精编概率论与数理统计PPT课件第一章小结

合集下载

概率论与数理统计课件第1讲

• 在一定条件下对随机现象进行大量重复观测后就会发现：随机现象的发生具有统计规律性。
例如: 某射击运动员在一定条件下进行射击训
练，个别次射击可能会偏离预定目标，但进行多次射击训练后，该运动员射击的命中率就会呈现出一定的规律。
再如:
测量一个人的身高时，由于仪器或观测者受到环境的影响，每次测量的结果可能有差异，但多次测量结果的平均值随着测量次数的增加而逐渐稳定在某个常数，并且各测量值大多落在此常数附近，离常数越远的测量值出现的可能性越小。
性，即统计规律性”。
想一想
“天有不测风云”和“天气可以预报” 有无矛盾? ☆ 天有不测风云指的是：对随机现象进行一
次观测，其观测结果具有偶然性； ☆ 天气可以预报指的是：观测者通过大量的
气象资料对天气进行预测，得到天气变化的统计规律。
概率论的广泛应用
(1)金融、信贷、医疗保险等行业策略制定； (2)流水线上产品质量检验与质量控制； (3)服务性行业中服务设施及服务员配置； (4)生物医学中病理试验与药理试验； (5)食品保质期、弹药贮存分析，电器与电
子产品寿命分析； (6)物矿探测、环保监测、机械仿生与考古.
第一章随机事件
§1.1 基本概念
1.1.1 随机试验与事件
I. 随机试验把对某种随机现象的一次观察、观测或测
量称为一个试验。如果这个试验在相同的条件下可以重复进行，且每次试验的结果事前不可预知，则称此试验为随机试验，也简称试验，记为 E。（注：以后所提到的试验均指随机试验。）
总结：
随机现象具有偶然性一面，也有必然
性一面：
偶然统性计一规律面是表指现通在过“对对随随机现机象现的象大做量一
次观测时观，察观，测所结呈现果出具来有的偶事然物性的集(不体可性预规知

概率论与数理统计-绪论、第一章ppt课件

A B C
A B C A B C A B C AB C A BC A B C
B C A C A B
ABC
概率论与数理 A 6 “三人均未命中目标” : 统计课件
ABC
小
• 本节主要讲授： 1.随机现象； 2.随机试验和样本空间； 3.随机事件的概念；
结
成功在于专注并不懈努力
第一章随机事件与概率
成功在于专注并不懈努力
• §1.1
随机事件
• §1.2
• §1.3 • §1.4
概率论与数理统计课件
概率
条件概率事件的独立性
§1.1 随机事件
成功在于专注并不懈努力
1.1.1 随机现象
现象按照必然性分为两类：一类是确定性现象；一类是随机现象。在一定条件下，可能出现这样的结果，也可能出现那样的结果，我们预先无法断言，这类现象成为随机现象。
课程目标
成功在于专注并不懈努力
通过自学考试——以教材为基础，以考试大纲为中心，达到考试要求，通过自学考试。实际简单应用——在现实生活中简单应用概率论与数理统计知识，学以致用，甚至研究学术问题。
概率论与数理统计课件
目
录
成功在于专注并不懈努力
第一章随机事件与概率(重点)
第二章随机变量及其概率分布(重点)
解
(1) ABC
(4) A B C
——
(2) ABC
(3) ABC
概率论与数理统计课件
( 5 ) A B CA B CA B C
成功在于专注并不懈努力
例1-5 某射手向一目标射击3次,Ai表示“第i次射击命中目标”,
i=1,2,3.Bj表示“三次射击恰命中目标j次”,j=0,1,2,3.试用 A1,A2,A3的运算表示Bj,j=0,1,2,3.

概率论与数理统计第一章(A).ppt

解由概率的加法公式 P( A B) P( A) P( B) P( AB), 得
P( AB) P( A) P( B) P( A B) 0.5 0.6 0.9 0.2 再由可分性P( A) P( AB) P( AB ), 得
P( AB ) P( A) P( AB) 0.5 0.2 0.3
(3) 可列可加性：设A1，A2，…, 是一列两两互不相容的事件，即AiAj＝，(ij), i , j＝1, 2, …, 有 P( A1 A2 … )＝ P(A1) ＋P(A2)+…. 则称P(A)为事件A的概率.
二.概率的性质
(1) 有限可加性：设A1，A2，…An , 是n个两两互不相容的事件即AiAj＝，(ij), i , j＝1, 2, …, n ,则有 P( A1 A2 … An)＝ P(A1) ＋P(A2)+… P(An); (2) 单调不减性：若事件AB，则 P(A)≥P(B) (3)事件差 A B是两个事件,则 P(A-B)=P(A)-P(AB)
【解答】
1 解因A与B互不相容 , 故P( A B) P( A B) P( A) P( B)
从而得 P( B) P( A B) P( A) 0.6 0.4 0.2 2 解由加法公式 P( A B) P( A) P( B) P( AB), 得 P( AB) P( A) P( B) P( A B) 0.4 0.3 0.6 0.1 再由可分性 P( A) P( AB) P( AB ),得 P( AB ) P( A) P( AB) 0.4 0.1 0.3
E1: 抛一枚硬币，分别用“H” 和“T” 表示出正面和反面; E2: 从一批产品中任意取10件样品,观测其中的次品数； E3:将一枚硬币连抛三次，考虑正面出现的次数; E4:掷两颗骰子，考虑可能出现的点数之和； E5: 记录某网站一分钟内受到的点击次数； E6:在一批灯泡中任取一只，测其寿命; E7:任选一人，记录他的身高和体重. 随机现象从表面上看,由于人们事先不能知道会出现哪一种结果,似乎是不可捉摸的,其实不然.如抛一枚均匀的硬币我们知道出现哪一面的机会都是一样的(1/2);而掷一颗均匀的骰子,则出现每一种点数的机会均等(1/6).这些结果都是进行大量的重复试验(观察)得来的结果.

