概率论与数理统计 --- 第一章{随机事件的概率} 第四节:独立性 主观概率
概率论与数理统计:第一章 随机事件与概率
示为 A-B={正反}.
• 如果一组事件中任意两个事件都互不相容, 那么称这组事件两两互不相容。
• (7)对立事件:事件Ω-A称为事件A的对立
事件(逆、余),记Ā.
A A A A
ĀA
• (8)运算定律:交换律、结合律、分配律、 对偶律。
• 在随机事件中,有的可以看成是由某 些事件复合而成的,而有些事件则不能分 解为其它事件的组合,这种不能分解成其 它事件组合的最简单的随机事件称为基本 事件。
• 一般地说,只含一个样本点的随机事 件称为基本事件。
• 每次试验中一定发生的事件称为必然事件.
由于Ω包含所有样本点,因此每次试验中 必定有Ω中的一个样本点出现,故Ω是必然 事件;
P(A)=m(A)/m(Ω)
这里m(·)分别表示长度、面积或体积。
例6,在半圆区域0≤y≤
2内ax随 机x2 地投入
一点,求该点与原点的连线与x轴的夹角不
超过 的概率 .
4
0
2a
例7(书上例1.9) . 在单位圆O的一条直径 MN上随机地取一点Q,试求过Q且与MN垂 直的弦的长度超过1的概率。
例8(书上例1.10) . 甲、乙两艘轮船都要 在某个泊位停靠6h,假定它们在一昼夜时
出来,问该女士的说
法是否可信?
牛奶
• 解:假设该女士的说法不可信,即该女士纯粹是
猜测,则每次试验的两个可能结果:茶+牛奶或 牛奶+茶是等可能的.
• A={该女士在10次试验中都正确的辨别出 来},则
•
p(A)=1/210=0.0009766
• 这是一个小概率事件.
• 概率论中“实际推断原理”:一个小概率事件在 一次试验中实际上是不会发生的.
概率论第一章概率论的基本概念第4节独立性
第一章 概率论的基本概念
三个事件的独立性
§4 独立性
设A、B、C是三个随机事件,如果
PAB PAPB PBC PBPC PAC PAPC PABC PAPBPC
则称A、B、C是相互独立的随机事件.
返回主目16 录
第一章 概率论的基本概念
注意
§4 独立性
在三个事件独立性的定义中,四个等式是缺一不
p2 p2 p4 2 p2 p4.
返回主目26 录
练习一下
• 甲、乙、丙三人在同一时间分别破译某个密码, 他们译出的概率分别为1/3、1/4、1/5,求密码 能译出的概率.
解:设B={密码能够被破译}
Ai 第i个人破译密码 ,i 1,2,3.
则:
PB PA1 A2 A3 1 P A1A2 A3 1 PA1PA2 PA3
234 3
1
345 5
27
思考
• 甲、乙两人进行乒乓球比赛,每局甲胜的概 率为 p, p 1/ 2.问对甲而言,采用三局二胜制 有利,还是采用五局三胜制有利. 设各局胜负 相对独立.
28
返回主目5 录
第一章 概率论的基本概念
证明: 由于事件 A 与 B 相互独立,故 §4 独立性
PAB PAPB
因此,
PB
A
PAB PA
PAPB PA
PB
2)必然事件S与任意随机事件A相互独立; 不可能事件Φ与任意随机事件A相互独立.
证明:由 PSA PA 1 PA PSPA
可知必然事件S 与任意事件 A 相互独立;
C={ 取出的球涂有黑色 } 则:
PA PB PC 1
2
PAB PBC PAC 1
4
返回主目18 录
概率论与数理统计图文课件最新版-第1章-随机事件与概率
AB
注 ▲ 它是由事件 A与 B 的所有
公共样本点构成的集合。
n
▲ 称 I Ak 为 n 个事件 A1 , A2 ,L An 的积事件 k 1
I
k 1
Ak
为可列个事件
A1
,
A2
,L
L
的积事件
概率统计
5.事件的差: 若事件 A 发生而事件 B 不发生,则称 这样的事件为事件 A 与事件 B 的差。
A B 记作: A B x x A且x B
2
0.4
18 0.36
4
0.8
27 0.54
247 0.494
251 0.502 26波2 动0最.52小4
258 0.516
概率统计
从上述数据可得:
(1) 频率有随机波动性
即对于同样的 n, 所得的 f 不一定相同.
(2) 抛硬币次数 n 较小时, 频率 f 的随机波动幅 度较大, 但随 n 的增大 , 频率 f 呈现出稳定性.
解: S1 {正面,反面}
S2 0,1, 2, 3,
概率统计
S3 1, 2, 3, S4 0,1, 2, 3, ,10
S5 1, 2, 3,4,5,6
注
E3 :射手射击一个目标, 直到射中为止,观 察 其射击的次数
E4:从一批产品中抽取十 件,观察其次品数。
E5:抛一颗骰子,观察其 出现的点数。
义上提供了一个理
H
想试验的模型:
(H,T): H (T,H): T (T,T): T
T
在每次试验中必
有一个样本点出
H
现且仅有一个样
本点出现 .
T
概率统计
例4.若试验 E是测试某灯泡的寿命. 试写出该试验 E 的样本空间. 解:因为该试验的样本点是一非负数,
概率论与数理统计 第一章-4-事件的独立性
1. P(B|A)>0, 3. P(A|B)=0 ,
2. P(A|B)=P(A), 4. P(AB)=P(A)P(B)。
定理4.3 若两事件A、B相互独立,则 A与B, A与B, A与B也相互独立。
证明: 仅证A与 B 独立。
P(AB) P(A B) P(A AB)
概率论与数理统计
张保田 第一章 概率论的基本概念
第四节 事件的独立性
一、两事件的独立性 先看一个例子:
将一颗均匀骰子连掷两次,
设
B ={第二次掷出6点},
A={第一次掷出6点},
显然 P(B A) 1 P(B) 6
6
66
这就是说:已知事件A发生,并不影响事
件B发生的概率,这时称事件B独立于事件A。
= P(A) -P(AB) = P(A) - P(A) P(B)
A、B独立
=P(A)[1 -P(B)]
=P(A)P( B ),
故A与 B 独立。
二、多个事件的独立性 将两事件独立的定义推广到三个事件:
定义4.4 对于三个事件A、B、C,若
P(AB)= P(A)P(B),
P(AC)= P(A)P(C) ,
例如:
甲、乙两人向同一目标射击,记 A={甲命中}, B={乙命中},A与B是否独立?
由于“甲命中”并不影响“乙命中”的概率,
故认为A、B独立 。
(即一事件发生与否并不影响另一事件发生的概率)。
再如: 一批产品共n件,从中抽取2件,设
A1={第1件是合格品}, A2={第2件是合格品} (1) 若抽取是有放回的, 则A1与A2独立。
P(B A) P(B) P(AB) P(B)
P( A)
概率论与数理统计总结
第一章随机事件与概率第一节随机事件及其运算1、随机现象:在一定条件下,并不总是出现相同结果的现象2、样本空间:随机现象的一切可能基本结果组成的集合,记为Ω={ω},其中ω表示基本结果,又称为样本点。
3、随机事件:随机现象的某些样本点组成的集合常用大写字母A、B、C等表示,Ω表示必然事件,∅表示不可能事件.4、随机变量:用来表示随机现象结果的变量,常用大写字母X、Y、Z等表示。
5、时间的表示有多种:(1)用集合表示,这是最基本形式(2)用准确的语言表示(3)用等号或不等号把随机变量于某些实属联结起来表示6、事件的关系(1)包含关系:如果属于A的样本点必属于事件B,即事件 A 发生必然导致事件B发生,则称A被包含于B,记为A⊂B;(2)相等关系:若A⊂B且B⊃A,则称事件A与事件B相等,记为A=B。
(3)互不相容:如果A∩B=∅,即A与B不能同时发生,则称A与B互不相容7、事件运算(1)事件A与B的并:事件A与事件B至少有一个发生,记为 A∪B。
(2)事件A与B的交:事件A与事件B同时发生,记为A∩ B或AB。
(3)事件A对B的差:事件A发生而事件B不发生,记为 A-B。
用交并补可以表示为。
(4)对立事件:事件A的对立事件(逆事件),即“A不发生”,记为.对立事件的性质:。
8、事件运算性质:设A,B,C为事件,则有(1)交换律:A∪B=B∪A,AB=BA(2)结合律:A∪(B∪C)=(A∪B)∪C=A∪B∪C A(BC)=(AB)C=ABC(3)分配律:A∪(B∩C)=(A∪B)∩(A∪C)、A(B∪C)=(A∩B)∪(A∩C)= AB∪AC(4)棣莫弗公式(对偶法则):9、事件域:含有必然事件Ω,并关于对立运算和可列并运算都封闭的事件类ξ称为事件域,又称为σ代数。
