第一章 概率论与数理统计1
概率论与数理统计复习笔记 (1)
概率论与数理统计复习 第一章 概率论的基本概念一.基本概念随机试验E:(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,并且能事先明确试验的所有可能结果;(3)进行一次试验之前不能确定哪一个结果会出现. 样本空间S: E 的所有可能结果组成的集合. 样本点(基本事件):E 的每个结果. 随机事件(事件):样本空间S 的子集.必然事件(S):每次试验中一定发生的事件. 不可能事件(?):每次试验中一定不会发生的事件. 二. 事件间的关系和运算⊂(事件B包含事件A )事件A 发生必然导致事件B 发生.∪B (和事件)事件A 与B 至少有一个发生. 3. A ∩B=AB(积事件)事件A 与B 同时发生. 4. A-B(差事件)事件A 发生而B 不发生.5. AB=? (A 与B 互不相容或互斥)事件A 与B 不能同时发生.6. AB=?且A ∪B=S (A 与B 互为逆事件或对立事件)表示一次试验中A 与B 必有一个且仅有一个发生. B=A, A=B .运算规则 交换律 结合律 分配律 德?摩根律 B A B A I Y = B A B A Y I = 三. 概率的定义与性质1.定义 对于E 的每一事件A 赋予一个实数,记为P(A),称为事件A 的概率. (1)非负性 P(A)≥0 ; (2)归一性或规范性 P(S)=1 ;(3)可列可加性 对于两两互不相容的事件A 1,A 2,…(A i A j =φ, i ≠j, i,j=1,2,…),P(A 1∪A 2∪…)=P( A 1)+P(A 2)+… 2.性质(1) P(?) = 0 , 注意: A 为不可能事件 P(A)=0 . (2)有限可加性 对于n 个两两互不相容的事件A 1,A 2,…,A n ,P(A 1∪A 2∪…∪A n )=P(A 1)+P(A 2)+…+P(A n ) (有限可加性与可列可加性合称加法定理) (3)若A ⊂B, 则P(A)≤P(B), P(B-A)=P(B)-P(A) . (4)对于任一事件A, P(A)≤1, P(A)=1-P(A) .(5)广义加法定理 对于任意二事件A,B ,P(A ∪B)=P(A)+P(B)-P(AB) . 对于任意n 个事件A 1,A 2,…,A n…+(-1)n-1P(A 1A 2…A n )四.等可能(古典)概型1.定义 如果试验E 满足:(1)样本空间的元素只有有限个,即S={e 1,e 2,…,e n };(2)每一个基本事件的概率相等,即P(e 1)=P(e 2)=…= P(e n ).则称试验E 所对应的概率模型为等可能(古典)概型.2.计算公式 P(A)=k / n 其中k 是A 中包含的基本事件数, n 是S 中包含的基本事件总数. 五.条件概率1.定义 事件A 发生的条件下事件B 发生的条件概率P(B|A)=P(AB) / P(A) ( P(A)>0).2.乘法定理 P(AB)=P(A) P (B|A) (P(A)>0); P(AB)=P(B) P (A|B) (P(B)>0). 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) (n ≥2, P(A 1A 2…A n-1) > 0)3. B 1,B 2,…,B n 是样本空间S 的一个划分(B i B j =φ,i ≠j,i,j=1,2,…,n, B 1∪B 2∪…∪B n =S) ,则当P(B i )>0时,有全概率公式 P(A)=()()i ni i B A P B P ∑=1当P(A)>0, P(B i )>0时,有贝叶斯公式P (B i |A)=()()()()()()∑==ni i i i i i B A P B P B A P B P A P AB P 1. 六.事件的独立性1.