概率论与数理统计PPT1章

OPTION
一、随机试验
例1 随机试验的例子
6 第2章随机变量及其分布
1. 抛掷一枚均匀的硬币，有可能正面朝上，也有可能反面朝上；
2. 抛掷一枚均匀的骰子，出现的点数； 3. 某快餐店一天内接到的订单量； 4. 航班起飞延误的时间； 5. 一支正常交易的A股股票每天的涨跌幅。
二、样本空间
7 第2章随机变量及其分布
3 第2章随机变量及其分布
1.1 随机事件及其运算
一、随机试验二、样本空间三、随机事件四、随机事件间的关系和运算
一、随机试验
4 第2章随机变量及其分布
随机现象——在个别试验中呈现不确定的结果, 而在大量重复试验中结果呈现某种规律性的现象.这种规律性称为统计规律性.
概率论是一门研究随机现象及其统计规律的学科.
2、随机事件之间的运算（1）事件的并
事件的并
四、随机事件之间的关系与运算第2章随机变量及其分布 16
2、随机事件之间的运算（2）事件的交（积）
事件的交
四、随机事件之间的关系与运算第2章随机变量及其分布 17
2、随机事件之间的运算（3）事件的差
四、随机事件之间的关系与运算第2章随机变量及其分布 18
2、随机事件之间的运算（4）对立事件
2、随机事件之间的运算
第2章随机变量及其分布 19
从随机事件间的关系和运算可以看出，
01
OPTION
02
OPTION
03
OPTION
3、事件的运算性质
①交换律 ②结合律 ③分配律 ④对偶律
第2章随机变量及其分布 20
3、事件的运算性质
例3
1 2 3 4
第2章随机变量及其分布 21

概率论与数理统计ppt课件(完整版)

B
A
S
(1) A B
8
2.和事件:
A B { x | x A或x B }称为A与B的和事件. 即A, B中至少有一个发生 , 称为A与B的和, 记A B. 可列个事件A1 , A 2 , 的和事件记为

A .
k k 1
3.积事件：事件A B={x|x A 且 x B}称A与B的 A 积，即事件A与B 同时发生. A B 可简记为AB.
4
§2. 样本空间与随机事件
(一) 样本空间:
定义随机试验E的所有可能结果组成的集合称为 E的样本空间, 记为S. 样本空间的元素称为样本点，用表示.
样本空间的分类:
1.离散样本空间:样本点为有限个或可列个. 灯泡的寿命{t|t≥0}.
5
例 E1,E2等. 例
2.无穷样本空间:样本点在区间或区域内取值.
B A 类似地, 事件 S 为可列个事件A1, A2, ...的积事件.
k 1 K
(2) A B A B
S
(3)A B
9
4.差事件:
事件A-B={x|xA且xB} 称为A与B的差. 当且仅当 A发生, B不发生时事件A-B发生. 即:
A - B A AB
显然: A-A=, A- =A, A-S=
(二) 随机事件
定义样本空间S的子集称为随机事件, 简称事件. 在一次试验中, 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. 基本事件: 由一个样本点组成的单点集. 如:{H},{T}. 复合事件: 由两个或两个以上的基本事件复合而成的事件为复合事件. 如:E3中{出现正面次数为奇数}. 必然事件: 样本空间S是自身的子集，在每次试验中总是发生的，称为必然事件。不可能事件：空集φ不包含任何样本点, 它在每次试验中都不发生，称为不可能事件。

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，

概率论与数理统计教程第一章精品PPT课件

A1,A2, ,An 的交，记作 A i i1
4.互不相容（互斥）事件 AB
5.事件的和（并） AB
A1,A2, ,An 的并，记作
n
A i.
i 1
6.对立事件(互逆事件)
若AB ,且AB ,
则B为A的对立事件，记A为。
7.差事件 AB A B AAB
事件的运算(Operation of Events)
样本点简记为： wi ={直到第i次才击中目标}, i = 1,2,…。
则样本空间可记为 Ω={w1，w2，…} 。
随机事件(Random Events)
在随机试验中可能的结果称为随机事件，简称事件. 如在掷色子试验中，观察掷出的点数 .
“掷出1点”
"掷出奇数点"
事件就是由样本点组成的某个集合.
（1）事件“A与B发生，C不发生”可表示成
ABC
（2）事件“A，B，C中至少有一个发生”可表示成
ABC
（3）事件“A，B，C中恰好有一个发生”可表示成
A B C A B C A B C
A={w2，w4，w6，w8 , w10}
85 1946 7 2 3 10
B~"取出的球号大于8" B={w9，w10} C~"取出的球号大于10" D~"取出的球号不大于10"
事件间的关系 (Relation of Events)
1.事件的包含 AB
2.事件的相等 AB
3.事件的积（交） AB
n
机事件吗？
两个特殊的事件：
然
即在试验中必定发生的事件，记为Ω ;
可
即在一次试验中不可能发生的事件，记为φ 。