具体说,事件域ξ满足:(1)Ω∈ξ;(2)若A∈ξ,则对立事件∈ξ;(3)若A n∈ξ,n=1,2,···,则可列并ξ。
概率论与数理统计期末复习
概率论与数理统计期末复习《概率论与数理统计》总复习提纲第⼀块随机事件及其概率内容提要基本内容:随机事件与样本空间,事件的关系与运算,概率的概念和基本性质,古典概率,⼏何概率,条件概率,与条件概率有关的三个公式,事件的独⽴性,贝努⾥试验.1、随机试验、样本空间与随机事件(1)随机试验:具有以下三个特点的试验称为随机试验,记为.1)试验可在相同的条件下重复进⾏;2)每次试验的结果具有多种可能性,但试验之前可确知试验的所有可能结果;3)每次试验前不能确定哪⼀个结果会出现.(2)样本空间:随机试验的所有可能结果组成的集合称为的样本空间记为Ω;试验的每⼀个可能结果,即Ω中的元素,称为样本点,记为.(3)随机事件:在⼀定条件下,可能出现也可能不出现的事件称为随机事件,简称事件;也可表述为事件就是样本空间的⼦集,必然事件(记为)和不可能事件(记为). 2、事件的关系与运算(1)包含关系与相等:“事件发⽣必导致发⽣”,记为或;且.(2)互不相容性:;互为对⽴事件且.(3)独⽴性:(1)设为事件,若有,则称事件与相互独⽴. 等价于:若().(2)多个事件的独⽴:设是n个事件,如果对任意的,任意的,具有等式,称个事件相互独⽴.3、事件的运算(1)和事件(并):“事件与⾄少有⼀个发⽣”,记为.(2)积事件(交):“事件与同时发⽣”,记为或.(3)差事件、对⽴事件(余事件):“事件发⽣⽽不发⽣”,记为称为与的差事件;称为的对⽴事件;易知:.4、事件的运算法则1) 交换律:,;2) 结合律:,;3) 分配律:,;4) 对偶(De Morgan)律:,,可推⼴5、概率的概念(1)概率的公理化定义:(2)频率的定义:事件在次重复试验中出现次,则⽐值称为事件在次重复试验中出现的频率,记为,即.(3)统计概率:称为事件的(统计)概率.在实际问题中,当很⼤时,取(4)古典概率:若试验的基本结果数为有限个,且每个事件发⽣的可能性相等,则(试验对应古典概型)事件发⽣的概率为:.(5)⼏何概率:若试验基本结果数⽆限,随机点落在某区域g的概率与区域g的测度(长度、⾯积、体积等)成正⽐,⽽与其位置及形状⽆关,则(试验对应⼏何概型),“在区域中随机地取⼀点落在区域中”这⼀事件发⽣的概率为:.(6)主观概率:⼈们根据经验对该事件发⽣的可能性所给出的个⼈信念.6、概率的基本性质(1)不可能事件概率零:=0.(2)有限可加性:设是n个两两互不相容的事件,即=,(),则有=+.(3)单调不减性:若事件,且.(4)互逆性:且.(5)加法公式:对任意两事件,有-;此性质可推⼴到任意个事件的情形.(6)可分性:对任意两事件,有,且7、条件概率与乘法公式(1)条件概率:设是两个事件,即,则称为事件发⽣的条件下事件发⽣的条件概率.(2)乘法公式:设且则称为事件的概率乘法公式.8、全概率公式与贝叶斯(Bayes)公式(1)全概率公式:设是的⼀个划分,且,,则对任何事件,有称为全概率公式.(2)贝叶斯(Bayes)公式:设是的⼀个划分,且,则对任何事件,有称为贝叶斯公式或逆概率公式.9、贝努⾥(Bernoulli)概型(1)只有两个可能结果的试验称为贝努⾥试验,常记为.也叫做“成功—失败”试验,“成功”的概率常⽤表⽰,其中=“成功”.(2)把重复独⽴地进⾏次,所得的试验称为重贝努⾥试验,记为.(3)把重复独⽴地进⾏可列多次,所得的试验称为可列重贝努⾥试验,记为.以上三种贝努⾥试验统称为贝努⾥概型.(4)中成功次的概率是:其中.疑难分析1、必然事件与不可能事件必然事件是在⼀定条件下必然发⽣的事件,不可能事件指的是在⼀定条件下必然不发⽣的事件.它们都不具有随机性,是确定性的现象,但为研究的⽅便,把它们看作特殊的随机事件.2、互逆事件与互斥(不相容)事件如果两个事件与必有⼀个事件发⽣,且⾄多有⼀个事件发⽣,则、为互逆事件;如果两个事件与不能同时发⽣,则、为互斥事件.因⽽,互逆必定互斥,互斥未必互逆.区别两者的关键是:当样本空间只有两个事件时,两事件才可能互逆,⽽互斥适⽤与多个事件的情形.作为互斥事件在⼀次试验中两者可以都不发⽣,⽽互逆事件必发⽣⼀个且只发⽣⼀个.3、两事件独⽴与两事件互斥两事件、独⽴,则与中任⼀个事件的发⽣与另⼀个事件的发⽣⽆关,这时;⽽两事件互斥,则其中任⼀个事件的发⽣必然导致另⼀个事件不发⽣,这两事件的发⽣是有影响的,这时.可以⽤图形作⼀直观解释.在图1.1左边的正⽅形中,图1.1,表⽰样本空间中两事件的独⽴关系,⽽在右边的正⽅形中,,表⽰样本空间中两事件的互斥关系.4、条件概率与积事件概率是在样本空间内,事件的概率,⽽是在试验增加了新条件发⽣后的缩减的样本空间中计算事件的概率.虽然、都发⽣,但两者是不同的,⼀般说来,当、同时发⽣时,常⽤,⽽在有包含关系或明确的主从关系时,⽤.如袋中有9个⽩球1个红球,作不放回抽样,每次任取⼀球,取2次,求:(1)第⼆次才取到⽩球的概率;(2)第⼀次取到的是⽩球的条件下,第⼆次取到⽩球的概率.问题(1)求的就是⼀个积事件概率的问题,⽽问题(2)求的就是⼀个条件概率的问题. 5、全概率公式与贝叶斯(Bayes)公式当所求的事件概率为许多因素引发的某种结果,⽽该结果⼜不能简单地看作这诸多事件之和时,可考虑⽤全概率公式,在对样本空间进⾏划分时,⼀定要注意它必须满⾜的两个条件.贝叶斯公式⽤于试验结果已知,追查是何种原因(情况、条件)下引发的概率.第⼆块随机变量及其分布内容提要基本内容:随机变量,随机变量的分布的概念及其性质,离散型随机变量的概率分布,连续型随机变量的概率分布,常见随机变量的分布,随机变量函数的分布.1、随机变量设是随机试验的样本空间,如果对于试验的每⼀个可能结果,都有唯⼀的实数与之对应,则称为定义在上的随机变量,简记为.随机变量通常⽤⼤写字母等表⽰.2、离散型随机变量及其分布列如果随机变量只能取有限个或可列个可能值,则称为离散型随机变量.如果的⼀切可能值为,并且取的概率为,则称为离散型随机变量的概率函数(概率分布或分布律).也称分布列,常记为其中.常见的离散型随机变量的分布有:(1)两点分布(0-1分布):记为,分布列为或(2)⼆项分布:记为,概率函数(3)泊松分布,记为,概率函数泊松定理设是⼀常数,是任意正整数,设,则对于任⼀固定的⾮负整数,有.当很⼤且很⼩时,⼆项分布可以⽤泊松分布近似代替,即,其中(4)超⼏何分布:记为,概率函数,其中为正整数,且.当很⼤,且较⼩时,有(5)⼏何分布:记为,概率函数.3、分布函数及其性质分布函数的定义:设为随机变量,为任意实数,函数称为随机变量的分布函数.分布函数完整地描述了随机变量取值的统计规律性,具有以下性质:(1)有界性;(2)单调性如果,则;(3)右连续,即;(4)极限性;(5)完美性.4、连续型随机变量及其分布分布如果对于随机变量的分布函数,存在⾮负函数,使对于任⼀实数,有,则称为连续型随机变量.函数称为的概率密度函数.概率密度函数具有以下性质:(1);(2);(3);(4);(5)如果在处连续,则.常⽤连续型随机变量的分布:(1)均匀分布:记为,概率密度为分布函数为(2)指数分布:记为,概率密度为分布函数为(3)正态分布:记为,概率密度为,相应的分布函数为当时,即时,称服从标准正态分布.这时分别⽤和表⽰的密度函数和分布函数,即具有性质:①.②⼀般正态分布的分布函数与标准正态分布的分布函数有关系:.5、随机变量函数的分布(1)离散型随机变量函数的分布设为离散型随机变量,其分布列为(表2-2):表2-2则任为离散型随机变量,其分布列为(表2-3):表2-3……有相同值时,要合并为⼀项,对应的概率相加.(2)连续型随机变量函数的分布设为离散型随机变量,概率密度为,则的概率密度有两种⽅法可求.1)定理法:若在的取值区间内有连续导数,且单调时,是连续型随机变量,其概率密度为.其中是的反函数.2)分布函数法:先求的分布函数然后求.疑难分析1、随机变量与普通函数随机变量是定义在随机试验的样本空间上,对试验的每⼀个可能结果,都有唯⼀的实数与之对应.从定义可知:普通函数的取值是按⼀定法则给定的,⽽随机变量的取值是由统计规律性给出的,具有随机性;⼜普通函数的定义域是⼀个区间,⽽随机变量的定义域是样本空间.2、分布函数的连续性定义左连续或右连续只是⼀种习惯.