分布的估计. 总体期望值和方差的估计. 考试要求:(1)了解随机抽样了解分层抽样的意义,会用它们对简单实际问题进行抽样. (2)会用样本频率分布估计总体分布. (3)会用样本估计总体期望值和方差.§12. 概率与统计 知识要点一、随机变量.1. 随机试验的结构应该是不确定的.试验如果满足下述条件: ①试验可以在相同的情形下重复进行;②试验的所有可能结果是明确可知的,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.它就被称为一个随机试验.2. 离散型随机变量:如果对于随机变量可能取的值,可以按一定次序一一列出,这样的随机变量叫做离散型随机变量.若ξ是一个随机变量,a ,b 是常数.则b a +=ξη也是一个随机变量.一般地,若ξ是随机变量,)(x f 是连续函数或单调函数,则)(ξf 也是随机变量.也就是说,随机变量的某些函数也是随机变量.设离散型随机变量ξ可能取的值为: ,,,,21i x x xξ取每一个值),2,1(1 =i x 的概率i i p x P ==)(ξ,则表称为随机变量ξ的概率分布,简称ξ的121i 注意:若随机变量可以取某一区间内的一切值,这样的变量叫做连续型随机变量.例如:]5,0[∈ξ即ξ可以取0~5之间的一切数,包括整数、小数、无理数.3. ⑴二项分布:如果在一次试验中某事件发生的概率是P ,那么在n 次独立重复试验中这个事件恰好发生k 次的概率是:kn k k n qp C k)P(ξ-==[其中p q n k -==1,,,1,0 ] 于是得到随机变量ξ的概率分布如下:我们称这样的随机变量ξ服从二项分布,记作ξ~B(n ·p ),其中n ,p 为参数,并记p)n b(k;qp C k n k k n ⋅=-. ⑵二项分布的判断与应用.①二项分布,实际是对n 次独立重复试验.关键是看某一事件是否是进行n 次独立重复,且每次试验只有两种结果,如果不满足此两条件,随机变量就不服从二项分布. ②当随机变量的总体很大且抽取的样本容量相对于总体来说又比较小,而每次抽取时又只有两种试验结果,此时可以把它看作独立重复试验,利用二项分布求其分布列. 4. 几何分布:“k =ξ”表示在第k 次独立重复试验时,事件第一次发生,如果把k 次试验时事件A 发生记为k A ,事A 不发生记为q )P(A ,A k k =,那么)A A A A P(k)P(ξk 1k 21-== .根据相互独立事件的概率乘法分式:))P(A A P()A )P(A P(k)P(ξk 1k 21-== ),3,2,1(1 ==-k p q k 于是我们称ξ服从几何分布,并记p q p)g(k,1k -=,其中 3,2,1.1=-=k p q5. ⑴超几何分布:一批产品共有N 件,其中有M (M <N )件次品,今抽取)N n n(1≤≤件,则其中的次品数ξ是一离散型随机变量,分布列为)M N k n M,0k (0CC C k)P(ξnNk n MN k M -≤-≤≤≤⋅⋅==--.〔分子是从M 件次品中取k 件,从N-M 件正品中取n-k 件的取法数,如果规定m <r 时0C rm=,则k 的范围可以写为k=0,1,…,n.〕 ⑵超几何分布的另一种形式:一批产品由 a 件次品、b 件正品组成,今抽取n 件(1≤n ≤a+b ),则次品数ξ的分布列为n.,0,1,k CC C k)P(ξnba kn bk a =⋅==+-.⑶超几何分布与二项分布的关系. 设一批产品由a 件次品、b 件正品组成,不放回抽取n 件时,其中次品数ξ服从超几何分布.若放回式抽取,则其中次品数η的分布列可如下求得:把b a +个产品编号,则抽取n 次共有n b a )(+个可能结果,等可能:k)(η=含kn k k n ba C -个结果,故n 0,1,2,k ,)ba a (1)b a a (C b)(a ba C k)P(ηkn k k n nkn k k n =+-+=+==--,即η~)(b a a n B +⋅.[我们先为k 个次品选定位置,共k n C 种选法;然后每个次品位置有a 种选法,每个正品位置有b 种选法] 可以证明:当产品总数很大而抽取个数不多时,k)P(ηk)P(ξ=≈=,因此二项分布可作为超几何分布的近似,无放回抽样可近似看作放回抽样.二、数学期望与方差.1. 期望的含义:一般地,若离散型随机变量ξ的概率分布为n n 2211.数学期望反映了离散型随机变量取值的平均水平.2. ⑴随机变量b a +=ξη的数学期望:b aE b a E E +=+=ξξη)( ①当0=a 时,b b E =)(,即常数的数学期望就是这个常数本身.②当1=a 时,b E b E +=+ξξ)(,即随机变量ξ与常数之和的期望等于ξ的期望与这个常数的和.③当0=b 时,ξξaE a E =)(,即常数与随机变量乘积的期望等于这个常数与随机变量期望的乘积.⑵单点分布:c c E =⨯=1ξ其分布列为:c P ==)1(ξ.⑶两点分布:p p q E =⨯+⨯=10ξ,其分布列为:(p +q = 1)⑷二项分布:∑=⋅-⋅=-np q pk n k n k E k n k)!(!!ξ 其分布列为ξ~),(p n B .(P 为发生ξ的概率)⑸几何分布:pE 1=ξ 其分布列为ξ~),(p k q .(P 为发生ξ的概率) 3.方差、标准差的定义:当已知随机变量ξ的分布列为),2,1()( ===k p x P k k ξ时,则称+-++-+-=n n p E x p E x p E x D 2222121)()()(ξξξξ为ξ的方差. 显然0≥ξD ,故σξξσξ.D =为ξ的根方差或标准差.随机变量ξ的方差与标准差都反映了随机变量ξ取值的稳定与波动,集中与离散的程度.ξD 越小,稳定性越高,波动越小............... 4.方差的性质.⑴随机变量b a +=ξη的方差ξξηD a b a D D 2)()(=+=.(a 、b 均为常数) ⑵单点分布:0=ξD 其分布列为p P ==)1(ξ ⑶两点分布:pq D =ξ 其分布列为:(p + q = 1)⑷二项分布:npq D =ξ ⑸几何分布:2p q D =ξ5. 期望与方差的关系.⑴如果ξE 和ηE 都存在,则ηξηξE E E ±=±)(⑵设ξ和η是互相独立的两个随机变量,则ηξηξηξξηD D D E E E +=+⋅=)(,)(⑶期望与方差的转化:22)(ξξξE E D -= ⑷)()()(ξξξξE E E E E -=-(因为ξE 为一常数)0=-=ξξE E .三、正态分布.(基本不列入考试范围)1.密度曲线与密度函数:对于连续型随机变量ξ,位于x 轴上方,ξ落在任一区间),[b a 内的概率等于它与x 轴.直线a x =与直线b x =(如图阴影部分)的曲线叫ξ的密度曲线,以其作为图像的函数)(x f 叫做ξ的密度函数,由于“),(+∞-∞∈x 是必然事件,故密度曲线与x 轴所夹部分面积等于1.2. ⑴正态分布与正态曲线:如果随机变量ξ的概率密度为:222)(21)(σμσπ--=x ex f .(σμ,,R x ∈为常数,且0 σ),称ξ服从参数为σμ,的正态分布,用ξ~),(2σμN 表示.)(x f 的表达式可简记为),(2σμN ,它的密度曲线简称为正态曲线.⑵正态分布的期望与方差:若ξ~),(2σμN ,则ξ的期望与方差分别为:2,σξμξ==D E . ⑶正态曲线的性质.①曲线在x 轴上方,与x 轴不相交. ②曲线关于直线μ=x 对称.③当μ=x 时曲线处于最高点,当x 向左、向右远离时,曲线不断地降低,呈现出“中间高、两边低”的钟形曲线.④当x <μ时,曲线上升;当x >μ时,曲线下降,并且当曲线向左、向右两边无限延伸时,以x 轴为渐近线,向x 轴无限的靠近.⑤当μ一定时,曲线的形状由σ确定,σ越大,曲线越“矮胖”.表示总体的分布越分散;σ越小,曲线越“瘦高”,表示总体的分布越集中.3. ⑴标准正态分布:如果随机变量ξ的概率函数为)(21)(22+∞-∞=-x ex x πϕ,则称ξ服从标准正态分布. 即ξ~)1,0(N 有)()(x P x ≤=ξϕ,)(1)(x x --=ϕϕ求出,而P (a <ξ≤b )的计算则是)()()(a b b a P ϕϕξ-=≤ .注意:当标准正态分布的)(x Φ的X 取0时,有5.0)(=Φx 当)(x Φ的X 取大于0的数时,有5.0)( x Φ.比如5.00793.0)5.0(=-Φσμ则σμ-5.0必然小于0,如图.⑵正态分布与标准正态分布间的关系:若ξ~),(2σμN 则ξ的分布函数通 常用)(x F 表示,且有)σμx (F(x)x)P(ξ-==≤ϕ.4.⑴“3σ”原则.假设检验是就正态总体而言的,进行假设检验可归结为如下三步:①提出统计假设,统计假设里的变量服从正态分布),(2σμN .②确定一次试验中的取值a 是否落入范围)3,3(σμσμ+-.③做出判断:如果)3,3(σμσμ+-∈a ,接受统计假设. 如果)3,3(σμσμ+-∉a ,由于这是小概率事件,就拒绝统计假设.⑵“3σ”原则的应用:若随机变量ξ服从正态分布),(2σμN 则 ξ落在)3,3(σμσμ+-内的概率为99.7% 亦即落在)3,3(σμσμ+-之外的概率为0.3%,此为小概率事件,如果此事件发生了,就说明此种产品不合格(即ξ不服从正态分布).S 阴=0.5S a =0.5+S。