概率论与数理统计课件第1章

第1章随机事件与概率概率论与数理统计是研究随机现象规律性的学科.概率论侧重于对随机现象出现的可能性大小做出数量上的描述，形成一整套数学理论和方法；数理统计是以概率论为基础研究收集数据、分析数据并据以对所研究的问题作出一定结论的科学和艺术.概率论与数理统计是既有理论基础又有应用潜力的学科，其理论与方法已广泛应用于林业、农业、工程、社会学、经济学等领域中，还在不断向新兴学科渗透并相互促进发展.§1.1 随机现象及其统计规律性客观世界的各种现象大体可分为两类：一类称为决定性现象，即在一定的条件下，只出现一个结果.例如，在标准大气压下，水升温至100摄氏度时沸腾；每天清晨，太阳总从东方升起；向空中抛一物体必然下落等.另一类称为非决定性现象，即在一定的条件下，并不总是出现相同结果，在概率论中称为随机现象. 比如，播种一粒银杏种子，可能发芽可能不发芽；掷一颗骰子，可能出现1至6点等.该类现象有以下两个特点：①结果不止一个；②人们事先不能确定出现的结果.随机现象是概率论与数理统计的研究对象.1.1.1 随机试验对随机现象进行的试验和观察称为随机试验.例1．1随机现象的例子（1）播种一粒银杏种子，观察银杏种子发芽；（2）掷一颗骰子，观察出现的点数；（3）单位时间内，某手机被呼叫的次数；（4）某种型号冰箱的使用寿命；（5）测量课本的长度，观测其误差.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，将满足下述条件的试验称为随机试验：（1）试验在相同条件下是可以重复进行的；（2）试验的结果不至一个，但全部可能结果事先是知道的；（3）每一次试验都会出现上述全部可能结果中的某一个结果，至于是哪一个结果则事先无法预知.1.1.2随机现象的统计规律性对一个随机试验来说，每次试验结果具有不确定性，规律性不强，但大量重复性试验的结果就存在一定的规律性.例如，若抛掷一枚均匀硬币，一次抛掷，出现正面还是出现反面很难确定，但重复大量次抛掷，出现正面次数占抛掷总次数的1/2. 历史上有许多科学家做过抛掷硬币的试验. 抛掷均匀硬币，其结果见表1—1.表1—1 历史上抛掷硬币试验可以看出,试验中出现正面次数与抛硬币次数的比值,当试验次数较小时,随机波动较大；当试验次数较大时,随机波动较小. 随着试验次数的增大, 出现正面次数与抛硬币次数的比值逐渐稳定于固定值0.5，出现很强的规律性.随机现象在大量次试验中所呈现出的规律性，称为随机现象的统计规律性.由于概率论和数理统计所研究的试验都是随机试验，所以随机试验简称为试验.§1.2 随机事件及其关系1.2.1样本空间与随机事件1. 样本空间随机现象一切可能的基本结果组成的集合称为样本空间，用}{ω=Ω表示，其中ω表示基本结果，又称为样本点.例1.2 给出例1.1中随机现象的样本空间：(1) 播种一粒银杏种子的样本空间：},{211ωω=Ω，其中1ω表示银杏种子发芽，2ω表示银杏种子不发芽.(2) 掷一颗骰子的样本空间：},,,{6212ωωω =Ω，其中i ω表示出现i 点，6,,2,1 =i .也可更直接地记此样本空间为：}6,,2,1{2 =Ω.(3) 单位时间内某手机被呼叫的次数的样本空间：},2,1,0{3 =Ω.(4)某种型号冰箱使用寿命的样本空间：}0{4≥=Ωt t .(5) 测量课本的长度，测量误差的样本空间：}{5+∞<<∞-=Ωx x .2. 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，一般用大写字母,,,A B C 表示.例如，掷一颗骰子，=A “出现奇数点”是一个事件，即}5,3,1{=A .关于事件的定义，有以下几个说明.（1）任一事件A 是样本空间Ω的子集.在概率论中我们可用维恩（Venn ）图表示（见图1—1）.（2）当A 中某个样本点出现了，就说事件A 发生了.（3）事件既可以用语言描述，也可以用集合表示.（4）由样本空间Ω中的单个元素组成的子集称为基本事件.样本空间的最大子集，即其本身称为必然事件，记作Ω.样本空间的子集之一，空集称为不可能事件，记作φ.例1.3 掷一颗骰子的样本空间为：}6,,2,1{ =Ω.事件=A “出现2点”，即}2{=A ，它是一个基本事件.事件=B “出现的点数不超过6”，即Ω==}6,5,4,3,2,1{B ，它就是必然事件.事件=C “出现的点数小于1”，即φ=C ，它就是不可能事件.1.2.2 事件的关系及运算假设以下讨论是在同一个样本空间Ω中进行的.1.事件间的关系图1—11）包含关系如果A 中的样本点都是B 中的样本点，则称A 包含于B （见图1—2），或称B 包含A ，也称A 为B 的子事件，记为B A ⊂或A B ⊃.用概率论语言描述为：事件A 发生必然导致事件B 发生.例如，冰箱的使用寿命T 超过30000h ，记为事件}30000{>=T A ，使用寿命T 超过35000h ，记为事件}35000{>=T B ，则B A ⊃.对任一事件A ，必有Ω⊂⊂A φ.2）相等关系如果事件A 与事件B 满足：A 中的样本点都是B 中的样本点，同时B 中的样本点又都是A 中的样本点，即B A ⊂且A B ⊂，则称事件A 与事件B 相等，记为B A =.例如，抛掷两颗骰子，记事件A =“两颗骰子的点数之和为奇数”，事件B =“两颗骰子的点数为一奇一偶”，显然，B A =.3）互不相容关系如果A 与B 没有相同的样本点（见图1—3），则称A 与B 互不相容.用概率论语言描述为：事件A 与事件B 不能同时发生.例如，掷一颗骰子，事件=A “出现偶数点”，B =“出现奇数点”，显然A 与B 互不相容.例1.4 掷一颗骰子的样本空间为：}6,,2,1{ =Ω.图1—3图1—2事件=A “出现2点”，即}2{=A ,=B “出现偶数点”，即}6,4,2{=B ，显然B A ⊂;=C “出现非奇数点”，即}6,4,2{=C ，显然C B =;=D “出现奇数点”，即}5,3,1{=C ，显然C ，，与B A D 都互不相容.2.事件间的运算事件的运算与集合的运算类似，有和、积、差等运算.（1）事件A 与B 的和，记为B A .其含义为“由事件A 与B 中所有样本点组成的新事件”（见图1—4）.用概率论语言描述为：事件A 与B 中至少有一个发生.事件的和运算可推广至有限个或可列个的情形： n i i A 1=或∞=1i i A . （2）事件A 与B 的积，记为B A 或简记为AB .其含义为“由事件A 与B 中公共的样本点组成的新事件”（见图1—5） .用概率论语言描述为：事件A 与B同时发生.事件的积运算可推广至有限个或可列个的情形： n i i A 1=或 ∞=1i i A .（3）事件A 与B 的差，记为B A -.其含义为“由事件A 中而不在B 中的样本点组成的新事件”（见图1—6）.用概率论语言描述为：事件A 发生而B 不发生.图1—4图1—5（4）对立事件事件A 的对立事件，记为A ，即“由在Ω中而不在A 中的样本点组成的新事件”（见图1—7）. 用概率论语言描述：A 不发生，即A A -Ω=.注意（1）A A =，φ=Ω，Ω=φ.（2）A 与B 为对立事件的充分必要条件是φ=B A ，且Ω=B A . 例1.5 掷一颗骰子的样本空间为}6,,2,1{ =Ω.设}4,2,1{=A ， }5,4,1{=B . 则=B A }5,4,2,1{；}4,1{=B A ；}2{=-B A ；}6,5,3{=A .