有的书籍定义分布函数左连续,但⼤多数书籍定义分布函数为右连续. 左连续与右连续的区别在于计算时,点的概率是否计算在内.对于连续型随机变量,由于,故定义左连续或右连续没有什么区别;对于离散型随机变量,由于,则定义左连续或右连续时值就不相同,这时,就要注意对定义左连续还是右连续.第三块多维随机变量及其分布内容提要基本内容:多维随机变量及其分布函数⼆维离散型随机变量的联合分布列,⼆维连续型随机变量的联合分布函数和联合密度函数,边际分布,随机变量的独⽴性和不相关性,常⽤多维随机变量,随机向量函数的分布.1、⼆维随机变量及其联合分布函数为n维(n元)随机变量或随机向量.联合分布函数的定义设随机变量,为随机向量的联合分布函数⼆维联合分布函数具有以下基本性质:(1)单调性是变量或的⾮减函数;(2)有界性;(3)极限性(3)连续性关于右连续,关于也右连续;(4)⾮负性对任意点,若,则.上式表⽰随机点落在区域内的概率为:.2、⼆维离散型随机变量及其联合分布列如果⼆维随机变量所有可能取值是有限对或可列对,则称为⼆维离散型随机变量.设为⼆维离散型随机变量,它的所有可能取值为将或表3.1称为的联合分布列.………………联合分布列具有下列性质:(1);(2).3、⼆维连续型随机变量及其概率密度函数如果存在⼀个⾮负函数,使得⼆维随机变量的分布函数对任意实数有,则称是⼆维连续型随机变量,称为的联合密度函数(或概率密度函数).联合密度函数具有下列性质:(1)⾮负性对⼀切实数,有;(2)规范性;(3)在任意平⾯域上,取值的概率;(4)如果在处连续,则.4、⼆维随机变量的边缘分布设为⼆维随机变量,则称分别为关于和关于的边缘(边际)分布函数.当为离散型随机变量,则称分别为关于和关于的边缘分布列.当为连续型随机变量,则称分别为关于和关于的边缘密度函数.5、⼆维随机变量的条件分布(了解)(1)离散型随机变量的条件分布设为⼆维离散型随机变量,其联合分布律和边缘分布列分别为,则当固定,且时,称为条件下随机变量的条件分布律.同理,有(2)连续型随机变量的条件分布设为⼆维连续型随机变量,其联合密度函数和边缘密度函数分别为:.则当时,在和的连续点处,在条件下,的条件概率密度函数为.同理,.6、随机变量的独⽴性设及分别是的联合分布函数及边缘分布函数.如果对任何实数有则称随机变量与相互独⽴.设为⼆维离散型随机变量,与相互独⽴的充要条件是.设为⼆维连续型随机变量,与相互独⽴的充要条件是对⼏乎⼀切实数,有.7、两个随机变量函数的分布设⼆维随机变量的联合概率密度函数为,是的函数,则的分布函数为.(1)的分布若为离散型随机变量,联合分布列为,则的概率函数为:或.若为连续型随机变量,概率密度函数为,则的概率函数为:.(2)的分布若为连续型随机变量,概率密度函数为,则的概率函数为:.8.最⼤值与最⼩值的分布则9.数理统计中常⽤的分布(1)正态分布:(2):(3):(4):疑难分析1、事件表⽰事件与的积事件,为什么不⼀定等于?如同仅当事件相互独⽴时,才有⼀样,这⾥依乘法原理.只有事件与相互独⽴时,才有,因为.2、⼆维随机变量的联合分布、边缘分布及条件分布之间存在什么样的关系?由边缘分布与条件分布的定义与公式知,联合分布唯⼀确定边缘分布,因⽽也唯⼀确定条件分布.反之,边缘分布与条件分布都不能唯⼀确定联合分布.但由知,⼀个条件分布和它对应的边缘分布,能唯⼀确定联合分布.但是,如果相互独⽴,则,即.说明当独⽴时,边缘分布也唯⼀确定联合分布,从⽽条件分布也唯⼀确定联合分布.3、两个随机变量相互独⽴的概念与两个事件相互独⽴是否相同?为什么?两个随机变量相互独⽴,是指组成⼆维随机变量的两个分量中⼀个分量的取值不受另⼀个分量取值的影响,满⾜.⽽两个事件的独⽴性,是指⼀个事件的发⽣不受另⼀个事件发⽣的影响,故有.两者可以说不是⼀个问题.但是,组成⼆维随机变量的两个分量是同⼀试验的样本空间上的两个⼀维随机变量,⽽也是⼀个试验的样本空间的两个事件.因此,若把“”、“”看作两个事件,那么两者的意义近乎⼀致,从⽽独⽴性的定义⼏乎是相同的.第四块随机变量的数字特征内容提要基本内容:随机变量的数学期望和⽅差、标准差及其性质,随机变量函数的数学期望,原点矩和中⼼矩,协⽅差和相关系数及其性质.1、随机变量的数学期望设离散型随机变量的分布列为,如果级数绝对收敛,则称级数的和为随机变量的数学期望.设连续型随机变量的密度函数为,如果⼴义积分绝对收敛,则称此积分值为随机变量的数学期望.数学期望有如下性质:(1)设是常数,则;(2)设是常数,则;(3)若是随机变量,则;对任意个随机变量,有;(4)若相互独⽴,则;对任意个相互独⽴的随机变量,有.2、随机变量函数的数学期望设离散型随机变量的分布律为,则的函数的数学期望为,式中级数绝对收敛.设连续型随机变量的密度函数为,则的函数的数学期望为,式中积分绝对收敛.3、随机变量的⽅差设是⼀个随机变量,则称为的⽅差.称为的标准差或均⽅差.。
概率论与数理统计整理(一二章)
概率论与数理统计整理(⼀⼆章)⼀、随机事件和概率考试内容:随机事件(可能发⽣可能不发⽣的事情)与样本空间(包括所有的样本点) 事件的关系(包含相等和积差互斥对⽴)与运算(交换分配结合德摸根对差事件⽂⽒图) 完全事件组(所有基本事件的集合) 概率的概念概率的基本性质(⾮负性规范性可列可加性) 古典型概率⼏何型概率条件概率概率的基本公式事件的独⽴性独⽴重复试验考试要求:1.了解样本空间(基本事件空间)的概念,理解随机事件的概念,掌握事件的关系与运算.2.理解概率、条件概率的概念,掌握概率的基本性质,会计算古典型概率和⼏何型概率(弄清⼏何意义),掌握概率的加法公式(PAUB=PA+PB--PAB)、减法公式(P(A--B)=PA--PAB)、乘法公式(PAB=PA*PB|A)、全概率公式(关键是对S进⾏正确的划分),以及贝叶斯公式.3.理解事件的独⽴性(PAB=PA*PB)的概念,掌握⽤事件独⽴性进⾏概率计算;理解独⽴重复试验的概念,掌握计算有关事件概率的⽅法.整理重点:1. 随机事件:可能发⽣也可能给不发⽣的事件。
0<概率<1。
2. 样本空间:实验中的结果的每⼀个可能发⽣的事件叫做实验的样本点,实验的所有样本点构成的集合叫做样本空间,⼤写字母S表⽰。
3. 事件的关系:(1)包含:事件A发⽣必然导致事件B发⽣,称事件B包含事件A。
(2)相等:事件A包含事件B且事件B包含事件A。
(3)和:事件的并,记为A∪B。
(4)差:A-B称为A与B的差,A发⽣⽽B不发⽣,A-B=A-AB。
(5)积:事件的交,事件A与B都发⽣,记为AB或A∩B。
(6)互斥:事件A与事件B不能同时发⽣,AB=空集。
(7)对⽴:A∪B=S。
4. 集合的运算:(1)交换律:A∪B=B∪A AB=BA (2结合律:(A∪B)∪C=A∪(B∪C)(AB)C=A(B C)(3)分配率:A (B∪C)=AB∪AC A∪(BC)=(A∪B)(A∪C) (4)德*摩根定律5. 完全事件组:如果n个事件中⾄少有⼀个事件⼀定发⽣,则称这n个事件构成完全事件组(特别地:互不相容的完全事件组)。
概率论与数理统计第一章第四节
例 1甲、乙独立地向同一敌机炮击,已知甲击 甲 乙独立地向同一敌机炮击, 中的概率为0.6,乙击中的概率为0.5, 中的概率为 ,乙击中的概率为 ,求敌 机被击中的概率。 机被击中的概率。
1 1 在下列两种情况下, 例 2 已知 P( A) = , P(B) = .在下列两种情况下, 2 3
分别计算 P( A B) 互不相容; 相互独立; (1) A 与 B 互不相容;(2) A 与 B 相互独立;
3
某彩票每周开奖一次, 例1某彩票每周开奖一次,每次提供十万分之一的中 某彩票每周开奖一次 奖机会,且各周开奖是相互独立的。 奖机会,且各周开奖是相互独立的。若你每周买一张 彩票,尽管你坚持十年(每年52周 之久, 彩票,尽管你坚持十年(每年 周)之久,你从未中 奖的可能性是多少? 奖的可能性是多少?
假设正常人血清含有肝炎病毒的概率为0.4%,若将 例2假设正常人血清含有肝炎病毒的概率为 , 100个互不相干的人的血清混合,试求混合血清含有 个互不相干的人的血清混合, 个互不相干的人的血清混合 肝炎病毒的概率. 肝炎病毒的概率.
4
例3
1 2
4个相同原件独 立工作, 立工作,每个 元件正常工作 的概率都为 p=0.8,哪一种 p=0.8,哪一种 连接方式更加 可靠? 可靠?