高三数学第十二章-概率与统计知识点归纳

高三数学第十二章-概率与统计知识点归纳

高中数学知识点第十二章-概率与统计考试内容:抽样方法.总体分布的估计. 总体期望值和方差的估计. 考试要求:(1)了解随机抽样了解分层抽样的意义,会用它们对简单实际问题进行抽样.(2)会用样本频率分布估计总体分布. (3)会用样本估计总体期望值和方差.§12. 概率与统计 知识要点一、随机变量.1. 随机试验的结构应该是不确定的.试验如果满足下述条件: ①试验可以在相同的情形下重复进行;②试验的所有可能结果是明确可知的,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. 它就被称为一个随机试验.2. 离散型随机变量:如果对于随机变量可能取的值,可以按一定次序一一列出,这样的随机变量叫做离散型随机变量.若ξ是一个随机变量,a ,b 是常数.则b a +=ξη也是一个随机变量.一般地,若ξ是随机变量,)(x f 是连续函数或单调函数,则)(ξf 也是随机变量.也就是说,随机变量的某些函数也是随机变量.设离散型随机变量ξ可能取的值为:ΛΛ,,,,21i x x xξ取每一个值),2,1(1Λ=i x 的概率i i p x P ==)(ξ,则表称为随机变量ξ的概率分布,简称ξ的分布列.有性质①Λ,2,1,01=≥i p ; ②121=++++ΛΛi p p p .注意:若随机变量可以取某一区间内的一切值,这样的变量叫做连续型随机变量.例如:]5,0[∈ξ即ξ可以取0~5之间的一切数,包括整数、小数、无理数.3. ⑴二项分布:如果在一次试验中某事件发生的概率是P ,那么在n 次独立重复试验中这个事件恰好发生k 次的概率是:kn k k n qp C k)P(ξ-==[其中p q n k -==1,,,1,0Λ] 于是得到随机变量ξ的概率分布如下:我们称这样的随机变量ξ服从二项分布,记作ξ~B (n ·p ),其中n ,p 为参数,并记p)n b(k;qp C kn kkn⋅=-.⑵二项分布的判断与应用.①二项分布,实际是对n 次独立重复试验.关键是看某一事件是否是进行n 次独立重复,且每次试验只有两种结果,如果不满足此两条件,随机变量就不服从二项分布.②当随机变量的总体很大且抽取的样本容量相对于总体来说又比较小,而每次抽取时又只有两种试验结果,此时可以把它看作独立重复试验,利用二项分布求其分布列.4. 几何分布:“k =ξ”表示在第k 次独立重复试验时,事件第一次发生,如果把k 次试验时事件A 发生记为k A ,事A 不发生记为q )P(A ,A k k =,那么)A A A AP(k)P(ξk 1k 21-==Λ.根据相互独立事件的概率乘法分式:))P(A A P()A )P(A P(k)P(ξk 1k 21-==Λ),3,2,1(1Λ==-k p q k 于是得到随机变量ξ的概率分布列.我们称ξ服从几何分布,并记p q p)g(k,1k -=,其中Λ3,2,1.1=-=k p q5. ⑴超几何分布:一批产品共有N 件,其中有M (M <N )件次品,今抽取)N n n(1≤≤件,则其中的次品数ξ是一离散型随机变量,分布列为)M N k n M,0k (0C C C k)P(ξnNk n MN k M -≤-≤≤≤⋅⋅==--.〔分子是从M 件次品中取k 件,从N-M 件正品中取n-k 件的取法数,如果规定m <r 时0C r m =,则k 的范围可以写为k=0,1,…,n.〕⑵超几何分布的另一种形式:一批产品由 a 件次品、b 件正品组成,今抽取n 件(1≤n ≤a+b ),则次品数ξ的分布列为n.,0,1,k CC C k)P(ξnba kn bk a Λ=⋅==+-.⑶超几何分布与二项分布的关系.设一批产品由a 件次品、b 件正品组成,不放回抽取n 件时,其中次品数ξ服从超几何分布.若放回式抽取,则其中次品数η的分布列可如下求得:把b a +个产品编号,则抽取n 次共有n b a )(+个可能结果,等可能:k)(η=含kn k k n ba C -个结果,故n ,0,1,2,k ,)ba a (1)b a a (C b)(a ba C k)P(ηkn k k n nkn k k n Λ=+-+=+==--,即η~)(b a a n B +⋅.[我们先为k个次品选定位置,共k n C 种选法;然后每个次品位置有a 种选法,每个正品位置有b 种选法] 可以证明:当产品总数很大而抽取个数不多时,k)P(ηk)P(ξ=≈=,因此二项分布可作为超几何分布的近似,无放回抽样可近似看作放回抽样. 二、数学期望与方差.1. 期望的含义:一般地,若离散型随机变量ξ的概率分布为则称ΛΛ++++=n n p x p x p x E 2211ξ为ξ的数学期望或平均数、均值.数学期望又简称期望.数学期望反映了离散型随机变量取值的平均水平. 