两个事件A,B,满足P(AB) = P(A) P(B)时,称A,B 为相互独立的事件. (1)两个事件A,B 相互独立? P(B)= P (B|A) .(2)若A 与B,A 与B ,A 与B, ,A 与B 中有一对相互独立,则另外三对也相互独立.2.三个事件A,B,C 满足P(AB) =P(A) P(B), P(AC)= P(A) P(C), P(BC)= P(B) P(C),称A,B,C 三事件两两相互独立. 若再满足P(ABC) =P(A) P(B) P(C),则称A,B,C 三事件相互独立. 个事件A 1,A 2,…,A n ,如果对任意k (1<k ≤n),任意1≤i 1<i 2<…<i k ≤n.有()()()()kki i i i i i A P A P A P A A A P ΛΛ2121=,则称这n 个事件A 1,A 2,…,A n 相互独立.第二章 随机变量及其概率分布一.随机变量及其分布函数1.在随机试验E 的样本空间S={e}上定义的单值实值函数X=X (e)称为随机变量.2.随机变量X 的分布函数F(x)=P{X ≤x} , x 是任意实数. 其性质为:(1)0≤F(x)≤1 ,F(-∞)=0,F(∞)=1. (2)F(x)单调不减,即若x 1<x 2 ,则 F(x 1)≤F(x 2). (3)F(x)右连续,即F(x+0)=F(x). (4)P{x 1<X≤x 2}=F(x 2)-F(x 1). 二.离散型随机变量 (只能取有限个或可列无限多个值的随机变量)1.离散型随机变量的分布律 P{X= x k }= p k (k=1,2,…) 也可以列表表示. 其性质为: (1)非负性 0≤P k ≤1 ; (2)归一性 11=∑∞=k k p .2.离散型随机变量的分布函数 F(x)=∑≤xX k k P 为阶梯函数,它在x=x k (k=1,2,…)处具有跳跃点,其跳跃值为p k =P{X=x k } .3.三种重要的离散型随机变量的分布(1)X~(0-1)分布 P{X=1}= p ,P{X=0}=1–p (0<p<1) .(2)X~b(n,p)参数为n,p 的二项分布P{X=k}=()kn k p p k n --⎪⎪⎭⎫ ⎝⎛1(k=0,1,2,…,n) (0<p<1) (3))X~?(?)参数为?的泊松分布 P{X=k}=λλ-e k k !(k=0,1,2,…) (?>0)三.连续型随机变量1.定义 如果随机变量X 的分布函数F(x)可以表示成某一非负函数f(x)的积分F(x)=()dt t f x⎰∞-,-∞< x <∞,则称X 为连续型随机变量,其中f (x)称为X 的概率密度(函数).2.概率密度的性质(1)非负性 f(x)≥0 ; (2)归一性 ⎰∞∞-dx x f )(=1 ;(3) P{x 1<X ≤x 2}=⎰21)(x x dx x f ; (4)若f (x)在点x 处连续,则f (x)=F / (x) .注意：连续型随机变量X 取任一指定实数值a 的概率为零,即P{X= a}=0 . 3.三种重要的连续型随机变量的分布(1)X ～U (a,b) 区间(a,b)上的均匀分布 ⎩⎨⎧=-0)(1a b x f 其它b x a << .(2)X 服从参数为?的指数分布.()⎩⎨⎧=-0/1θθx ex f 00≤>x x 若若 (?>0).(3)X~N (?,?2)参数为?,?的正态分布 222)(21)(σμσπ--=x e x f -?<x<?, ?>0.特别, ?=0, ?2 =1时,称X 服从标准正态分布,记为X~N (0,1),其概率密度2221)(x e x -=πϕ , 标准正态分布函数 ⎰=Φ∞--xt dt e x 2221)(π, ?(-x)=1-Φ(x) .若X ～N ((?,?2), 则Z=σμ-X ~N (0,1), P{x 1<X ≤x 2}=Φ(σμ-2x )-Φ(σμ-1x ).若P{Z>z ?}= P{Z<-z ?}= P{|Z|>z ?/2}= ?,则点z ?,-z ?, ?z ?/ 2分别称为标准正态分布的上,下,双侧?