6
二项概率公式
n 重伯努利试验中, 设每次试验中事件A出现的 重伯努利试验中, 设每次试验中事件 出现的 概率为p(0<p<1), n次试验中 出现 次的概率为 次试验中A出现 概率为 次试验中 出现k次的概率为
pk ∆pn (k) = C p (1− p)
k n k
n−k
, k = 0,1,2,L, n
8
ห้องสมุดไป่ตู้
概率论与数理统计第一章教案-知识归纳整理
教 师 备 课 纸1第一节 随机事件一、随机现象在自然界和人类社会日子中普遍存在着两类现象:一类是在一定条件下必然闪现的现象,称为确定性现象。
例如:(1) 一物体从高度为h (米)处垂直下落,则经过t (秒)后必然落到地面,且当高度h 一定时,可由公式221gt h =得到,g h t /2=(秒)。
(2) 异性电荷相互吸引,同性电荷相互排斥。
…另一类则是在一定条件下我们事先无法准确预知其结果的现象,称为随机现象。
例如:(1) 在相同条件下抛掷同一枚硬币,我们无法事先预知将闪现正面还是反面。
(2) 未来某日某种股票的价格是多少。
…概率论算是以数量化想法来研究随机现象及其规律性的一门数学学科。
二、 随机试验为了对随机现象的统计规律性举行研究,就需要对随机现象举行重复观察, 我们把对随机现象的观察称为随机试验,并简称为试验,记为E 。
例如,观察某射手对固定目标举行射击; 抛一枚硬币三次,观察闪现正面的次数;记录某市120急救电话一昼夜接到的呼叫次数等均为随机试验。
随机试验具有下列特点:(1) 可重复性;试验可以在相同的条件下重复举行; (2) 可观察性;试验结果可观察,所有可能的结果是明确的; (3) 不确定性: 每次试验闪现的结果事先不能准确预知。
三、样本空间虽然一具随机试验将要闪现的结果是不确定的, 但其所有可能结果是明确的, 我们把随机试验的每一种可能的结果称为一具样本点, 记为e (或ω);它们的全体称为样本空间, 记为S (或Ω).知识归纳整理教 师 备 课 纸2反面. 样本空间为S ={正面,反面}或==121}(,{e e e S 正面,=2e 反面)。
(2) 在将一枚硬币抛掷三次,观察正面H 、反面T 闪现事情的试验中,有8个样本点,样本空间:=S },,,,,,,{TTT TTH THT HTT THH HTH HHT HHH 。
(3) 在抛掷一枚骰子,观察其闪现的点数的试验中,有6个样本点:1点,2点,3点,4点,5点,6点,样本空间可简记为=S {1,2,3,4,5,6}。
概率论与数理统计第一章概率论的基本概念
第一章概率论的基本概念在现实世界中发生的现象千姿百态,概括起来无非是两类现象:确定性的和随机性的.例如:水在通常条件下温度达到100℃时必然沸腾,温度为0℃时必然结冰;同性电荷相互排斥,异性电荷相互吸引等等,这类现象称为确定性现象,它们在一定的条件下一定会发生.另有一类现象,在一定条件下,试验有多种可能的结果,但事先又不能预测是哪一种结果,此类现象称为随机现象.例如:测量一个物体的长度,其测量误差的大小;从一批电视机中随便取一台,电视机的寿命长短等都是随机现象.概率论与数理统计,就是研究和揭示随机现象统计规律性的一门基础学科.这里我们注意到,随机现象是与一定的条件密切联系的.例如:在城市交通的某一路口,指定的一小时内,汽车的流量多少就是一个随机现象,而“指定的一小时内”就是条件,若换成2小时内,5小时内,流量就会不同.如将汽车的流量换成自行车流量,差别就会更大,故随机现象与一定的条件是有密切联系的.概率论与数理统计的应用是很广泛的,几乎渗透到所有科学技术领域,如工业、农业、国防与国民经济的各个部门.例如,工业生产中,可以应用概率统计方法进行质量控制,工业试验设计,产品的抽样检查等.还可使用概率统计方法进行气象预报、水文预报和地震预报等等.另外,概率统计的理论与方法正在向各基础学科、工程学科、经济学科渗透,产生了各种边缘性的应用学科,如排队论、计量经济学、信息论、控制论、时间序列分析等.第一节样本空间、随机事件1. 随机试验人们是通过试验去研究随机现象的,为对随机现象加以研究所进行的观察或实验,称为试验.若一个试验具有下列三个特点:1°可以在相同的条件下重复地进行;2°每次试验的可能结果不止一个,并且事先可以明确试验所有可能出现的结果;3°进行一次试验之前不能确定哪一个结果会出现.则称这一试验为随机试验(Random trial),记为E.下面举一些随机试验的例子.E1:抛一枚硬币,观察正面H和反面T出现的情况.E2:掷两颗骰子,观察出现的点数.E3:在一批电视机中任意抽取一台,测试它的寿命.E4:城市某一交通路口,指定一小时内的汽车流量.E5:记录某一地区一昼夜的最高温度和最低温度.2. 样本空间与随机事件在一个试验中,不论可能的结果有多少,总可以从中找出一组基本结果,满足:1°每进行一次试验,必然出现且只能出现其中的一个基本结果.2°任何结果,都是由其中的一些基本结果所组成.随机试验E的所有基本结果组成的集合称为样本空间(Sample space),记为Ω.样本空间的元素,即E的每个基本结果,称为样本点.下面写出前面提到的试验E k(k=1,2,3,4,5)的样本空间Ωk:Ω1:{H,T};Ω2:{(i,j)|i,j=1,2,3,4,5,6};Ω3:{t|t≥0};Ω4:{0,1,2,3,…};Ω5:{(x,y)|T0≤x≤y≤T1},这里x表示最低温度,y表示最高温度,并设这一地区温度不会小于T0也不会大于T1.随机试验E的样本空间Ω的子集称为E的随机事件(Random event),简称事件①,通常用大写字母A,B,C,…表示.在每次试验中,当且仅当这一子集中的一个样本点出现时,称这一事件发生.例如,在掷骰子的试验中,可以用A表示“出现点数为偶数”这个事件,若试验结果是“出现6点”,就称事件A发生.特别地,由一个样本点组成的单点集,称为基本事件.例如,试验E1有两个基本事件{H}、{T};试验E2有36个基本事件{(1,1)}、{(1,2)}、…、{(6,6)}.每次试验中都必然发生的事件,称为必然事件.样本空间Ω包含所有的样本点,它是Ω自身的子集,每次试验中都必然发生,故它就是一个必然事件.因而必然事件我们也用Ω表示.在每次试验中不可能发生的事件称为不可能事件.空集不包含任何样本点,它作为样本空间的子集,在每次试验中都不可能发生,故它就是一个不可能事件.因而不可能事件我们也用表示.3.事件之间的关系及其运算事件是一个集合,因而事件间的关系与事件的运算可以用集合之间的关系与集合的运算来处理.下面我们讨论事件之间的关系及运算.1°如果事件A发生必然导致事件B发生,则称事件A包含于事件B(或称事件B包含事件A),记作A⊂B(或B⊃A).A⊂B的一个等价说法是,如果事件B不发生,则事件A必然不发生.若A⊂B且B⊂A,则称事件A与B相等(或等价),记为A=B.为了方便起见,规定对于任一事件A,有⊂A.显然,对于任一事件A,有A⊂Ω.2°“事件A与B中至少有一个发生”的事件称为A与B的并(和),记为A∪B.由事件并的定义,立即得到:对任一事件A,有A∪Ω=Ω;Α∪=A.A= niiA1=表示“A1,A2,…,A n中至少有一个事件发生”这一事件.A= ∞=1iiA表示“可列无穷多个事件A i中至少有一个发生”这一事件.3°“事件A与B同时发生”的事件称为A与B的交(积),记为A∩B或(AB).由事件交的定义,立即得到:对任一事件A,有A∩Ω=A; A∩=.①严格地说,事件是指Ω中满足某些条件的子集.当Ω是由有限个元素或由无穷可列个元素组成时,每个子集都可作为一个事件.若Ω是由不可列无限个元素组成时,某些子集必须排除在外.幸而这种不可容许的子集在实际应用中几乎不会遇到.今后,我们讲的事件都是指它是容许考虑的那种子集.B = ni i B 1=表示“B 1,…,B n n 个事件同时发生”这一事件.B = ∞=1i i B 表示“可列无穷多个事件B i同时发生”这一事件. 4°“事件A 发生而B 不发生”的事件称为A 与B 的差,记为A B .由事件差的定义,立即得到:对任一事件A ,有 A A =; A =A ; A Ω=.5°如果两个事件A 与B 不可能同时发生,则称事件A 与B 为互不相容(互斥),记作A ∩B =.基本事件是两两互不相容的.6°若A ∪B =Ω且A ∩B =,则称事件A 与事件B 互为逆事件(对立事件).A 的对立事件记为A ,A 是由所有不属于A 的样本点组成的事件,它表示“A 不发生”这样一个事件.显然A =ΩA .在一次试验中,若A 发生,则A 必不发生(反之亦然),即在一次试验中,A 与A 二者只能发生其中之一,并且也必然发生其中之一.显然有A =A. 对立事件必为互不相容事件,反之,互不相容事件未必为对立事件. 以上事件之间的关系及运算可以用文氏(Venn)图来直观地描述.若用平面上一个矩形表示样本空间Ω,矩形内的点表示样本点,圆A 与圆B 分别表示事件A 与事件B ,则A 与B 的各种关系及运算如下列各图所示(见图11~图16).图1 1 图1 2 图13图1 4 图1 5 图16可以验证一般事件的运算满足如下关系:1°交换律 A ∪B=B ∪A , A ∩B=B ∩A ;2°结合律 A ∪(B ∪C)=(A ∪B)∪C ,A ∩(B ∩C)=(A ∩B)∩C ;3°分配律 A ∪(B ∩C)=(A ∪B)∩(A ∪C),A ∩(B ∪C)=(A ∩B)∪(A ∩C);分配律可以推广到有穷或可列无穷的情形,即A ∩(n i i A 1=)=)(1 n i iA A =, A ∪(1n i i A =)= ni i A A 1)(=;A ∩( ∞=1i i A )=)(1 ∞=i i A A , A ∪(1i i A ∞=)= ∞=1)(i i A A . 