2. ⑴随机变量b a +=ξη的数学期望:b aE b a E E +=+=ξξη)( ①当0=a 时,b b E =)(,即常数的数学期望就是这个常数本身. ②当1=a 时,b E b E +=+ξξ)(,即随机变量ξ与常数之和的期望等于ξ的期望与这个常数的和.③当0=b 时,ξξaE a E =)(,即常数与随机变量乘积的期望等于这个常数与随机变量期望的乘积.⑵单点分布:c c E =⨯=1ξ其分布列为:c P ==)1(ξ.⑶两点分布:p p q E =⨯+⨯=10ξ,其分布列为:(p + q = 1) ⑷二项分布:∑=⋅-⋅=-np q p k n k n k E k n k )!(!!ξ 其分布列为ξ~),(p n B .(P 为发生ξ的概率)⑸几何分布:pE 1=ξ 其分布列为ξ~),(p k q .(P 为发生ξ的概率)3.方差、标准差的定义:当已知随机变量ξ的分布列为),2,1()(Λ===k p x P k k ξ时,则称ΛΛ+-++-+-=n n p E x pE x p E x D 2222121)()()(ξξξξ为ξ的方差.显然0≥ξD ,故σξξσξ.D =为ξ的根方差或标准差.随机变量ξ的方差与标准差都反映了随机变量ξ取值的稳定与波动,集中与离散的程度.ξD 越小,稳定性越高,波动越小............... 4.方差的性质.⑴随机变量b a +=ξη的方差ξξηD a b a D D 2)()(=+=.(a 、b 均为常数) ⑵单点分布:=ξD 其分布列为p P ==)1(ξ⑶两点分布:pq D =ξ 其分布列为:(+ q = 1)⑷二项分布:npq D =ξ ⑸几何分布:2p q D =ξ5. 期望与方差的关系.⑴如果ξE 和ηE 都存在,则ηξηξE E E ±=±)(⑵设ξ和η是互相独立的两个随机变量,则ηξηξηξξηD D D E E E +=+⋅=)(,)( ⑶期望与方差的转化:22)(ξξξE E D -= ⑷)()()(ξξξξE E E E E -=-(因为ξE 为一常数)0=-=ξξE E .三、正态分布.(基本不列入考试范围)1.密度曲线与密度函数:对于连续型随机变量ξ,位于x 轴上方,ξ落在任一区间),[b a 内的概率等于它与x 轴.直线a x =与直线b x =所围成的曲边梯形的面积图像的函数)(x f 是必然事件,故密度曲线与x 轴所夹部分面积等于1.2. ⑴正态分布与正态曲线:如果随机变量ξ的概率密度为:222)(21)(σμσπ--=x ex f . (σμ,,R x ∈为常数,且0φσ),称ξ服从参数为σμ,的正态分布,用ξ~),(2σμN 表示.)(x f 的表达式可简记为),(2σμN ,它的密度曲线简称为正态曲线.⑵正态分布的期望与方差:若ξ~),(2σμN ,则ξ的期望与方差分别为:2,σξμξ==D E .⑶正态曲线的性质.①曲线在x 轴上方,与x 轴不相交. ②曲线关于直线μ=x 对称.③当μ=x 时曲线处于最高点,当x 向左、向右远离时,曲线不断地降低,呈现出“中间高、两边低”的钟形曲线.④当x <μ时,曲线上升;当x >μ时,曲线下降,并且当曲线向左、向右两边无限延伸时,以x 轴为渐近线,向x 轴无限的靠近. ⑤当μ一定时,曲线的形状由σ确定,σ越大,曲线越“矮胖”.表示总体的分布越分散;σ越小,曲线越“瘦高”,表示总体的分布越集中.3. ⑴标准正态分布:如果随机变量ξ的概率函数为)(21)(22+∞-∞=-ππx ex x πϕ,则称ξ服从标准正态分布. 即ξ~)1,0(N 有)()(x P x ≤=ξϕ,)(1)(x x --=ϕϕ求出,而P (a <ξ≤b )的计算则是)()()(a b b a P ϕϕξ-=≤π.注意:当标准正态分布的)(x Φ的X 取0时,有5.0)(=Φx 当)(x Φ的X 取大于0的数时,有5.0)(φx Φ.比如5.00793.0)5.0(π=-Φσμ则σμ-5.0S 阴=0.5S a =0.5+S如图.⑵正态分布与标准正态分布间的关系:若ξ~),(2σμN 则ξ的分布函数通常用)(x F 表示,且有)σμx (F(x)x)P(ξ-==≤ϕ.4.⑴“3σ”原则.假设检验是就正态总体而言的,进行假设检验可归结为如下三步:①提出统计假设,统计假设里的变量服从正态分布),(2σμN .②确定一次试验中的取值a是否落入范围)3,3(σμσμ+-.③做出判断:如果)3,3(σμσμ+-∈a ,接受统计假设. 如果)3,3(σμσμ+-∉a ,由于这是小概率事件,就拒绝统计假设.⑵“3σ”原则的应用:若随机变量ξ服从正态分布),(2σμN 则 ξ落在)3,3(σμσμ+-内的概率为99.7% 亦即落在)3,3(σμσμ+-之外的概率为0.3%,此为小概率事件,如果此事件发生了,就说明此种产品不合格(即ξ不服从正态分布).。