例1.6 设C B A ,,是某个随机现象的三个事件，则(1) “A 发生，C B ,都不发生”的事件可表示为：C B A C B A --=；(2) “B A ,都发生，C 不发生”的事件可表示为：C AB C AB -=；(3) “C B A ,,都发生”的事件可表示为：ABC ；(4) “C B A ,,中至少有一个出现”的事件可表示为：C B A C B A = .图1—6（1）图1—6（2）图1—73.事件的运算性质（1）交换律A B B A =，BA AB =.（2）结合律)()(C B A C B A =，)()(BC A C AB =.（3）分配律BC AC C B A =)(,)()()(C B C A C B A =.（4）对偶律(德莫根公式)B A B A = ，B A AB =. 对偶律可推广至有限个及可列个的情形： n i i n i i A A 11===， ni i n i i A A 11===， ∞=∞==11i i i i A A ， ∞=∞==11i i i i A A .§1.3 事件的概率及其性质1.2.1 概率的定义1.概率的频率定义定义1.1 设在n 次随机试验中，事件A 出现的次数为)(A n ，这里的)(A n 也称为事件A 出现的频数.称事件A 出现的频数与随机试验总数之比，即nA n A f n )()(= 为事件A 出现的频率.容易验证频率满足：(1)非负性 0)(≥A f n ；(2)规范性 1)(=Ωn f ；(3)有限可加性若m A A A ,21 ，，，两两互不相容，则)()(11i mi n m i i n A f A f ∑=== .随机现象的统计规律性表明：随着试验重复次数n 的增加，事件A 出现的频率)(A f n 会稳定在某一常数p 附近，即频率的稳定值，这个频率的稳定值就是事件A 发生的概率，因此我们可以用事件A 频率来定义事件A 的概率，即)()(A f A P n ≈（n 足够大）.下面用例子进一步说明频率的稳定性.例1．7 考虑某树种发芽率试验. 从一大批树种中随机抽取7批树种做发芽试验,其结果见表1—2.表1—2 树种发芽试验的频率表可以看出，树种发芽的频率也具有随机波动性.当树种粒数较小时,随机波动较大；当树种粒数较大时,随机波动较小.最后,随着树种粒数的增大,发芽率逐渐稳定于固定值0.9. 用概率频率的定义可以描述为：该树种发芽的概率为0.9.2.概率的古典定义古典概型满足：（1）样本空间Ω中只有有限个样本点，即},,,{21n ωωω =Ω；（2）每个样本点发生可能性相等，即nP P P n 1)()()(21====ωωω ，若事件A 含有k 个样本点，则事件A 的概率为nk A A P =Ω=中所有样本点的个数所含样本点的个数事件)(. 例1．8 掷两枚硬币，记事件=A “一个正面朝上，一个反面朝上”， =B “两个正面朝上”， =C “至少一个正面朝上”，求)(A P ，)(B P ，)(C P .解此试验的样本空间为=Ω{（正，正），（正，反），（反，正），（反，反）}，即样本空间为Ω有4个样本点.由于=A {（正，反），（反，正）}，即A 含有2个样本点，所以21)(=A P ；由于=B {（正，正）}，即B 含有1个样本点，所以41)(=B P ；由于=C {（正，正），（正，反），（反，正）}，即C 含有3个样本点，所以43)(=C P .例1．9 设有两种树苗栽成一排，每种树苗都是4棵，为了美观，树苗必须交叉排列栽植，求其栽植概率.解利用排列组合知识，有351!8!4!412=⋅⋅=A P .例1．10 今年有12名同学进行暑期社会实践，其中有3名同学是女生，现将它们随机地平均分配到三个小组中去，问： ⑴每个小组都分配到一名女同学的概率是多少？ ⑵3名女同学分配在同一小组的概率是多少？解 12同学平均分配到三个小组中的分法总数为 !4!4!4!124448412=⎪⎪⎭⎫⎝⎛⎪⎪⎭⎫ ⎝⎛⎪⎪⎭⎫ ⎝⎛.⑴ 每个小组分配到一名女同学的分法有!3. 对应每种分法，其余9名同学平均分配到三个小组的分法共有!3!3!3!9333639=⎪⎪⎭⎫⎝⎛⎪⎪⎭⎫ ⎝⎛⎪⎪⎭⎫ ⎝⎛，故所求的概率为 5516!4!4!4!12!3!3!3!9!31==P . ⑵ 将3名女同学分配在同一小组的分法有3种，对应每种分法，其余9名同学的分法共有!4!4!1!9444819=⎪⎪⎭⎫ ⎝⎛⎪⎪⎭⎫ ⎝⎛⎪⎪⎭⎫ ⎝⎛，故所求的概率是 553!4!4!4!12!4!4!1!932=⋅=P . 例1．11 设袋中有白球a 只，黑球b 只.每次从中任取一只，取后放回袋中，共取n 次，试求=k A “n 次取球中有k 次取到白球”的概率.解利用排列组合知识，有kn k k b a b b a a k n A P -++⎪⎪⎭⎫ ⎝⎛=)()()(，n k ,,1,0 =.若记p ba a=+，则 kn k k p p k n A P --⎪⎪⎭⎫ ⎝⎛=)1()(，n k ,,1,0 =.例1．12 设有n 个球，每个球都等可能地被放到N 个不同盒子中的任一个，每个盒子所放球数不限.试求（1）指定的)(N n n ≤个盒子中各有一球的概率1p ；（2）恰好有)(N n n ≤个盒子中各有一球的概率2p . 解利用排列组合知识，有（1） nN n p !1=；（2） )!(!!2n N N N N n n N p nn -=⎪⎪⎭⎫ ⎝⎛=. 例1．13 n 个人生日全不相同的概率是n p 多少？解把n 个人看成是n 球，将一年365天看成是N =365个盒子，则“n 个人生日全不相同”就相当于“恰好有)(N n n ≤个盒子中各有一球”，所以n 个人生日全不相同的概率为365!365(365)!n np n =-. 当60n =时，10.9922n p -=，表明在60个人的群体中至少有两个人生日相同的概率超过99%.3.概率的几何定义几何概型满足：（1）样本空间Ω充满某个区域，其度量（长度、面积或体积等）大小可用ΩS 表示；（2）任意一点落在度量相同的子区域内是等可能的，与子区域的形状及子区域在Ω中位置无关，若事件 A 为Ω中的某个子区域（见图1—8），图 ? 1 — 8其度量大小可用A S 表示，则事件A 的概率为Ω=S S A P A)(. 例1.14 甲、乙两人约定上午8点到9点之间在茶馆会面，并约定先到者应等候另一人20分钟，过时即可离去.求两人会面的概率.解以x 和y 分别表示甲、乙两人到达约会地点的时间，则两人能够会面的充要条件为20≤-y x . 在平面上建立直角坐标系，如图1—9，则95604060222=-==ΩS S P A .4.概率的公理化定义定义1.2 设Ω为一个样本空间，对Ω中的任一随机事件A ，定义一个实数值)(A P 满足：(1)非负性 0)(≥A P ； (2)规范性 1)(=ΩP ；(3)可列可加性若，，21A A ，两两互不相容，有 ∑∞=∞==11)(i i i i A P A P ）（，则称)(A P 为事件A 的概率.由概率的公理化定义知，概率是事件（集合）的映射，当这个映射能满足上述公理的三条，就被称为概率.1.3.2 概率的性质性质1 0)(=φP._ 图 1 — 9_x因为1)(=ΩP ，则0)(1)(=Ω-=P P φ.性质2 （有限可加性）若有限个事件n A A A ,21 ，，互不相容，则 ∑===ni i n i i A P A P 11)(）（ . 性质3 对任一事件A 有 )(1)(A P A P -=.例1.15 设袋中有5只白球，7只黑球.从中任取3只，求至少取到1只白球的概率.