4°A B =A B =A AB ; 5°对有穷个或可列无穷个A i ,恒有 ;,1111n i i n i i n i in i i A A A A ====== ;,1111 ∞=∞=∞=∞===i i i i i ii i A A A A例1.1 设A ,B ,C 为三个事件,用A ,B ,C 的运算式表示下列事件:(1) A 发生而B 与C 都不发生:A C B 或A B C 或A (B ∪C ).(2) A ,B 都发生而C 不发生:AB C 或AB C .(3) A ,B ,C 至少有一个事件发生:A ∪B ∪C .(4) A ,B ,C 至少有两个事件发生:(AB )∪(AC )∪(BC ).(5) A ,B ,C 恰好有两个事件发生:(AB C )∪(AC B )∪(BC A ).(6) A ,B ,C 恰好有一个事件发生:(A C B )∪(B C A )∪(C B A ).(7) A ,B 至少有一个发生而C 不发生:(A ∪B )C .(8) A ,B ,C 都不发生:C B A 或C B A .例1.2 在数学系的学生中任选一名学生.若事件A 表示被选学生是男生,事件B 表示该生是三年级学生,事件C 表示该生是运动员.(1) 叙述AB C 的意义.(2) 在什么条件下ABC =C 成立?(3) 在什么条件下B A ⊂成立?解 (1) 该生是三年级男生,但不是运动员.(2) 全系运动员都是三年级男生.(3) 全系女生都在三年级.例1.3 设事件A 表示“甲种产品畅销,乙种产品滞销”,求其对立事件A .解 设B=“甲种产品畅销”,C =“乙种产品滞销”,则A =BC ,故C B BC A ===“甲种产品滞销或乙种产品畅销”.第二节 概率、古典概型除必然事件与不可能事件外,任一随机事件在一次试验中都有可能发生,也有可能不发生.人们常常希望了解某些事件在一次试验中发生的可能性的大小.为此,我们首先引入频率的概念,它描述了事件发生的频繁程度,进而我们再引出表示事件在一次试验中发生的可能性大小的数——概率.1.频率定义1.1 设在相同的条件下,进行了n 次试验.若随机事件A 在n 次试验中发生了k 次,则比值k /n 称为事件A 在这n 次试验中发生的频率(Frequency ),记为f n (A )= k /n . 由定义1.1容易推知,频率具有以下性质:1° 对任一事件A ,有0≤f n (A )≤1;2° 对必然事件Ω,有f n (Ω)=1;3° 若事件A ,B 互不相容,则f n (A ∪B )=f n (A )+f n (B )一般地,若事件A 1,A 2,…,A m 两两互不相容,则∑===mi i n m i i n A f A f 11)()( .事件A 发生的频率f n (A )表示A 发生的频繁程度,频率大,事件A 发生就频繁,在一次试验中,A 发生的可能性也就大.反之亦然.因而,直观的想法是用f n (A )表示A 在一次试验中发生可能性的大小.但是,由于试验的随机性,即使同样是进行n 次试验,f n (A )的值也不一定相同.但大量实验证实,随着重复试验次数n 的增加,频率f n (A )会逐渐稳定于某个常数附近,而偏离的可能性很小.频率具有“稳定性”这一事实,说明了刻画事件A 发生可能性大小的数——概率具有一定的客观存在性.(严格说来,这是一个理想的模型,因为我们在实际上并不能绝对保证在每次试验时,条件都保持完全一样,这只是一个理想的假设).历史上有一些著名的试验,德·摩根(De Morgan )蒲丰(Buffon)和皮尔逊(Pearson)曾进行过大量掷硬币试验,所得结果如表1-1所示. 表1-1试验者掷硬币次数 出现正面次数 出现正面的频率 德·摩根2048 1061 0.5181 蒲丰4040 2048 0.5069 皮尔逊12000 6019 0.5016 皮尔逊 24000 12012 0.5005可见出现正面的频率总在0.5附近摆动,随着试验次数增加,它逐渐稳定于0.5.这个0.5就反映正面出现的可能性的大小.每个事件都存在一个这样的常数与之对应,因而可将频率f n (A )在n 无限增大时逐渐趋向稳定的这个常数定义为事件A 发生的概率.这就是概率的统计定义.定义1.2 设事件A 在n 次重复试验中发生的次数为k ,当n 很大时,频率k /n 在某一数值p 的附近摆动,而随着试验次数n 的增加,发生较大摆动的可能性越来越小,则称数p 为事件A 发生的概率,记为P (A )=p .要注意的是,上述定义并没有提供确切计算概率的方法,因为我们永远不可能依据它确切地定出任何一个事件的概率.在实际中,我们不可能对每一个事件都做大量的试验,况且我们不知道n 取多大才行;如果n 取很大,不一定能保证每次试验的条件都完全相同.而且也没有理由认为,取试验次数为n +1来计算频率,总会比取试验次数为n 来计算频率将会更准确、更逼近所求的概率.为了理论研究的需要,我们从频率的稳定性和频率的性质得到启发,给出概率的公理化定义.2.概率的公理化定义定义1.3 设Ω为样本空间,A 为事件,对于每一个事件A 赋予一个实数,记作P (A ),如果P (A )满足以下条件:1°非负性:P (A )≥0;2°规范性:P (Ω)=1;3°可列可加性:对于两两互不相容的可列无穷多个事件A 1,A 2,…,A n ,…,有∑∞=∞==11)()(n n n n A P A P则称实数P (A )为事件A 的概率(Probability ).在第五章中将证明,当n →∞时频率f n (A )在一定意义下接近于概率P (A ).基于这一事实,我们就有理由用概率P (A )来表示事件A 在一次试验中发生的可能性的大小. 由概率公理化定义,可以推出概率的一些性质.性质1 P ()=0证 令 A n = (n =1,2,…),则∞=1n n A =,且A i A j =(i ≠j ,i ,j =1,2,…). 由概率的可列可加性得P ()=∑∑∞=∞=∞===111)()(n n nn n P A P A P (),而P ()≥0及上式知P ()=0.这个性质说明:不可能事件的概率为0.但逆命题不一定成立,我们将在第二章加以说明.性质2 (有限可加性) 若A 1,A 2,…,A n 为两两互不相容事件,则有.)()(11∑===nk k n k k A P A P证 令A n +1=A n +2=…=,则A i A j =.当i ≠j ,i ,j =1,2,…时,由可列可加性,得.)()()()(1111∑∑=∞======nk k k k n k k n k k A P A P A P A P性质3 设A ,B 是两个事件,若A ⊂B ,则有);()()(A P B P A B P -=- 或 ()()P A P B ≤.证 由A ⊂B ,知B =A ∪(B -A )且A ∩(B -A )=.再由概率的有限可加性有P (B )=P (A ∪(B -A ))=P (A )+P (B -A ),即 P (B -A )=P (B )-P (A );又由P (B -A )≥0,得P (A )≤P (B )性质4 对任一事件A ,P (A )≤1证 因为A ⊂Ω,由性质3得P (A )≤P (Ω)=1性质5 对于任一事件A ,有 )(A P =1-P (A )证 因为A ∪A =Ω,A ∩A=,由有限可加性,得1=P (Ω)=P (A ∪A )=P (A )+P (A ),即 P (A )=1-P (A )性质6(加法公式) 对于任意两个事件A ,B 有P (A ∪B )=P (A )+P (B )-P (AB )证 因为A ∪B =A ∪(B -AB )且A ∩(B -AB )=.由性质2,3得P (A ∪B ) =P (A ∪(B -AB )) =P (A )+P (B -AB )=P (A )+P (B )-P (AB )性质6还可推广到三个事件的情形.例如,设A 1,A 2,A 3为任意三个事件,则有P (A 1∪A 2∪A 3) =P (A 1)+P (A 2)+P (A 3)-P (A 1A 2)-P (A 1A 3)-P (A 2A 3)+P (A 1A 2A 3)一般地,设A 1,A 2,…,A n 为任意n 个事件,可由归纳法证得P (A 1∪…∪A n ) =).()1()()()(211111n n n k j i kj i n i n j i j i i A A A P A A A P A A P A P ⋅⋅⋅-+⋅⋅⋅-+--≤<<≤=≤<≤∑∑∑例1.4 设A ,B 为两事件,P (A )=0.5,P (B )=0.3,P (AB )=0.1,求:(1) A 发生但B 不发生的概率;(2) A 不发生但B 发生的概率; (3) 至少有一个事件发生的概率;(4) A ,B 都不发生的概率;(5) 至少有一个事件不发生的概率.解(1) P (A B )=P (A -B )=P (A -AB )=P (A )-P (AB )=0.4;(2) P (A B )=P (B -AB )=P (B )-P (AB )=0.2;(3) P (A ∪B )=0.5+0.3-0.1=0.7;(4) P (B A )=P (B A )=1-P (A ∪B )=1-0.7=0.3;(5) P (A ∪B )=P (AB )=1-P (AB )=1-0.1=0.9.3. 古典概型定义1.4 若随机试验E 满足以下条件:1°试验的样本空间Ω只有有限个样本点,即Ω={ω1,ω2,…,ωn };2°试验中每个基本事件的发生是等可能的,即P ({ω1})=P ({ω2})=…=P ({ωn }),则称此试验为古典概型,或称为等可能概型.