第十二章概率与统计12-5

第十二章概率与统计12-5

0.7,求该生在这次测试中的成绩的均值与方差.
·
《高考调研》 高考总复习
第十二章 概率与统计(选修Ⅱ)
【解析】 (1)EX=x1p1+x2p2+x3p3+…+x6p6=3.5,
E(2X+3)=2EX+3=10.
DX=(x1-EX)2p1+(x2-EX)2p2+…+(x6-EX)2p6
=16[(1-3.5)2+(2-3.5)2+…+(6-3.5)2]
解析 依题意得x7+x+0.01.8++0.23.7++y=101y=8.9 ,即
x+y=0.6 7x+10y=5.4
,由此解得 y=0.4.
大 纲 版 数 学
《高考调研》 高考总复习
·
第十二章 概率与统计(选修Ⅱ)
5 . (09· 广 东 ) 已 知 离 散 型 随 机 变 量 X 的 分 布 列 如 下 表.若EX=0,DX=1,则a=________,b=________.
·
大 纲 版
答案
5 12
1 4
数 学
《高考调研》 高考总复习
第十二章 概率与统计(选修Ⅱ)
解析
a+b+c=1112 -a+c+16=0 a+c+13=1
a=152, ⇒b=14,
c=14.
大 纲 版 数 学
《高考调研》 高考总复习
·
第十二章 概率与统计(选修Ⅱ)
第十二章 概率与统计(选修Ⅱ)
思考题2 一次数学测验由25道选择题构成,每一个选
择题有4个选项,其中有且仅有一个选项正确,每个选择正
确答案得4分,不作出选择或选错的不得分,满分100分,某
学生选对任一题的概率为0.8,求此学生在这一次测验中的
成绩的期望与方差.