解记=A “取出的3只中至少有1只白球”，则A 包括三种情况：取到白球1只黑球2只，或取到白球2只黑球1只，或取到白球3只黑球0只, 如此计算较为复杂.而A 只包括一种情况，即“取到的3只全是黑球”，从而159.044731237)(==⎪⎪⎭⎫ ⎝⎛⎪⎪⎭⎫⎝⎛=A P ，所以841.04437)(1)(==-=A P A P . 性质4 若B A ⊃,则)()()(B P A P B A P -=-.证明因为B A ⊃，所以)(B A B A -= ,且B A -与B 互不相容，则 )()()(B A P B P A P -+=, 即)()()(B P A P B A P -=-.推论（单调性）若B A ⊃,则)()(B P A P ≥.性质5 对任意两个事件B A ,,有)()()(AB P A P B A P -=-. 例16 从1，2，…，100中任取一数，求它能被2整除但不能被3整除的概率.解记=A “取到的数能被2整除”，=B “取到的数能被3整除”，AB =“取到的数能被2和3整除”，则 “能被2整除但不能被3整除”的事件可表示为B A -.由性质5，有)()()(AB P A P B A P -=-50171001610050=-=. 性质6（加法公式）对任意两个事件B A ,,有)()()()(AB P B P A P B A P -+= .对任意n 个事件n A A A ,21 ，，，有 ∑∑∑≤<<≤≤<≤==+-=nk j i kjinj i jini i n i i A A A P A A P A P A P 1111)()()()()()1(211n n A A A P --++. 推论（半可加性）对任意两个事件B A ,,有)()()(B P A P B A P +≤ . 例17 从1~1000中随机取一整数，问取到的整数能被4或6整除的概率是多少？解设A 为“取到的整数能被4整除”，B 为“取到的整数能被6整除”，则所求概率为)()()()(AB P B P A P B A P -+= 由于25041000=，16761000166<<，8412100083<<，则 1000250)(=A P ，1000166)(=B P ，100083)(=AB P ，所以 )()()()(AB P B P A P B A P -+=100033310008310001661000250=-+=.例18已知41)()()(===C P B P A P ，12/1)()(==BC P AB P ,0)(=AC P .则C B A ,,中至少有一个发生概率是多少？C B A ,,都不发生概率是多少？解因为0)(=AC P ，AC ABC ⊂,所以由概率的单调性知0)(=ABC P .再由加法公式，得C B A ,,中至少有一个发生概率为)()()()()()()()(ABC P AC P BC P AB P C P B P A P C B A P +---++=12712243=-=. C B A ,,都不发生概率是)(1)(C B A P C B A P -==125. 1.4 条件概率和乘法公式在实际问题中，除了要考虑某事件A 的概率外，有时还需要考虑在“事件B 已经发生”的条件下，某事件A 发生的概率.一般情况下，前后两者的概率不同.为了有所区别，常称后者的概率为条件概率，记为)(B A P 或)(A P B ,读作“在事件B 发生的条件下，事件A 发生的条件概率”.1.4.1 条件概率例1．19 从标有号为1，2，3，4，5，6的6个同型同质的球中等可能地任取一球，事件A =“取得标号为4”，事件B =“取得标号为偶数”，求“在取得标号为偶数条件下，取得标号为4”的概率.解由于6个球中有3个标号为偶数，按古典概型计算，得31)(=B A P ，而61)(=A P ，由此可见)()(A P B A P ≠.还可以得到“很巧合”的结论，可以计算得61)(=AB P ，21)(=B P ，从而，)()(21/6131)(B P AB P B A P ===. 受此启发，可以给出条件概率的定义.定义1.3 设B A ,是两个随机事件，且0)(>A P ,称 )()()(A P AB P A B P =为在事件A 发生条件下事件B 发生的条件概率.不难验证，条件概率)(A P ⋅满足概率定义中的三条公理，即（1）非负性对于任一事件B ，有0)(≥A B P ；（2）规范性 1)(=ΩA P ；（3）可列可加性若，，21B B ，两两互不相容，则∑∞=∞==11)(i i i i A B P A B P ）（ .因为条件概率符合上述三则公理，所以关于概率的一些重要结果都适用于条件概率.例如，)(1)(A B P A B P -=；对于任意事件21,B B ,有)()()()(212121A B B P A B P A B P A B B P -+= .例1．20 某种动物出生后活到20岁的概率为0.8，活到30岁的概率为0.72，求现年为20岁的这种动物活到30岁的概率.解记A =“动物出生后活到20岁”，B =“动物出生后活到30岁”，则)(A P =0.7，)()(AB P B P ==0.72，由条件概率计算公式，得9.08.072.0)()()()()(====A PB P A P AB P A B P . 例1．21 掷两颗骰子，已知有一个出现6点，求点数之和不小于9的概率.解方法一该试验的样本空间为)}6,6(,),2,6(),1,6(,),6,1(,),2,1(),1,1{( =Ω 共36个样本点.记=A “至少有一个6点”，则)}6,6(),5,6(),6,5(),,4,6(),6,4(),3,6(),6,3(),2,6(),6,2(),1,6(),6,1{(=A ,含有11个样本点；记=B “点数之和不小于9”，则)}6,6(),5,6(),6,5(),5,5(),4,6(),6,4(),4,5(),5,4(),3,6(),6,3{(=B ,含有10个样本点. 而)}6,6(),5,6(),6,5(),4,6(),6,4(),3,6(),6,3{(=AB ，含有7个样本点.由条件概率计算公式，得1173611367)()()(===A P AB P A B P . 方法二可先将样本空间缩小为)}6,6(),5,6(),6,5(),,4,6(),6,4(),3,6(),6,3(),2,6(),6,2(),1,6(),6,1{(=ΩA ，共有11个样本点.样本空间A Ω中，事件A B )}6,6(),5,6(),6,5(),4,6(),6,4(),3,6(),6,3{(=，含有7个样本点，直接计算得117)(=A B P .1.4.2 乘法公式（1）若0)(>A P ，则)()()(A B P A P AB P =. （2）若0)(121>-n A A A P ，则)()()()()(12121312121-=n n n A A A A P A A A P A A P A P A A A P .例1.22 某单位100人进行年欢游戏活动，共有1号,2号,…,100号共100支签, 其中有10支中奖签，依次轮流进行抽签，求恰好第三人抽中奖签的概率.解记=i A “第i 人抽中奖签”，100,,2,1 =i .则所求概率为)()()()(213121321A A A P A A P A P A A A P ==083.09810998910090≈⨯⨯. 