由定义可知{ω1},{ω2},…,{ωn }是两两互不相容的,故有1=P (Ω)=P ({ω1}∪…∪{ωn })=P ({ω1})+…+P ({ωn }), 又每个基本事件发生的可能性相同,即P ({ω1})=P ({ω2})=…=P ({ωn }),故 1=nP ({ωi }),从而 P ({ωi })=1/n ,i=1,2,…,n设事件A 包含k 个基本事件即 A ={ωi 1}∪{ωi 2}∪…∪{ωik }, 则有P (A )=P ({ωi 1}∪{ωi 2}∪…∪{ωik })=P ({ωi 1})+P ({ωi 2})+…+P ({ωik })=个k n n n /1/1/1+++=k /n 由此,得到古典概型中事件A 的概率计算公式为P (A )=k /n =A 所包含的样本点数/Ω中样本点总数 (1.1)称古典概型中事件A 的概率为古典概率.一般地,可利用排列、组合及乘法原理、加法原理的知识计算k 和n ,进而求得相应的概率.例1.5 将一枚硬币抛掷三次,求:(1) 恰有一次出现正面的概率;(2) 至少有一次出现正面的概率.解 将一枚硬币抛掷三次的样本空间Ω={HHH ,HHT ,HTH ,THH ,HTT ,THT ,TTH ,TTT }Ω中包含有限个元素,且由对称性知每个基本事件发生的可能性相同.(1) 设A 表示“恰有一次出现正面”,则 A ={HTT ,THT ,TTH },故有 P (A )=3/8.(2) 设B 表示“至少有一次出现正面”, 由B ={TTT },得P (B )=1-P (B )=1-1/8=7/8当样本空间的元素较多时,我们一般不再将Ω中的元素一一列出,而只需分别求出Ω中与A 中包含的元素的个数(即基本事件的个数),再由(1.1)式求出A 的概率.例1.6 一口袋装有6只球,其中4只白球,2只红球.从袋中取球两次,每次随机地取一只.考虑两种取球方式:(a ) 第一次取一只球,观察其颜色后放回袋中,搅匀后再任取一球.这种取球方式叫做有放回抽取.(b ) 第一次取一球后不放回袋中,第二次从剩余的球中再取一球.这种取球方式叫做不放回抽取.试分别就上面两种情形求:(1) 取到的两只球都是白球的概率;(2) 取到的两只球颜色相同的概率;(3) 取到的两只球中至少有一只是白球的概率.解 (a )有放回抽取的情形:设A 表示事件“取到的两只球都是白球”,B 表示事件“取到的两只球都是红球”,C 表示事件“取到的两只球中至少有一只是白球”.则A ∪B 表示事件“取到的两只球颜色相同”,而C =B . 在袋中依次取两只球,每一种取法为一个基本事件,显然此时样本空间中仅包含有限个元素,且由对称性知每个基本事件发生的可能性相同,因而可利用(1.1)式来计算事件的概率.第一次从袋中取球有6只球可供抽取,第二次也有6只球可供抽取.由乘法原理知共有6×6种取法,即基本事件总数为6×6.对于事件A 而言,由于第一次有4只白球可供抽取,第二次也有4只白球可供抽取,由乘法原理知共有4×4种取法,即A 中包含4×4个元素.同理,B 中包含2×2个元素,于是P (A )= (4×4)/(6×6)=4/9,P (B )= (2×2)/(6×6)=1/9由于AB =,故P (A ∪B )=P (A )+P (B )=5/9,P (C )=P (B )=1-P (B )=8/9.(b)不放回抽取的情形:第一次从6只球中抽取,第二次只能从剩下的5只球中抽取,故共有6×5种取法,即样本点总数为6×5.对于事件A 而言,第一次从4只白球中抽取,第二次从剩下的3只白球中抽取,故共有4×3种取法,即A 中包含4×3个元素,同理B 中包含2×1个元素,于是P (A )= (4×3)/(6×5) =2624P P =2/5, P (B )=(2×1)/(6×5) =2622P P =1/15. 由于AB=,故P (A ∪B )=P (A )+P (B )=7/15,P (C )=1-P (B )=14/15.在不放回抽取中,一次取一个,一共取m 次也可看作一次取出m 个,故本例中也可用组合的方法,得P (A )=2624C C =2/5, P (B )=2624C C =1/15.例1.7 箱中装有a 只白球,b 只黑球,现作不放回抽取,每次一只.(1) 任取m +n 只,恰有m 只白球,n 只黑球的概率(m ≤a ,n ≤b );(2) 第k 次才取到白球的概率(k ≤b +1);(3) 第k 次恰取到白球的概率.解 (1)可看作一次取出m +n 只球,与次序无关,是组合问题.从a +b 只球中任取m +n只,所有可能的取法共有n mb a ++C 种,每一种取法为一基本事件且由于对称性知每个基本事件发生的可能性相同.从a 只白球中取m 只,共有ma C 种不同的取法,从b 只黑球中取n 只,共有n b C 种不同的取法.由乘法原理知,取到m 只白球,n 只黑球的取法共有m aC n b C 种,于是所求概率为p 1=n m b a n b ma ++C C C . (2) 抽取与次序有关.每次取一只,取后不放回,一共取k 次,每种取法即是从a+b 个不同元素中任取k 个不同元素的一个排列,每种取法是一个基本事件,共有k b a +P 个基本事件,且由于对称性知每个基本事件发生的可能性相同.前k -1次都取到黑球,从b 只黑球中任取k -1只的排法种数,有1P -k b 种,第k 次抽取的白球可为a 只白球中任一只,有1P a 种不同的取法.由乘法原理,前k -1次都取到黑球,第k 次取到白球的取法共有11P P a k b -种,于是所求概率为p 2=k ba a kb +-P P P 11. (3) 基本事件总数仍为k b a +P .第k 次必取到白球,可为a 只白球中任一只,有1P a 种不同的取法,其余被取的k -1只球可以是其余a+b -1只球中的任意k -1只,共有11P --+k b a 种不同的取法,由乘法原理,第k 次恰取到白球的取法有111k a a b P P -+-种,故所求概率为p 3=111k a a b k a b P P a P a b-+-+=+. 例1.7(3)中值得注意的是p 3与k 无关,也就是说其中任一次抽球,抽到白球的概率都跟第一次抽到白球的概率相同,为ba a +,而跟抽球的先后次序无关(例如购买福利彩票时,尽管购买的先后次序不同,但各人得奖的机会是一样的).例1.8 有n 个人,每个人都以同样的概率1/N 被分配在N (n<N )间房中的任一间中,求恰好有n 个房间,其中各住一人的概率.解 每个人都有N 种分法,这是可重复排列问题,n 个人共有N n 种不同分法.因为没有指定是哪几间房,所以首先选出n 间房,有nN C 种选法.对于其中每一种选法,每间房各住一人共有n !种分法,故所求概率为p =n n N N n !C . 许多直观背景很不相同的实际问题,都和本例具有相同的数学模型.比如生日问题:假设每人的生日在一年365天中的任一天是等可能的,那么随机选取n (n ≤365)个人,他们的生日各不相同的概率为p 1=nn n 365!C 365, 因而n 个人中至少有两个人生日相同的概率为p 2=1-n n n 365!C 365. 例如n =64时p 2=0.997,这表示在仅有64人的班级里,“至少有两人生日相同”的概率与1相差无几,因此几乎总是会出现的.这个结果也许会让大多数人惊奇,因为“一个班级中至少有两人生日相同”的概率并不如人们直觉中想象的那样小,而是相当大.这也告诉我们,“直觉”并不很可靠,说明研究随机现象统计规律是非常重要的.例1.9 12名新生中有3名优秀生,将他们随机地平均分配到三个班中去,试求:(1) 每班各分配到一名优秀生的概率;(2) 3名优秀生分配到同一个班的概率.解 12名新生平均分配到三个班的可能分法总数为34448412)!4(!12C C C = (1) 设A 表示“每班各分配到一名优秀生”3名优秀生每一个班分配一名共有3!种分法,而其他9名学生平均分配到3个班共有3)!3(!9种分法,由乘法原理,A 包含基本事件数为 3!·3)!3(!9=2)!3(!9 故有P (A )=2)!3(!9/3)!4(!12=16/55 (2) 设B 表示“3名优秀生分到同一班”,故3名优秀生分到同一班共有3种分法,其他9名学生分法总数为!4!4!1!9C C C 444819=,故由乘法原理,B 包含样本总数为3·!4!4!1!9. 故有 P (B )=()2!4!9·3/()3!4!12=3/55 4.几何概型上述古典概型的计算,只适用于具有等可能性的有限样本空间,若试验结果无穷多,它显然已不适合.为了克服有限的局限性,可将古典概型的计算加以推广. 设试验具有以下特点:(1) 样本空间Ω是一个几何区域,这个区域大小可以度量(如长度、面积、体积等),并把Ω的度量记作m (Ω).(2) 向区域Ω内任意投掷一个点,落在区域内任一个点处都是“等可能的”.或者设落在Ω中的区域A 内的可能性与A 的度量m (A )成正比,与A 的位置和形状无关.不防也用A 表示“掷点落在区域A 内”的事件,那么事件A 的概率可用下列公式计算:P (A )=m (A )/m (Ω),称它为几何概率.例1.10 在区间(0,1)内任取两个数,求这两个数的乘积小于1/4的概率. 解 设在(0,1)内任取两个数为x ,y ,则0<x <1,0<y <1图1-7即样本空间是由点(x ,y )构成的边长为1的正方形Ω,其面积为 1.令A 表示“两个数乘积小于1/4”,则A ={(x ,y )|0<xy <1/4,0<x <1,0<y <1}事件A 所围成的区域见图1-7,则所求概率P (A ) =2ln 2141d 414311d )411(11d d 114/114/111/411/4+=+-=--=-⎰⎰⎰⎰x x x x y x x图1-8例1.11 两人相约在某天下午2∶00~3∶00在预定地方见面,先到者要等候20分钟,过时则离去.如果每人在这指定的一小时内任一时刻到达是等可能的,求约会的两人能会到面的概率.解 设x ,y 为两人到达预定地点的时刻,那么,两人到达时间的一切可能结果落在边长为60的正方形内,这个正方形就是样本空间Ω,而两人能会面的充要条件是|x -y |≤20,即x-y ≤20且y-x ≤20.