概率与统计的基本概念

概率与统计的基本概念

概率与统计的基本概念概率与统计是数学中的两个基本分支,它们在各个领域中都有着重要的应用。

概率是用来描述不确定性的一种工具,而统计则是用来从有限的观测数据中推断总体特征的方法。

本文将介绍概率与统计的基本概念,并探讨它们在现实生活中的应用。

一、概率的基本概念概率是描述一个事件发生可能性的数值。

在数学中,概率用一个介于0和1之间的实数表示,0表示不可能事件,1表示必然事件。

概率的计算可以通过两种方法进行:古典概率和统计概率。

1. 古典概率古典概率是一种基于事物的性质和数量关系进行推断的概率计算方法。

它假设所有的事件发生的可能性相等,根据事件的数目计算概率。

例如,投掷一个均匀的骰子,计算得到1的概率是1/6。

2. 统计概率统计概率是通过观测现象的频率来推断概率的方法。

在现实生活中,我们通常无法确切地知道事件发生的概率,但可以通过大量观测数据的统计推断出事件发生的概率。

例如,通过对一组学生的身高进行测量,可以计算出某个身高区间的学生所占总体的概率。

二、统计的基本概念统计是一种从有限的样本数据中推断总体特征的方法。

它通过对样本数据的分析,得出总体的估计参数,并评估估计的可靠性。

1. 总体与样本总体是指研究对象的全体,而样本是从总体中选取的一部分。

通过对样本进行观察和测量,可以推断总体的特征。

例如,对一组学生进行身高测量的结果可以作为对整个学生群体身高的估计。

2. 参数与统计量参数是总体特征的数值度量,例如总体均值、方差等。

统计量是样本数据的数值度量,通过对统计量的计算可以推断总体参数。

例如,样本均值可以作为总体均值的估计。

3. 抽样与抽样误差抽样是从总体中选取样本的过程。

抽样误差是由于样本选择过程引入的不确定性。

一般来说,样本的容量越大,抽样误差越小,对于总体参数的估计也更加准确。

三、概率与统计在现实生活中的应用概率与统计的应用广泛存在于各个领域中。

1. 生活中的概率概率的应用可以帮助我们更好地理解和处理日常生活中的不确定性。

概率与统计的基本概念

概率与统计的基本概念

概率与统计的基本概念概率是统计学的一个重要分支,它用于描述和分析随机事件的发生概率。

统计学则是一门研究收集、分析和解释数据的学科。

概率与统计的基本概念对于我们理解和应用这两个领域至关重要。

在本文中,我们将讨论一些概率与统计的基本概念,以便更好地理解它们的含义和应用。

1. 概率的基本概念概率是用来描述随机事件发生的可能性的一种数值。

它的取值范围在0到1之间,其中0表示不可能发生,1表示肯定发生。

概率可以通过计算事件发生的频率来确定,也可以通过分析事件的特征和条件来推导。

概率的计算方法包括古典概率、几何概率和条件概率等。

2. 统计的基本概念统计学研究的对象是数据,通过对数据的收集、整理、分析和解释,可以从中得出结论并作出预测。

统计的基本概念包括总体和样本的概念。

总体是指研究对象的全体,而样本是从总体中选取的一部分。

通过对样本数据的统计分析,可以推断出总体的特征和性质。

3. 随机变量随机变量是概率论和统计学中的重要概念,它用于描述随机事件的数字特征。

随机变量可以分为离散随机变量和连续随机变量。

离散随机变量的取值是有限或可数的,例如抛硬币的结果;而连续随机变量的取值是无限的,例如人的身高、温度等。

随机变量的分布可以用概率密度函数或概率质量函数来描述。

4. 概率分布概率分布是随机变量所有可能取值和对应概率的分布情况。

常见的概率分布包括均匀分布、正态分布、泊松分布等。

概率分布可以用来描述随机变量的特征和概率。

通过对概率分布的分析,我们可以计算期望值、方差等统计指标,以便更好地理解和应用随机变量的特性。

5. 统计推断统计推断是统计学的重要分支,它用于根据样本数据对总体进行推断和判断。

统计推断包括参数估计和假设检验两个方面。

参数估计用于推断总体参数的值,它可以通过样本统计量来估计总体参数的取值。

假设检验用于对总体假设进行判断,通过计算样本统计量的显著性来对总体假设进行接受或拒绝。

以上只是概率与统计的基本概念的介绍,这两个领域涉及的内容非常广泛。

概率与统计的基本概念

概率与统计的基本概念

概率与统计的基本概念概率和统计是数学中两个重要的分支,它们研究了事件发生的可能性,以及对收集的数据进行分析与解释。

本文将介绍概率和统计的基本概念及其应用。

一、概率的基本概念概率是研究随机现象发生可能性的数学工具。

在概率理论中,我们通过定义事件发生的概率来描述事件的可能性大小。

概率的取值范围在0到1之间,其中0表示不可能事件,而1表示必然事件。

1.1 事件与样本空间在概率理论中,我们将随机试验的每个结果称为事件。

事件的全体称为样本空间,通常用S来表示。

样本空间是所有可能结果的集合。

1.2 频率与概率频率指的是在大量试验中某一事件发生的次数与试验总次数之比。