1.5 全概率公式和贝叶斯公式1.5.1 全概率公式设n B B B ,,,21 是样本空间Ω的事件，满足：（1）n B B B ,,,21 互不相容；（2） ni i B 2=Ω=；（3）n i B P i ,,2,1,0)( =>则称n B B B ,,,21 是样本空间Ω的一个完备事件组.如果n B B B ,,,21 是样本空间Ω的一个完备事件组，则对样本空间Ω的任一事件A ，有)()()(1i ni i B A P B P A P ∑==.这就是全概率公式. 证明因为)()(11ni i n i i AB B A A A ====Ω=，且n AB AB AB ,,,21 互不相容，则由可加性可得)())(()(11i ni ni i AB P AB P A P ∑==== ,再将)()()(i i i B A P B P AB P =，n i ,,2,1 =，代入式(1.21)即得)()()(1i ni i B A P B P A P ∑==.关于全概率公式的几点说明：（1）全概率公式的最简单的形式，若1)(0<<B P ，则)()()()()(B A P B P B A P B P A P +=；（2）条件n B B B ,,,21 为样本空间Ω的一个完备事件组，可改成n B B B ,,,21 互不相容，且 ni i A B 2=⊃，)()()(1i ni i B A P B P A P ∑==仍成立.1.5.2 贝叶斯公式设n B B B ,,,21 是样本空间Ω的一个完备事件组，如果0)(>A P ，则)()()()()(1jnj ji i i B A P B P B A P B P A B P ∑==，n i ,,2,1 =.例1.23 设某县有A 、B 、C 、D 、E 共5个片区种植杨树，各个片区种植面积分别占总面积的15%，20%，25%，30%，10%，各个片区杨树中“79杨”的百分比分别为80%，70%，60%，75%，90%，如从该县杨树中任抽取一颗，求：（1）任取一颗为“79杨”的概率；（2）若取到的是“79杨”，求它依次是A 、E 片区种植的概率. 解记事件Y =“取到“79杨””.（1）由全概率公式，有)()()()()()()()()()()(E Y p E p D Y p D p YC p C p B Y P B p A Y p A p Y p ++++= =90.010.075.030.060.025.070.020.080.015.0⨯+⨯+⨯+⨯+⨯=0.725.（2）由贝叶斯公式，有()2912725.080.015.0)()()(=⨯==Y p A Y p A p Y A p ， ()14518725.090.010.0)()()(=⨯==Y p E Y p E p Y E p .1.6 事件的独立性与伯努利概型1.6.1事件的独立性1.两个事件的独立性两个事件之间的独立性是指：一个事件的发生不影响另一个事件的发生.例如，在掷两枚硬币的试验中，记事件=A “第一枚硬币出现正面”，记事件=B “第二枚硬币出现正面”.显然A 与B 的发生是相互不影响的.从概率的角度看，如果事件B 的发生不影响事件A 的发生，即)()(A P B A P =，由此又可推出)()(B P A B P =，即事件A 的发生也不影响事件B 的发生.可见独立性是相互的，它们等价于)()()(B P A P AB P =.另外，对于0)(=B P ，或0)(=A P ，式(1.24)仍然成立.由此，我们给出两个事件相互独立的定义.定义1.4 如果)()()(B P A P AB P =成立，则称事件A 与B 相互独立，简称A 与B 独立.否则称A 与B 不独立或相依.性质1 若事件A 与B 独立，则A 与B 独立；A 与B 独立；A 与B 独立.证明这里只证事件A 与B 独立，其余类似.因为B A AB A =从而)()()(B A P AB P A P +=由此得 )()()](1)[()()()()()()(B P A P B P A P B P A P A P AB P A P B A P =-=-=-=所以事件A 与B 独立.2.多个事件的相互独立性定义1.5 设C B A ,,是3个事件，如果有⎪⎩⎪⎨⎧===)()()()()()()()()(C P A P AC P C P B P BC P B P A P AB P ，则称C B A ,,两两独立.若还有)()()()(C P B P A P ABC P =，则称C B A ,,相互独立.进一步地，给出3个以上事件的相互独立性.定义1.6 设有个n 事件n A A A ,,,21 ，若)(21k i i i A A A P )()()(21k i i i A P A P A P = )1(n i k ≤≤成立，则称n 事件n A A A ,,,21 相互独立.性质2 n 个相互独立的事件中，任意一部分与另一部分独立.性质3 将n 个相互独立的事件中的任一部分换为对立事件，所得的诸事件仍为相互独立的.例1.24 设三事件C B A ,,相互独立，试证B A -与C 相互独立. 证明因为)()()()())(())((C P B P A P C B A P C B A P C B A P ===-)()()()(C P B A P C P B A P -==.可以推得：B A 与C 独立；AB 与C 独立.例1.25 甲、乙两射手彼此独立地向同一目标射击，甲射中目标的概率为0.8，乙射中目标的概率为0.9，求目标被击中的概率.解记=A “甲射中目标”，=B “乙射中目标”，则“目标被击中”B A =，故)()()()()(B P A P B P A P B A P -+==98.09.08.09.08.0=⨯-+.1.6.2 伯努利概型将随机试验E 重复进行n 次，各次试验的结果互不影响，即每次试验结果出现的概率都不依赖于其它各次试验的结果，这样的试验称为n 重独立试验.特别地，若在n 重独立试验中，每次试验的结果只有两个：A 与A ，且q A P p A P ==)(,)( )1,10(=+<<q p p ，则这样的试验称为伯努利（Bernoulli ）试验或伯努利概型.对于伯努利概型，我们需要计算事件A 在n 次独立试验中恰好发生k 次的概率.性质4 在伯努利概型中，设事件A 在各次试验中发生的概率)10()(<<=p p A P ，则在n 次独立试验中恰好发生k 次的概率k n k n k n qp k P -=)()(，其中n k q p ,,2,1,0,1 ==+.证明设事件i A 表示“事件A 在第i 次试验中发生”，则有),,2,1(1)(,)(n i q p A P p A P i i ==-==　.因为各次试验是相互独立的，所以事件n A A A ,,,21 是相互独立的.由此可见，n 次独立试验中事件A 在指定的k 次（如在前面k 次）试验中发生而在其余k n -次试验中不发生的概率)()()()()(1111n k k n k k A P A P A P A P A A A A P ++=k n k k n n q p q q p p --=⋅=个个)( 由于事件A 在n 次独立试验中恰好发生k 次共有⎪⎪⎭⎫ ⎝⎛k n 种不同的方式，每一种方式对应一个事件，易知这⎪⎪⎭⎫ ⎝⎛k n 个事件是互不相容的，所以根据概率的可加性得k n k n q p k n k P -⎪⎪⎭⎫⎝⎛=)( ，n k ,,2,1,0 =. 由于上式右端正好是二项式n q p )(+的展开式中的第1+k 项，所以通常把这个公式称为二项概率公式.例1．26 某种植物移栽成活率为0.8，现移栽10颗，求有8颗成活的概率。