分位点. 注意：?(z ?)=1-? , z 1- ?= -z ?. 四.随机变量X 的函数Y= g (X)的分布 1.离散型随机变量的函数若g(x k ) (k=1,2,…)的值全不相等,则由上表立得Y=g(X)的分布律.若g(x k ) (k=1,2,…)的值有相等的,则应将相等的值的概率相加,才能得到Y=g(X)的分布律. 2.连续型随机变量的函数若X 的概率密度为f X (x),则求其函数Y=g(X)的概率密度f Y (y)常用两种方法： (1)分布函数法 先求Y 的分布函数F Y (y)=P{Y ≤y}=P{g(X)≤y}=()()dx x f ky X k∑⎰∆其中Δk (y)是与g(X)≤y 对应的X 的可能值x 所在的区间(可能不只一个),然后对y 求导即得f Y (y)=F Y /(y) .(2)公式法 若g(x)处处可导,且恒有g /(x)>0 (或g / (x)<0 ),则Y=g (X)是连续型随机变量,其概率密度为 ()()()()⎩⎨⎧'=0y h y h f y f X Y 其它βα<<y其中h(y)是g(x)的反函数 , ?= min (g (-?),g (?)) ?= max (g (-?),g (?)) .如果 f (x)在有限区间[a,b]以外等于零,则 ?= min (g (a),g (b)) ?= max (g (a),g (b)) .第三章 二维随机变量及其概率分布一.二维随机变量与联合分布函数1.定义 若X 和Y 是定义在样本空间S 上的两个随机变量,则由它们所组成的向量(X,Y)称为二维随机向量或二维随机变量.对任意实数x,y,二元函数F(x,y)=P{X ≤x,Y ≤y}称为(X,Y)的(X 和Y 的联合)分布函数. 2.分布函数的性质(1)F(x,y)分别关于x 和y 单调不减.(2)0≤F(x,y)≤1 , F(x,- ?)=0, F(-?,y)=0, F(-?,-?)=0, F(?,?)=1 .(3) F(x,y)关于每个变量都是右连续的,即 F(x+0,y)= F(x,y), F(x,y+0)= F(x,y) . (4)对于任意实数x 1<x 2 , y 1<y 2P{x 1<X ≤x 2 , y 1<Y ≤y 2}= F(x 2,y 2)- F(x 2,y 1)- F(x 1,y 2)+ F(x 1,y 1)二.二维离散型随机变量及其联合分布律1.定义 若随机变量(X,Y)只能取有限对或可列无限多对值(x i ,y j ) (i ,j =1,2,… )称(X,Y)为二维离散型随机变量.并称P{X= x i ,Y= y j }= p i j 为(X,Y)的联合分布律.也可列表表示.2.性质 (1)非负性 0≤p i j ≤1 . (2)归一性 ∑∑=i jij p 1 . 3. (X,Y)的(X 和Y 的联合)分布函数F(x,y)=∑∑≤≤x x yy ij i j p三.二维连续型随机变量及其联合概率密度1.定义 如果存在非负的函数f (x,y),使对任意的x 和y,有F(x,y)=⎰⎰∞-∞-yxdudv v u f ),( 则称(X,Y)为二维连续型随机变量,称f(x,y)为(X,Y)的(X 和Y 的联合)概率密度. 2.性质 (1)非负性 f (x,y)≥0 . (2)归一性 1),(=⎰⎰∞∞-∞∞-dxdy y x f .(3)若f (x,y)在点(x,y)连续,则yx y x F y x f ∂∂∂=),(),(2(4)若G 为xoy 平面上一个区域,则⎰⎰=∈Gdxdy y x f G y x P ),(}),{(.四.边缘分布1. (X,Y)关于X 的边缘分布函数 F X (x) = P{X ≤x , Y<?}= F (x , ?) . (X,Y)关于Y 的边缘分布函数 F Y (y) = P{X<?, Y ≤y}= F (?,y)2.二维离散型随机变量(X,Y)关于X 的边缘分布律 P{X= x i }= ∑∞=1j ij p = p i · ( i =1,2,…) 归一性 11=∑∞=•i i p .