令事件A 表示“两人能会到面”,这区域如图1-8中的A .则P (A ) =.95604060)()(222=-=Ωm A m第三节 条件概率、全概率公式1. 条件概率的定义定义1.5 设A ,B 为两个事件,且P (B )>0,则称P (AB )/P (B )为事件B 已发生的条件下事件A 发生的条件概率,记为P (A |B ),即P (A |B )= P (AB )/P (B )易验证,P (A |B )符合概率定义的三条公理,即: 1° 对于任一事件A ,有P (A |B )≥0;2° P (Ω|B )=1;3°,)()(11∑∞=∞==i i i B A P B A P 其中A 1,A 2,…,A n ,…为两两互不相容事件.这说明条件概率符合定义1.3中概率应满足的三个条件,故对概率已证明的结果都适用于条件概率.例如,对于任意事件A 1,A 2,有P (A 1∪A 2|B )=P (A 1|B )+P (A 2|B )-P (A 1A 2|B )又如,对于任意事件A ,有P (A |B )=1-P (A |B ).例1.12 某电子元件厂有职工180人,男职工有100人,女职工有80人,男女职工中非熟练工人分别有20人与5人.现从该厂中任选一名职工,求:(1) 该职工为非熟练工人的概率是多少?(2) 若已知被选出的是女职工,她是非熟练工人的概率又是多少?解 题(1)的求解我们已很熟悉,设A 表示“任选一名职工为非熟练工人”的事件,则P (A )=25/180=5/36而题(2)的条件有所不同,它增加了一个附加的条件,已知被选出的是女职工,记“选出女职工”为事件B ,则题(2)就是要求出“在已知B 事件发生的条件下A 事件发生的概率”,这就要用到条件概率公式,有P (A |B ) =P (AB )/P (B )/=(5/180)/(80/180)= 1/16此题也可考虑用缩小样本空间的方法来做,既然已知选出的是女职工,那么男职工就可排除在考虑范围之外,因此“B 已发生条件下的事件A ”就相当于在全部女职工中任选一人,并选出了非熟练工人.从而ΩB 样本点总数不是原样本空间Ω的180人,而是全体女职工人数80人,而上述事件中包含的样本点总数就是女职工中的非熟练工人数5人,因此所求概率为P (A |B )=5/80=1/16例1.13 某科动物出生之后活到20岁的概率为0.7,活到25岁的概率为0.56,求现年为20岁的动物活到25岁的概率.解 设A 表示“活到20岁以上”的事件,B 表示“活到25岁以上”的事件,则有P (A )=0.7,P (B )=0.56且B ⊂A.得 P (B |A )=P (AB )/P (A ) =P (B )/P (A ) =0.56/0.7=0.8.例1.14 一盒中装有5只产品,其中有3只正品,2只次品,从中取产品两次,每次取一只,作不放回抽样,求在第一次取到正品条件下,第二次取到的也是正品的概率.解 设A 表示“第一次取到正品”的事件,B 表示“第二次取到正品”的事件由条件得P (A )=(3×4)/(5×4)= 3/5,P (AB )= (3×2)/(5×4)= 3/10,故有 P (B |A )=P (AB )/P (A )=(3/10)/( 3/5)= 1/2.此题也可按产品编号来做,设1,2,3号为正品,4,5号为次品,则样本空间为Ω={1,2,3,4,5},若A 已发生,即在1,2,3中抽走一个,于是第二次抽取所有可能结果的集合中共有4只产品,其中有2只正品,故得P (B |A )=2/4=1/2.2.乘法定理由条件概率定义P (B |A )=P (AB )/P (A ),P (A )>0,两边同乘以P (A )可得P (AB )=P (A )P (B |A ),由此可得定理1.1(乘法定理) 设P (A )>0,则有P (AB )=P (A )P (B |A )易知,若P (B )>0,则有P (AB )=P (B )P (A |B )乘法定理也可推广到三个事件的情况,例如,设A ,B ,C 为三个事件,且P (AB )>0,则有P (ABC )=P (C |AB )P (AB )=P (C |AB )P (B |A )P (A )一般地,设n 个事件为A 1,A 2,…,A n ,若P (A 1A 2…A n -1)>0,则有P (A 1A 2…A n )=P (A 1)P (A 2|A 1)P (A 3|A 1A 2)…P (A n |A 1A 2…A n -1).事实上,由A 1⊃A 1A 2⊃…⊃A 1A 2…A n -1,有 P (A 1)≥P (A 1A 2)≥…≥P (A 1A 2…A n -1)>0故公式右边的条件概率每一个都有意义,由条件概率定义可知P (A 1)P (A 2|A 1)P (A 3|A 1A 2)…P (A n |A 1A 2…A n -1)=P (A 1))()()()()()(1212121321121-⋅⋅⋅n n A A A P A A A P A A P A A A P A P A A P =P (A 1A 2…A n ) 例1.15 一批彩电,共100台,其中有10台次品,采用不放回抽样依次抽取3次,每次抽一台,求第3次才抽到合格品的概率.解 设A i (i =1,2,3)为第i 次抽到合格品的事件,则有)(321A A A P =)()()(21312A A A P A A P A P =10/100·9/99·90/98≈0.0083. 例1.16 设盒中有m 只红球,n 只白球,每次从盒中任取一只球,看后放回,再放入k 只与所取颜色相同的球.若在盒中连取四次,试求第一次,第二次取到红球,第三次,第四次取到白球的概率.解 设R i (i =1,2,3,4)表示第i 次取到红球的事件,i R (i =1,2,3,4)表示第i 次取到白球的事件.则有。
概率论与数理统计
第一章第一章 随机事件1.1 概述§1.1§1.2 事件的概率§1.3 古典概率模型§1.4 条件概率§1.5 事件的独立性二.有无限个可数个可能结果的随机试验.例1:观察某交换台早晨8:00-9:00接到电话的次数,设数字i 表示呼叫次数, i =0,1,2=0,1,2……..,则: Ω={0,1,2,={0,1,2,…….}三.可能结果不可数的随机试验.例1:在分析天平上称量某物品并记录称量的结果.记x 为此物的称量, 则Ω={|0}x x ≥例2:在一批灯泡中任取一个,测其寿命记t 为所取灯泡的寿命, 则Ω=}0|{≥t t 例3:观察某块地的玉米产量. 记y 为此块地的玉米产量, 则Ω={|0}y y M ≤≤类似的可推广到多个事件相加,以及无数可列个事件相加.n 个事件的并(和)12,,,n A A A ⋯表示n 个事件中至少有一个发生,记为n A A A +++⋯21nA A A ∪∪∪⋯21可列个事件的并(和)12,,,,n A A A ⋯⋯11n nn A A A ∞=+++=∑⋯⋯表示可列个事件中至少有一个发生,记为或是1nn A ∞=∪或“可列个”在本学科里通常表示无限个可数的。
ABAB-A AAB A-B⇒⇔事件例 掷一颗骰子的试验,观察出现的点数:事件A 表示“奇数点”;B 表示“偶数点”;C 表示“小于3的点”,D 表示“大于2小于5的点” E 表示“大于4的点”,求事件间的关系.D ={3,4}, E ={5,6}, Ω={1,2,3,4,5,6}解:显然有:A ={1,3,5}, B ={2,4,6}, C ={1,2}互不相容事件有:A 与BC 与D, 或说事件C,D,E 两两互不相容对立事件有:A 与BD 与E,C 与EC D E ++=ΩA B +=Ω又因为A,B 构成Ω的一个最小的划分C ,D ,E 构成Ω的一个划分1.[关系]事件的包含2. [关系]事件的相等:3. [运算]事件的并(和)4. [运算]事件的交(积)5.[运算]事件的差(A-B)6.[关系]互不相容事件(互斥事件)7.[关系]对立事件(互逆事件)8.[关系] Ω的一个划分小结本节首先介绍随机试验、样本空间的基本概念,然后介绍随机事件的各种运算及运算法则。
《概率论与数理统计》1-123(频率与概率)
某一事件发生
它包含的一个样本点出现
三、事件间的关系及其运算
试验E S(样本空间) 事件A 必然事件 S 基本事件
不可能事件
A(子集) 样本点
1.事件的关系
① 包含、相等关系 A发生必然导致B发生
AB
称事件A包含于B或B包含A.
文氏图(Venn图)
A与B相等 ,记为A=B
例1: 产品有长度、直径、外观三个质量指标,
②(有﹏放﹏回﹏选﹏取﹏)从n个不同元素中有放回地抽取r个,依 次排成一列,称为可重复排列,排列数记
例 将三封信投入4个信箱,问在下列情形下各有几种 投法? ⑴ 每个信箱至多允许投入一封信。 ⑵ 每个信箱允许投入的信的数量不受限制。 解:⑴ 无重复排列:
⑵ 可重复排列:
Ⅳ. 组合 从n个元素中每次取出r个元素,构成一组,称为从n个 元素里每次取出r个元素的组合。 组合数为 或 几个常用性质:
两两互不相容。
证明 由三公理中的可列可加性,令
则由性质1可得 所以下式成立
如果
则
①
≤
②
,0≤
≤1
(加法公式) 推广:
P11
例1 (天气问题) 某人外出旅游两天,据天气预报知: 第一天下雨的概率为0.6,第二天下雨的概率为0.3, 两天都下雨的概率为0.1 试求下列事件的概率: (1) 第一天下雨,第二天不下雨; (2) 第一天不下雨,第二天下雨; (3) 至少有一天下雨; (4) 两天都不下雨; (5) 至少有一天不下雨
解:设A、B分别表示第一、二天下雨 则 (1) (2) (3) (4) (5)
例2 (订报问题) 在某城市中,共发行三种报纸A,B,
C,订购A,B,C的用户占用分别为45%,35%,30%,
莆田学院 概率论与数理统计 第一章
若事件A表示“某公司今年年底结算将不亏损” 则事件A表示“某公司今年年底结算将亏损”.