频率可以作为概率的近似值,当试验次数趋于无穷时,频率逐渐接近概率。

1.3 古典概型与几何概型古典概型适用于有限个数的等可能结果,例如抛硬币、掷骰子等。

几何概型适用于连续性随机试验,例如测量长度、体重等。

二、统计的基本概念统计是研究数据收集、分析、解释及推断的学科。

统计学将数据分为总体和样本,并通过对样本数据的分析来对总体进行推断。

2.1 总体与样本总体是指我们要研究和分析的对象的全体,通常用大写字母N来表示。

样本则是从总体中选取出的一部分个体或观察值,通常使用小写字母n来表示。

2.2 参数与统计量参数是总体的数值特征,统计量是样本的数值特征。

我们通过样本统计量对总体参数进行估计。

例如,总体均值μ可以通过样本均值x 来估计。

2.3 描述统计与推断统计描述统计是通过对已有数据进行整理、归纳和概括来研究数据的分布、中心趋势和离散程度等特征。

推断统计是通过样本数据对总体进行推断,包括参数估计和假设检验等方法。

三、概率与统计的应用领域概率和统计作为数学工具,在各个领域均有广泛的应用。

3.1 自然科学领域概率和统计在自然科学中的应用非常广泛。

例如,在物理学中,我们通过概率与统计分析原子核衰变的规律;在生物学中,我们可以通过统计方法分析生态系统的平衡状态等。

3.2 社会科学领域概率和统计在社会科学中也有重要的应用。

概率与统计的基本概念

概率与统计的基本概念

概率与统计的基本概念概率与统计是数学的两个重要分支,它们在现代社会的各个领域中起着关键作用。

概率与统计的基本概念是我们理解和应用这两个学科的基础。

本文将介绍概率和统计的基本概念,以及它们在现实生活中的应用。

一、概率的基本概念概率是描述一个事件在重复试验中发生的可能性的数值。

其基本概念包括样本空间、随机事件和概率的定义。

1. 样本空间样本空间是所有可能结果的集合。

以掷硬币为例,样本空间为"S={正面,反面}"。

样本空间是概率计算的基础。

2. 随机事件随机事件是样本空间的子集。

例如,事件"A=出现正面"是随机事件。

事件的发生是指从样本空间中选取一个结果。

3. 概率的定义概率是指随机事件发生的可能性。

在一些简单的情况下,我们可以使用等可能概型计算概率。

例如,掷硬币时出现正面的概率是1/2。

二、统计的基本概念统计是通过收集和分析数据来推断总体的特征。

统计的基本概念包括总体和样本、参数和统计量、抽样与抽样误差等。

1. 总体和样本总体是研究对象的全体,而样本是从总体中选取的一部分。

通过对样本进行统计分析,我们可以推断总体的特征。

2. 参数和统计量参数是描述总体特征的数值,如总体均值或总体标准差。

统计量是从样本中计算得到的数值,如样本均值或样本标准差。

通过统计量推断参数是统计的核心任务。

3. 抽样与抽样误差抽样是从总体中选取样本的过程。

抽样误差是由于样本的不完全反映总体特征所引起的误差。

为了减小抽样误差,我们需要合理设计抽样方法。

三、概率与统计的应用概率与统计的应用广泛存在于各个领域,包括科学研究、工程技术、金融投资、医学健康等。

以下是一些常见的应用领域:1. 科学研究概率与统计在科学研究中起着重要的作用。

通过概率与统计的方法,科研人员可以从有限的样本数据中推断总体特征,进行科学假设的验证。

2. 工程技术工程技术领域需要对各种因素进行量化和分析。

概率与统计的理论和方法为工程技术提供了强有力的工具,如可靠性分析、质量控制等。

概率与统计的基本概念解读

概率与统计的基本概念解读

概率与统计的基本概念解读概率与统计是数学的两个重要分支,它们在科学研究、社会学、经济学以及日常生活中都有广泛的应用。

概率主要研究随机事件发生的可能性,而统计则关注如何收集、分析和解释数据。

下面将从概率的基本概念、统计的核心内容以及两者之间的关系等角度进行详细解析。

概率的基本概念概率(Probability)是指某一事件发生的可能性,通常用一个介于0与1之间的数值来表示。

0表示事件不可能发生,1表示事件必然发生。

在概率论中,有几个基础概念需要理解:随机事件随机事件是指在一定条件下,试验结果不确定的事件。

例如,当我们投掷一枚硬币时,结果是“正面朝上”或“反面朝上”都是随机事件。

样本空间样本空间(Sample Space)是指包含所有可能实验结果的集合。

例如,在掷一枚六面骰子的实验中,样本空间为 {1, 2, 3, 4, 5, 6},表示骰子可能显示的所有点数。

事件事件是样本空间的一个子集。

继续使用掷骰子的例子,事件“掷出偶数”可以表示为 {2, 4, 6}。

概率函数概率函数(Probability Function)是一种将每个事件映射到其相应概率值的函数。

设 A 为一个事件,P(A) 表示事件 A 发生的概率。

对于有限样本空间,其概率必须满足:对于任意事件 A,0 ≤ P(A) ≤ 1。

样本空间 S 的概率为 P(S) = 1。