关于Y 的边缘分布律 P{Y= y j }= ∑∞=1i ij p = p ·j ( j =1,2,…) 归一性 11=∑∞=•j j p .3.二维连续型随机变量(X,Y)关于X 的边缘概率密度f X (x)=⎰∞∞-dy y x f ),( 归一性1)(=⎰∞∞-dx x f X 关于Y 的边缘概率密度f Y (y)=x d y x f ⎰∞∞-),( 归一性1)(=⎰∞∞-dyy f Y五.相互独立的随机变量1.定义 若对一切实数x,y,均有F(x,y)= F X (x) F Y (y) ,则称X 和Y 相互独立.2.离散型随机变量X 和Y 相互独立⇔p i j = p i ··p ·j ( i ,j =1,2,…)对一切x i ,y j 成立.3.连续型随机变量X 和Y 相互独立⇔f (x,y)=f X (x)f Y (y)对(X,Y)所有可能取值(x,y)都成立. 六．条件分布1．二维离散型随机变量的条件分布定义 设(X,Y)是二维离散型随机变量,对于固定的j,若P{Y=y j }>0,则称,}{},{jj i j j i p p y Y P y Y x X P •=====P{X=x i |Y=y j }为在Y= y j 条件下随机变量X 的条件分布律. 同样,对于固定的i,若P{X=x i }>0,则称P{Y=y j |X=x i } 为在X=x i 条件下随机变量Y 的条件分布律.第四章 随机变量的数字特征一.数学期望和方差的定义随机变量X 离散型随机变量 连续型随机变量分布律P{X=x i }= p i ( i =1,2,…) 概率密度f (x)数学期望(均值)E(X) ∑∞=1i i i p x (级数绝对收敛) ⎰∞∞-dx x xf )((积分绝对收敛)方差D(X)=E{[X-E(X)]2} []∑-∞=12)(i i i p X E x ⎰-∞∞-dx x f X E x )()]([2=E(X 2)-[E(X)]2 (级数绝对收敛) (积分绝对收敛) 函数数学期望E(Y)=E[g(X)] i i i p x g ∑∞=1)((级数绝对收敛) ⎰∞∞-dx x f x g )()((积分绝对收敛)标准差?(X)=√D(X) . 二.数学期望与方差的性质1. c 为为任意常数时, E(c) = c , E(cX) = cE(X) , D(c) = 0 , D (cX) = c 2 D(X) . ,Y 为任意随机变量时, E (X ±Y)=E(X)±E(Y) .3. X 与Y 相互独立时, E(XY)=E(X)E(Y) , D(X ±Y)=D(X)+D(Y) .4. D(X) = 0 ⇔ P{X = C}=1 ,C 为常数.三.六种重要分布的数学期望和方差 E(X) D(X) ~ (0-1)分布P{X=1}= p (0<p<1) p p (1- p) ~ b (n,p) (0<p<1) n p n p (1- p) ~ ?(?) ? ?,}{},{•=====i ji i j i p p x X P y Y x X P~ U(a,b) (a+b)/2 (b-a) 2/12 服从参数为?的指数分布 ? ?2 ~ N (?,?2) ? ?2 四.矩的概念随机变量X 的k 阶(原点)矩E(X k ) k=1,2,… 随机变量X 的k 阶中心矩E{[X-E(X)] k }随机变量X 和Y 的k+l 阶混合矩E(X k Y l ) l=1,2,…随机变量X 和Y 的k+l 阶混合中心矩E{[X-E(X)] k [Y-E(Y)] l }第六章 样本和抽样分布一.基本概念总体X 即随机变量X ; 样本X 1 ,X 2 ,…,X n 是与总体同分布且相互独立的随机变量;样本值x 1 ,x 2 ,…,x n 为实数;n 是样本容量.统计量是指样本的不含任何未知参数的连续函数.