概率论与数理统计第一章ppt课件

事件独立的例题：
P ( A 1 ) 1 / 5 , P ( A 2 ) 1 / 3 , P ( A 3 ) 1 / 4
P (A 1 A 2 A 3) 1P (A 1 A 2 A n)
3
1
1P(A1A2A3)
1P (A 1)P (A 2)P (A 3)
=1-[1-P(A1)][1-P(A2)][1-P(A3)]
❖练习某人从外地赶来参与紧急会议，他乘火车、轮船、汽车、飞机来的概率分别是0.3、0.2、0.1、0.4，假设他乘飞机来就不会迟到；而乘火车、轮船或汽车来迟到的概率分别为1/4、1/3、 1/12。
❖〔1〕求他迟到的概率；
❖〔2〕假设他迟到了，试推断他是怎样来的，说说他的理由。
❖例4 据以往的临床记录，某种诊断糖尿病的实验具有以下的效果：假设一被诊断者患有糖尿病那么实验结果呈阳性的概率为0.90；假设一被诊断者未患糖尿病，那么实验结果呈阳性的概率为0.06。又知受实验的人群患糖尿病的概率为0.03。假设一被诊断者其实验结果呈阳性，求此人患糖尿病的条件概率。
这一节我们引见了
全概率公式
贝叶斯公式
它们是加法公式和乘法公式的综合运用, 同窗们可经过进一步的练习去掌握它们. 值得一提的是，后来的学者根据贝叶斯公式的思想开展了一整套统计推断方法，叫作“贝叶斯统计〞. 可见贝叶斯公式的影响.
小结
全概率公式：由因遡果贝叶斯公式：由果索因
Company
LOGO
❖例2 甲、乙两人独立地对同一目的射击一次，其命中率分别是0.5和0.4。现知目的被命中，那么它是乙射中的概率是多少？
❖例3 设0<P(A)<1，且P(B|A)=P(B|A )，试证：A、B相互独立.