如果两事件 A 和 B 不相交,则P(A ∪ B) = P(A) + P(B)。

概率的计算方法在概率论中,有几种常用的方法来计算事件发生的概率:古典概率古典概率适用于所有可能结果均匀分布的情况,其公式为:[ P(A) = ]例如,掷一枚硬币正面朝上的概率为 P(正面) = 1/2。

频率派概率频率派概率是基于实验或观察得出的相对频率来估计的概率。

在多次实验中,某个事件 A 发生的频率趋近于其真实概率。

这种方法适用于随机试验次数较多且可以观察长期趋势的问题。

主观概率主观概率是基于人们对某事件发生可能性的主观看法而得出的。

  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)。
第十二章概率与统计 1. (2006 年福建卷)一个均匀小正方体的 6 个面中,三个面上标以数 0,两个面上标以数 1, 一个面上标 以数 2。 将这个小正方体抛掷 2 次, 则向上的数之积的数学期望是__
4 __。 9
2. ( 2006 年重庆卷)为了了解某地区高三学生的身体发育情况,抽查了该地区 100 名年龄 为 17.5 岁-18岁的男生体重(kg) ,得到频率分布直方图如下:

P
63 162 ; ; 125 625
3 4 … …
k
… …
27 125
162 625
2 3 Ck21 ( ) k 3 ( )3 5 5
10. (2006 年全国卷 II)某批产品成箱包装,每箱 5 件.一用户在购进该批产品前先取出 3 箱,再从每箱中任意抽取 2 件产品进行检验.设取出的第一、二、三箱中分别有 0 件、1 件、 2 件二等品,其余为一等品. (Ⅰ)用ξ 表示抽检的 6 件产品中二等品的件数,求ξ 的分布列及ξ 的数学期望; (Ⅱ)若抽检的 6 件产品中有 2 件或 2 件以上二等品,用户就拒绝购买这批产品,求这 批产品级用户拒绝的概率. 10.解: (Ⅰ)ξ 可能的取值为 0,1,2,3. 2 2 C4 C3 18 9 P(ξ =0)= 2· 2= = C C 100 50 P(ξ P(ξ P(ξ
5 5 1 2 2 1 1 C4 C3 C4 C3· C2 12 =1)= 2· 2+ 2· 2 = 25 C5 C5 C5 C5 1 1 1 2 2 C4 C3· C2 C4 C2 15 =2)= 2· 2 + 2· 2= C5 C5 C5 C5 50 1 2 C4 C2 1 =3)= 2· 2= . C5 C5 25
1.18 万元、1.17 万元的概率分别为 的调整,记乙项目产品价格在一年内的下降次数为 ,对乙项目每投资十万元, 取 0、1、2 时, 一年后相应利润是 1.3 万元、1.25 万元、0.2 万元.随机变量 1 、 2 分别表示对甲、乙两 项目各投资十万元一年后的利润. (I) 求 1 、 2 的概率分布和数学期望 E1 、 E 2 ; (II) 当 E1 E2 时,求 p 的取值范围. 【解析】 (I)解法 1:
1 的概率分布为
1.18 1.17
1
P
1.2
1 6
1 2
1 3
1 1 1 +1.18 +1.17 =1.18. 6 2 3 由题设得 ~ B(2, p) ,则 的概率分布为
E 1 =1.2

P
0
1
2
2
(1 p)
1.3
2 p(1 p)
1.25
p2
0.2
故 2 的概率分布为
1 10, 则 x y 20 ;又由于方差 5 1 2 2 2 2 2 为 2,则 x 10 y 10 10 10 11 10 9 10 2 得 5
解: 由平均数公式为 10,得 x y 10 11 9 所以有 x y x2 y 2 208 2xy=192 ,
E 1 =1.2
1 1 1 +1.18 +1.17 =1.18. 6 2 3
2
设 Ai 表示事件”第 i 次调整,价格下降”(i=1,2),则 P( =0)= P( A 1 ) P( A 2 ) (1 p) ; P( =1)= P( A 1 ) P( A 2 ) P( A 1 ) P( A 2 ) 2 p(1 p) ;
根据上图可得这 100 名学生中体重在〔56.5,64.5〕的学生人数是 ( C) (A)20 (B) 30 (C)40 (D)50 3. (2006 年全国卷 II)一个社会调查机构就某地居民的月收入调查了 10 000 人,并根据所 得数据画了样本的频率分布直方图(如下图) .为了分析居民的收入与年龄、学历、职 业等方面的关系,要从这 10 000 人中再用分层抽样方法抽出 100 人作进一步调查,则 在[2500,3000) (元)月收入段应抽出 25 人. 频率/组距 0.0005 0.0004 0.0003 0.0002 0.0001 4. (2006 年四川卷)设离散性随机变量 可能取的值为 1000 1500 2000 2500 3000 3500 4000 月收入(元)
2 P( =2)= P( A 1 ) P( A 2) p
故 2 的概率分布为