A
A
按差事件和对立事件的定义,显然有A B = AB
AB
AB
运算规律
1.交换律 A B = B A A B = B A
而 P(A B) = P(A) P(B) P(AB) 所以 P(A B) P(B) = P(A) P(AB)
于是 P(AB) = 0.6 0.3 = 0.3
例2 设 P(A) = P(B) = 1
2
证明 P(AB) = P(AB)
证 P(AB) = P(A B)
= 1 P(A B) = 1 [P( A) P(B) P( AB)] = 1 [1 1 P( AB)]
P(A B) = P(A) P(B) P(AB)
证明 性质5
性质5 对任一事件A有P(A) = 1 P(A)
证:
A A = 且 AA =
由性质2可得
1 = P(Ω) = P( A A) = P( A) P( A)
P(A) = 1 P(A)
证明 性质6
性质6(加法公式) 对任意两个事件A、B有
1061 2048 6019 12012 39699
0.5181 0.5069 0.5016 0.5005 0.4923
A = {出现正面H }
n=4040
fn (A) = 0.5069
n = 24000 fn (A) = 0.5005
当 n 不同时,得到的 f ( A ) 常常会不一样
经典概率论与数理统计第1章随机事件与概率
解
PA K n k 1n
Nn
例1.2.4 袋中有a只黑球,b只白球,它们除颜色不同
外,其余无差异,现随机地把球一只一只地摸出,求
A=“第k次摸出的一只球为黑球”的概率。(1≤k≤a +b)
解
PA
a
a
b 1
1
a
a
a
b
ab
例1.2.5 一批产品共有N件,其中有M件次品 (M﹤N),采用有放回和不放回两种抽样方式从 中抽n件产品,问正好抽到K件次品的概率是多少?
上一页 下一页 返 回
上一页 下一页 返 回
第二节 概率的定义及其确定方法
1、频率
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 称为事件A在n次 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 (2)
上一页 下一页 返 回
上一页 下一页 返 回
或A1A2 … An ,也可简记为
。
在可列无穷的场合,用 事件同时发生。”
表示事件“A1、A2 、 …诸
上一页 下一页 返 回
事件A发生但事件B不发生,称为事件A与事件B的差 事件。显然有:
则称A和B是互不相容的或互斥的,指事件A与B不 可能同时发生。 基本事件是两两互不相容的。
上一页 下一页 返 回
60 A B 且A B
则称A和B互为对立事件,或称A与B互为逆事件。 事件A的逆事件记为 , 表示“A不发生”这一事件。
对于任意的事件A,B只有如下分解:
上一页 下一页 返 回
AB
A B
AB
AB
A B
AB
A B
AB
A B
- 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)。
代入得 P(W) 0.782
概率论
作业
习题1-3 1,5,7,10 习题1-4 3,5,7,10
概率论
P A P B P AP B 0.2 0.9 0.8 0.1 0.26 .
3 P A B P A P B P AB
P A P B P AP B 0.8 0.9 0.8 0.9 0.98 .
概率论
例2 设有两门高射炮 , 每一门击中飞机的概率都
是 0.6 , 求下列事件的概率:
1同时发射一发炮弹而击中飞机的概率是多少 ? 2 若有一架敌机入侵领空 , 欲以 99%以上的概率
击中它 ,问至少需要多少门高射炮 ?
解 设 Ak 第 k 门高射炮发射一发炮弹而击中飞机 ,
k 1,2 , 则 Ak 之间相互独立, 且 P Ak 0.6 , 于是
解 由于 P(A)=4/52=1/13, P(B)=26/52=1/2, P(AB)=2/52=1/26.
可见, P(AB)=P(A)P(B)
故事件A、B独立.
在实际应用中, 往往根据问题的实际意义去判断两事件是否独立.
例如 甲、乙两人向同一目标射击, 记 A={甲命中}, B={乙命中}, A与B是否独立? 由于“甲命中”并不影响“乙命中”的概率, 故认为A、B独立 .
3. 定理2: 若两事件A、B独立, 则: A 与B, A与B , 证明 仅证A与 B 独立
概率的性质
A 与B 也相互独立.
概率论
A、B独立
P(A B )= P(A -A B) = P(A)- P(AB) = P(A)-P(A) P(B) =P(A)[1- P(B)] = P(A) P(B) 故 A与 B 独立
概率论
第四节 独立性 主观概率
独立性 *主观概率
一、两事件的独立性(Independent)
先看一个例子:
将一颗均匀骰子连掷两次, 设 A={第二次掷出6点}, B={第一次掷出6点},
概率论
显然 P(A|B)=P(A) 这就是说, 已知事件B发生, 并不影响事件A发生的概率, 这时称事件A、B独立.
或者 ,当 P A 0 时 , P B | A
再证充分性 : 设 P A | B P A 成立 , 则有
P AB P A | B P B P AP B
由定义可知, 事件 A、B 相互独立 .
概率论
例: 从一副不含大小王的扑克牌中任取一张, 记 A={抽到K}, B={抽到的牌是黑色的} 问事件A、B是否独立?
E
0.70
解: 将电路正常工作记为W, 由于各元件独立工作, 有:
P W P A P B P C D E P F G P H
其中 P C D E 1 P C P D P E 0.973
P F G 1 P F P G 0.9735
概率论
由乘法公式知,当事件A、B独立时,有
P(AB)=P(A) P(B)
P AB P A B P B
用P(AB)=P(A) P(B)刻划独立性,比用
P(A|B) = P(A) 或 P(B|A) = P(B)
更好,它不受 P(B)>0 或 P(A)>0 的制约.
1. 两事件独立的定义 若两事件A、B满足
概率论
前面我们看到独立与互斥的区别和联系:
设A、B为互斥事件,且P(A)>0, P(B)>0, 下面四个结论中,正确的是:
1. P(B|A)>0 3. P(A|B)=0 2. P(A|B)=P(A) 4. P(AB)=P(A)P(B)
设A、B为独立事件,且P(A)>0, P(B)>0, 下面四个结论中,正确的是: 1. P(B|A)>0 3. P(A|B)=0 2. P(A|B)=P(A) 4. P(AB)=P(A)P(B)
4 2 3 3 1 0.6 5 3 4 5
3
例5: 下面是一个串并联电路示意图. 概率论 A、B、C、D、E、F、G、H 都是电路中的元件. 它们下方的数是它们各自正常工作的概率. 求电路正常工作的概率. C
0.70
F
0.75
A
0.95
B
0.95
D
0.70
H
G
0.95 0.75
概率论
(即一事件发生与否并不影响另一事件发生的概率)
又如: 一批产品共n件,从中抽取2件, 设 Ai={第i件是合格品} i=1,2 若抽取是有放回的, 则A1与A2独立.
概率论
因为第二次抽取的结果
不受第一次抽取的影响. 若抽取是无放回的,则A1与A2不独立. 因为第二次抽取的结果受到 第一次抽取的影响.
P AB P A P B
所以 ,当 P B 0 时 , P A | B P AB P B P AB P A
P A P B P B P A P B P A
P A P B
P Ai Ai Ai
1 2
k
P A P A P A
i1 i2 ik
则称 A1 , A2 , , An 为相互独立的事件.
(Mutually Independent)
请注意: 多个事件两两独立与相互独立的区别与联系. 对 n (n > 2)个事件
相互独立
两两独立
?
三、独立性的概念在计算概率中的应用
1 P A1 A2 1 P A1 A2 1 P A1 A2 2 1 P A1 P A2 1 0.4 0.84 .
概率论
2 设至少需要 n 门高射炮 ,由题知
P A1 A2 An 1 P A1 A2 An 1 P A1 A2 An 1 P A1 P A2 P An
所求为 P A1 A2 A3
已知, P(A1)=1/5 , P(A2)=1/3 , P(A3)=1/4
2
P A1 A2 A3 1 P A1 A2 A3 1 P ( A1 A2 A3 )
1 P ( A1 ) P ( A2 ) P ( A3 )
概率论
请问:如图的两个事件是独立的吗? 我们来计算:
A
P(AB)=0
而P(A) ≠0, P(B) ≠0
B
即:
P(AB) ≠ P(A)P(B)
故 A、B不独立. 即, 若A、B互斥, 且P(A)>0, P(B)>0, 则A与B不独立. 反之, 若A与B独立, 且P(A)>0, P(B)>0, 则A、B不互斥.
P A P B ,
P A P C ,
P B P C .
即事件 A、B、C 两两独立 .
P 但是 ABC 1 4
P AP B P C .
2. 对于三个事件A、B、C,若
概率论
P(AB)= P(A)P(B)
P(AC)= P(A)P(C)
概率论
P(AB)= P(A) P(B)
(1)
则称A、B相互独立,简称A、B独立. 2. 定理 1 事件 A、B 独立的充要条件为
P A | B P A , P B 0
或
P B | A P B , P A 0
概率论
*证 先证必要性: 设事件 A、B 独立 ,由独立定义知
或者 P A B 1 P A B 1 P A B
1 P A P B 0.98 .
或者 P A B P AB A B AB
P AB P A B AB 0.72 0.26 0.98 .
不一定成立 .
概率论
例如 S 1 , 2 , 3 , 4 , A 1 , 2 , B 1 , 3 ,
C 1 , 4 , 则 P A P B P C
P AB P AC P BC 1 4 1 4 1 4 1 2 , 并且 ,
现从这两批种子中各任 取一粒 , 求
概率论
例1 有甲、乙两批种子,出 苗率分别为0.8 和 0.9 ,
1 两粒种子都出苗的概率 ; 2 恰好有一粒种子 出苗的概率 ; 3 至少有一粒种子出苗的概率 .
由甲批中取出的一粒种子出苗 解 设A
B 由乙批中取出的一粒种子出苗
1 P AB P AP B 0.8 0.9 0.72 ; 2 P A B AB P A B P AB
P(BC)= P(B)P(C)
P(ABC)= P(A)P(B)P(C) 四个等式同时成立,则称事件A、B、C相互独立.
此定义可以推广到任意 有限多个事件的情形:
概率论
3. 定义设 A1 , A2 , , An 为 n 个事件 , 如果对于任意
的 k 1 k n , 和任意的1 i1 i2 ik n 有等式
1 0.4
n
0.99
即
解之得 , n
0.4 0.01 ,
n
ln 0.01 ln 0.4
5.026 .
概率论 例4 三人独立地去破译一份密码, 已知各人能译出的概率分别为1/5,1/3,1/4, 问三人中至少有一人能将密码译出的概率是多少? 1
解 将三人编号为1,2,3, 记 Ai={第i个人破译出密码} i=1 , 2 , 3