概率论与数理统计ppt课件

注：P( A) 0不能 A ； P( B) 1不能 B S .
2。 A1 , A2 ,...,An , Ai Aj , i j, P( P(
n n i 1
Ai ) P( Ai )
i 1
n
证：令 Ank (k 1, 2,...), Ai Aj , i j, i, j 1, 2,....
•
5.1 大数定律 5.2 中心极限定理
•
第六章数理统计的基本概念
• • 6.1 总体和样本 6.2 常用的分布
4
第七章参数估计
• • • 7.1 参数的点估计 7.2 估计量的评选标准 7.3 区间估计
第八章假设检验
• • • • • • • 8.1 8.2 8.3 8.4 8.5 8.6 8.7 假设检验正态总体均值的假设检验正态总体方差的假设检验置信区间与假设检验之间的关系样本容量的选取分布拟合检验秩和检验
A B 2 A＝B B A
B A
S
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
一枚硬币抛两次，A={第一次是正面}，B={至少有一次正面}
BA
13

事件的运算
A与B的和事件，记为 A B
8
§1 随机试验
确定性现象
自然界与社会Βιβλιοθήκη 活中的两类现象不确定性现象
确定性现象：结果确定不确定性现象：结果不确定

例：
向上抛出的物体会掉落到地上 ——确定 ——不确定明天天气状况 ——不确定买了彩票会中奖

《概率论与数理统计》第一章知识小结

附加知识：排列组合知识小结：一、计数原理1.加法原理：分类计数。

2.乘法原理：分步计数。

二、排列组合1.排列数（与顺序有关）：)(),1()2)(1(n m m n n n n A m n ≤+---= !n A nn =，n A A n n==10,1 如：25203456757=⨯⨯⨯⨯=A ，12012345!5=⨯⨯⨯⨯= 2.组合数(与顺序无关)：!m A C mn m n=，mn n m n C C -=如：3512344567!44747=⨯⨯⨯⨯⨯⨯==A C ，2112672757757=⨯⨯===-C C C3.例题：（1）从1，2，3，4，5这五个数字中，任取3个数字，组成一个没有重复的3位数，共有___6034535=⨯⨯=A ____种取法。

（2）从0，1，2，3，4这五个数字中，任取3个数字，组成一个没有重复的3位数，共有___483442414=⨯⨯=A A ____种取法。

（3）有5名同学照毕业照，共有__1201234555=⨯⨯⨯⨯=A _种排法。

（4）有5名同学照毕业照，其中有两人要排在一起，那么共有_48)1234()12(4422=⨯⨯⨯⨯⨯=A A ___种排法。

（5）袋子里有8个球，从中任意取出3个，共有___38C ____种取法。

（6）袋子里有8个球，5个白球，3个红球。

从中任意取出3个，取到2个白球1个红球的方法有___1325C C ____种。

3887656321C ⨯⨯==⨯⨯第一章、基础知识小结一、随机事件的关系与运算 1.事件的包含设A ，B 为两个事件，若A 发生必然导致B 发生，则称事件B 包含于A ，记作B A ⊂。

2.和事件事件“A,B 中至少有一个发生”为事件A 与B 的和事件，记作B A 或B A +。

性质：（1）B A B B A A ⊂⊂, ；（2）若B A ⊂，则B B A =3.积事件：事件A,B 同时发生，为事件A 与事件B 的积事件，记作B A 或AB 。

概率论与数理统计(最新完整版)ppt课件

(1) 试验可以在相同的条件下重复地进行;
.
(2) 试验的所有可能结果:
正面，反面; (3) 进行一次试验之前不能
确定哪一个结果会出现.
故为随机试验.
同理可知下列试验都为随机试验
1.“抛掷一枚骰子,观察出现的点数”.
2.“从一批产品中,依次任选三件, 记录出现正品与次品的件数”.
.
3. 记录某公共汽车站某日上午某时刻的等车人数.
(3)分配律
A(BC)(A B)(AC)AB AC ,
A (BC)AB AC
( A B ) C ( A C ) ( B C ) ( A C ) B C ( )
(对 4律 ):偶 A B A B ,A B A B .
n
n
Ai Ai,
i1
i1
.
n
n
Ai Ai
i1
i1
三完备事件组
4. 考察某地区 10 月份的平均气温.
5. 从一批灯泡中任取一只,测试其寿命.
.
四、概率的统计定义
１、随机事件：在试验的结果中，可能发生、也可能不发生的事件。比如，抛硬币试验中，”徽花向上”是随机事件；掷一枚骰子中，”出现奇数点”是一个随机事件等。
２、频率：设A为实验E中的一个随机事件，将E重复n次， A发生m次，称f(A)=m/n为事件A的频率．随着实验次数n的增加，频率将处于稳定状态．比如投硬币实验，频率将稳定在1/2附近．
B A
.
6. 事件的互逆（对立）
若事件 A 、B 满足 A B 且 A B .
则称 A 与B 为互逆(或对立)事件. A 的逆记作 A .
实例 “骰子出现1点”对立 “骰子不出现1点”

概率论与数理统计第一章课件

样本均值
所有样本点的平均值
样本方差
描述样本点离散程度的量
无偏估计
样本统计量的值等于总体参数的真实值
t分布与F分布
t分布
用于描述小样本数据的分布情况，也称学生t分布
F分布
用于描述两个比例的方差之间的比例关系
04
参数估计
点估计与估计量
点估计
用样本统计量来估计未知参数的过程。
估计量
用于估计未知参数的样本统计量。
假设检验的分类单侧检验、双侧检验。来自单侧与双侧检验单侧检验
01
只关注参数的一个方向是否满足假设，如检验平均值是否大于
某个值。
双侧检验
02
关注参数的两个方向是否满足假设，如检验平均值是否在两个
值之间。
单侧与双侧检验的选择
03
根据实际问题需求和数据特征选择合适的检验方式。
显著性检验与P值
显著性检验
通过比较样本数据与理论分布，判断样本数据是否显著地偏离理论分布。
P值
观察到的数据或更极端数据出现的概率，用于判断是否拒绝或接受假设。
P值的解读
P值越小，表明数据越显著地偏离理论分布，假设越可能不成立。
第一类错误与第二类错误
1 2
第一类错误
拒绝实际上成立的假设，也称为假阳性错误。
第二类错误
接受实际上不成立的假设，也称为假阴性错误。
3
错误率控制
通过调整临界值的大小，可以控制第一类错误和第二类错误的概率，从而实现错误率控制。
通过参数估计，还可以对生产过程进行实时监控和预警，及时发现并解决生产中的问题，保证生
产的稳定性和可靠性。
假设检验在医学研究中的应用
假设检验是数理统计中的一种重要方法，在医学研究中有着