1.3
1.25
0.2
P
(1 p)2

2 p(1 p)
p2
所以 2 的数学期望为 E 2 = 1.3 (1 p)2 + 1.25 2 p(1 p) + 0.2 p2 = p 2 0.1 p 1.3 . (II) 由 E1 E2 ,得:
………………8 分
ξ 的分布列为 0 1 ξ
2
3
9 12 15 50 25 50 数学期望为 Eξ =1.2. (Ⅱ)所求的概率为 P
1 25
15 1 17 p=P(ξ ≥2)=P(ξ =2)+P(ξ =3)= + = 50 25 50
……………12 分
11. (2006 年安徽卷)在添加剂的搭配使用中,为了找到最佳的搭配方案,需要对各种不同 的搭配方式作比较。在试制某种牙膏新品种时,需要选用两种不同的添加剂。现有芳香度分 别为 0,1,2,3,4,5 的六种添加剂可供选用。根据试验设计原理,通常首先要随机选取 两种不同的添加剂进行搭配试验。用 表示所选用的两种不同的添加剂的芳香度之和。 (Ⅰ)写出 的分布列; (以列表的形式给出结论,不必写计算过程) (Ⅱ)求 的数学期望 E 。 (要求写出计算过程或说明道理) 解: (Ⅰ) 1 2 3 4 5 6 7 8 9
1,2,3,4, P k ak b k 1,2,3,4 ,又 的数学期望 E 3 ,则 a b __
1 _____; 10
5. (2006 年江苏卷)某人 5 次上班途中所花的时间(单位:分钟)分别为 x,y,10,11, 9.已知这组数据的平均数为 10,方差为 2,则|x-y|的值为 (A)1 (B)2 (C)3 (D)4
分布列为 0 P 729
10
20
50
60
1000
(2)E=33
243 1000
18 1000
9 1000
1 1000
7. (2006 年辽宁卷)现有甲、乙两个项目, 对甲项目每投资十万元, 一年后利润是 1.2 万元、
1 1 1 、 、 ;已知乙项目的利润与产品价格的调整有关, 6 2 3 在每次调整中价格下降的概率都是 p(0 p 1) ,设乙项目产品价格在一年内进行 2 次独立
x y
2
故选 (D) x 2 y 2 2 xy 4 ,
点评:本题主要考查平均数与方差的定义等统计方面的基础知识 6. (2006 年江西卷)某商场举行抽奖促销活动,抽奖规则是:从装有 9 个白球,1 个红球的 箱子中每次随机地摸出一个球,记下颜色后放回,摸出一个红球可获得奖金 10 元;摸 出 2 个红球可获得奖金 50 元,现有甲,乙两位顾客,规定:甲摸一次,乙摸两次,令 表示甲,乙摸球后获得的奖金总额。求: (1)的分布列 (2)的的数学期望 6.解: (1)的所有可能的取值为 0,10,20,50,60
1 2 3 1 2 3
1 2 1 3 5 2
∴3 人都没有投进的概率为
1 . 5
2 (Ⅱ)解法一: 随机变量ξ 的可能值有 0,1,2,3), ξ ~ B(3, ), 5 2 3 2 6 - P(ξ =k)=C3k( )k( )3 k (k=0,1,2,3) , Eξ =np = 3× = . 5 5 5 5 解法二: ξ 的概率分布为: ξ P 0 27 125 1 54 125 2 36 125 3 8 125
P 0.04 0.21 0.39 0.36 (Ⅲ) 的数学希望为 E 7 0.04 8 0.21 9 0.39 10 0.36 9.07
13. (2006 年陕西卷)甲、乙、丙 3 人投篮,投进的概率分别是 , , . (I)现 3 人各投篮 1 次,求 3 人都没有投进的概率; (II)用 表示投篮 3 次的进球数,求随机变量 的概率分布及数学期望 E . 13.解: (Ⅰ)记"甲投篮 1 次投进"为事件 A1 , "乙投篮 1 次投进"为事件 A2 , "丙投篮 1 次投进" 1 2 1 为事件 A3, "3 人都没有投进"为事件 A . 则 P(A1)= , P(A2)= , P(A3)= , 3 5 2 -A -A -)=P(A -)·P(A - )·P(A -) ∴ P(A) = P(A 1 2 1 1 = [1-P(A1)] ·[1-P (A2)] ·[1-P (A3)]=(1- )(1- )(1- )= 3 5 2 5
p2 0.1p 1.3 1.18 ( p 0.4)( p 0.3) 0 0.4 p 0.3 因 0<p<1,所以 E1 E2 时,p 的取值范围是 0<p<0.3.
【点评】本小题考查二项分布、分布列、数学期望、方差等基础知识,考查同学们运用概率 知识解决实际问题的能力. 8. (2006 年山东卷)袋中装着标有数学 1,2,3,4,5 的小球各 2 个,从袋中任取 3 个小 球,按 3 个小球上最大数字的 9 倍计分,每个小球被取出的可能性都相等,用 表示取出的 3 个小球上的最大数字,求: (1)取出的 3 个小球上的数字互不相同的概率; (2)随机变量 的概率分布和数学期望; (3)计分介于 20 分到 40 分之间的概率. 8. (I) P( A)
相关文档
最新文档