如：样本均值∑==n i i X n X 11 样本方差()∑--==n i iX X n S 12211 样本标准差S 样本k 阶矩∑==n i k i k X n A 11( k=1,2,…) 样本k 阶中心矩∑-==ni k i k X X n B 1)(1( k=1,2,…)二.抽样分布 即统计量的分布1.X 的分布 不论总体X 服从什么分布, E (X ) = E(X) , D (X ) = D(X) / n . 特别,若X~ N (?,?2 ) ,则 X ~ N (?, ?2 /n) .2.?2分布 (1)定义 若X ～N (0,1) ,则Y =∑=ni i X 12~ ?2(n)自由度为n 的?2分布.(2)性质 ①若Y~ ?2(n),则E(Y) = n , D(Y) = 2n .②若Y 1~ ?2(n 1) Y 2~ ?2(n 2) ,则Y 1+Y 2~ ?2(n 1 + n 2). ③若X~ N (?,?2 ), 则22)1(σS n -~ ?2(n-1),且X 与S 2相互独立.(3)分位点 若Y~ ?2(n),0< ? <1 ,则满足的点)()(),(),(22/122/212n n n n ααααχχχχ--和分别称为?2分布的上、下、双侧?分位点. 3. t 分布(1)定义 若X~N (0,1),Y~ ?2(n),且X,Y 相互独立,则t=nY X ~t(n)自由度为n 的t 分布.(2)性质①n →∞时,t 分布的极限为标准正态分布.②X ～N (?,?2 )时, nS X μ-~ t (n-1) . ③两个正态总体相互独立的样本 样本均值 样本方差X~ N (?1,?12 ) 且?12=?22=?2 X 1 ,X 2 ,…,X n1 X S 12 Y~ N (?2,?22 ) Y 1 ,Y 2 ,…,Y n2 Y S 22则 212111)()(n n S Y X w +---μμ~ t (n 1+n 2-2) , 其中 2)1()1(212222112-+-+-=n n S n S n S w (3)分位点 若t ~ t (n) ,0 < ?<1 , 则满足的点)(),(),(2/n t n t n t ααα±-分别称t 分布的上、下、双侧?分位点. 注意: t 1- ? (n) = - t ? (n).分布 (1)定义 若U~?2(n 1), V~ ?2(n 2), 且U,V 相互独立,则F =21n V n U ~F(n 1,n 2)自由度为(n 1,n 2)的F 分布.(2)性质(条件同3.(2)③)22212221σσS S ~F(n 1-1,n 2-1)(3)分位点 若F~ F(n 1,n 2) ,0< ? <1,则满足的点),(),(),,(),,(212/1212/21121n n F n n F n n F n n F αααα--和分别称为F 分布的上、下、双侧?分位点. 注意: .).(1),(12211n n F n n F αα=-第七章 参数估计一.点估计 总体X 的分布中有k 个待估参数?1, ?2,…, ?k .X 1 ,X 2 ,…,X n 是X 的一个样本, x 1 ,x 2 ,…,x n 是样本值.1.矩估计法先求总体矩⎪⎩⎪⎨⎧===),,,(),,,(),,,(2121222111k k k k k θθθμμθθθμμθθθμμΛΛΛ解此方程组,得到⎪⎩⎪⎨⎧===),,,(),,,(),,,(2121222111k k k k k μμμθθμμμθθμμμθθΛΛΛ,以样本矩A l 取代总体矩? l ( l=1,2,…,k)得到矩估计量⎪⎪⎩⎪⎪⎨⎧===∧∧∧),,,(),,,(),,,(2121222111k k k k k A A A A A A A A A ΛΛΛθθθθθθ,若代入样本值则得到矩估计值. 2.最大似然估计法若总体分布形式(可以是分布律或概率密度)为p(x, ?1, ?2,…, ?k ),称样本X 1 ,X 2 ,…,X n的联合分布∏==ni k i k x p L 12121),,,,(),,,(θθθθθθΛΛ为似然函数.取使似然函数达到最大值的∧∧∧k θθθ,,,21Λ,称为参数?1, ?2,…,?k 的最大似然估计值,代入样本得到最大似然估计量.若L(?1, ?2,…, ?k )关于?1, ?2,…, ?k 可微,则一般可由 似然方程组0=∂∂i L θ 或 对数似然方程组 0ln =∂∂iLθ (i =1,2,…,k) 求出最大似然估计. 3.估计量的标准(1) 无偏性 若E(∧θ)=?,则估计量∧θ称为参数?的无偏估计量.不论总体X 服从什么分布, E (X )= E(X) , E(S 2)=D(X), E(A k )=?k =E(X k ),即样本均值X ,样本方差S 2,样本k 阶矩A k 分别是总体均值E(X),方差D(X),总体k 阶矩?k 的无偏估计,(2)有效性 若E(∧θ1 )=E(∧θ2)= ?, 而D(∧θ1)< D(∧θ2), 则称估计量∧θ1比∧θ2有效. (3)一致性(相合性) 若n →∞时,θθP→∧,则称估计量∧θ是参数?的相合估计量. 二.区间估计1.求参数?的置信水平为1-?的双侧置信区间的步骤(1)寻找样本函数W=W(X 1 ,X 2 ,…,X n ,?),其中只有一个待估参数?未知,且其分布完全确定.(2)利用双侧?分位点找出W 的区间(a,b),使P{a<W <b}=1-?.(3)由不等式a<W<b 解出θθθ<<则区间(θθ,)为所求.2.单个正态总体待估参数 其它参数 W 及其分布 置信区间? ?2已知 n X σμ-~N (0,1) (2/ασz n X ±) ? ?2未知n S X μ-~ t (n-1) )1((2/-±n t n S X α ?2 ?未知22)1(σS n -~ ?2(n-1) ))1()1(,)1()1((22/1222/2-----n S n n S n ααχχ 3.两个正态总体(1)均值差? 1-? 2 其它参数 W 及其分布 置信区间已知2221,σσ 22212121)(n n Y X σσμμ+--- ~ N(0,1) )(2221212n n z Y X σσα+±- 未知22221σσσ== 212111)(n n S Y X w +---μμ～t(n 1+n 2-2) )11)2((21212n n S n n t Y X w +-+±-α 其中S w 等符号的意义见第六章二. 3 (2)③. (2) ? 1,? 2未知, W=22212221σσS S ~ F(n 1-1,n 2-1),方差比?12/?22的置信区间为 注意:对于单侧置信区间,只需将以上所列的双侧置信区间中的上(下)限中的下标?/2改为?,另外的下(上)限取为-? (?)即可.。
概率论与数理统计(1-3章重点梳理)
公理 3（可列可加性）
两两互斥，则 P (
)＝
(2)条件概率——P(B∣A)＝
P(AB)＝P(A) P(B∣A) P(B) P(A∣B)
2、概率基本性质 (1) P(Φ)＝0，P(Ω)＝1
(2) 有限可加性 P(
)＝
(3) 求逆公式 P( )＝1-P(A) ※补充：对于固定事件 A，P(B∣A)具有概率一切性质 ① P(Φ∣A)＝0，P(A∣A)＝1
1、定义 F(X)=
， <x< ，其中 f(x)为 X 的概率密度函数
【连续型：求分布函数就是求概率，哪儿求概率哪儿求积分】
（※利用 2、概率密度 f(x)性质
可简化求解）
(1)f(x) 0（非负可积性） （2）
3、连续型性质【重要】 ① F(x)为连续函数 ②对于 f(x)连续点 x，有 =f(x) ③对于任何实数 C，P(X=C)=0
①包含 A B 事件 A 发生一定导致 B 发生 【小推大】
②相等 A B 且 B A A=B 【等价=相等】
③互斥 AB=Φ A、B 不能同时发生
④对立
A、B 在一次试验中必然发生且只能发生一个
⑤完全事件组
且
(1≤i≠j≤n)，称
(2)事件间运算(三种)：并(和)，交(积)，逆(差) ①A、B 和事件 A∪B 或 A+B A、B 至少有一个发生
几何分布的无记忆性：设 X G(p)，即
，k=1 2 (0 p 1)则对于
任何正整数 m,k 有 P(X=m+k∣X 6、均匀分布 U(a,b)
)=P(X=k)
密度 f(x)=
分布函数 F(x)=
例：设随机变量 在(1,b)上服从均匀分布，则方程
概率论与数理统计第一章 刘建亚 吴臻主编
1. 随机试验与样本空间
试验E中的每一个可能结果称为基本事件， 或称为样本点，常记为 所有基本事件组成的集合称为试验E的样 本空间，记为 Ω = {}
例1.1.1 在抛掷一枚硬币试验中，有两个可能 的结果：出现正面，出现反面.。若分别用 “正”、“反”来表示，即有两个基本事件， 这个试验的样本空间为 Ω = {正，反}
A
B
Ai Aj , i j, i, j 1,2,, n
A1 , A2 ,, An , 两两互斥
Ai Aj , i j, i, j 1,2,
(6) 对立事件 在一次试验中，若事件 A 与事
件 B 二者必有一个且仅有一个发生，则称 A 与 B 为对立事件(互逆事件)，A 的对立事件记为 A
A B
A
B
(3) 事件的交 由事件 A 与事件 B 同时发生
而构成的事件称为事件 A 与事件 B 的交事件 （积事件），记为 A B或AB
A1 , A2 ,, An 的积事件
B
Ａ∩Ｂ
Ai A
i 1
i 1
n
n
i
A
A1 , A2 ,, An , 的积事件
Ai A
f n ( A1 A2 An ) f n ( A1 ) f n ( A2 ) f n ( An )
频率的稳定性
大量经验表明，当试验的次数相当大时， 频率总是稳定于某一常数附近，即它以 某一常数为中心作微小的摆动，而发生 较大偏离的可能性不大。这一性质称为 频率的稳定性
A B A B 且 B A
A
概率论与数理统计(完整版)
例3. 某接待站在某一周曾接待过12次来访, 且都是在周二 和周四来访. 问是否可以推断接待时间是有规定的?
注
实际推断原理:“小概率事件在一次试 验中实际上是不可能发生的”.
18
二、几何定义:
定义若对于一随机试验 ,每个样本点出现是等可能的 ,
样本空间所含的样本点个数为无穷多个 ,且具有非 零的 ,有限的几何度量 ,即 0m(),则称这一随机 试验是一几何概型的 .
(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. 例 E1,E2等. 2.无穷样本空间:样本点在区间或区域内取值. 例 灯泡的寿命{t|t≥0}.
5
(二) 随机事件
A 2,A 2 A 3, A 1A 2, A 1 A 2, A 1A 2A 3, A 1A 2 A 2A 3 A 1A 3.
14
§3. 概率的概念 一. 古典定义：
等可能概型的两个特点:
(1) 样本空间中的元素只有有限个;
(2) 试验中每个基本事件发生的可能性相同.
例如:掷一颗骰子,观察出现的点数.
概率论与数理统计
第一章 概率论的基本概念 前言
1. 确定性现象和不确定性现象. 2. 随机现象: 在个别试验中其结果呈现出不确定性, 在 大量重复试验中其结果又具有统计规律性. 3. 概率与数理统计的广泛应用.
2
§1.随机试验
我们将对自然现象的一次观察或进行一次科学试验 称为试验。
举例:
E1: 抛一枚硬币，观察正(H)反(T) 面 的情 况. E2: 将一枚硬币抛三次,观察正反面出现的情况.
《概率论与数理统计》第01章习题解答
第一章 随机事件及其概率第1章1、解：（1）{}2,3,4,5,6,7S = （2）{} ,4,3,2=S （3）{} ,,,TTH TH H S =（4）{}6,5,4,3,2,1,,T T T T T T HT HH S =2、设A , B 是两个事件，已知81)(,21)(,41)(===AB P B P A P ，求)(B A P ，)(B A P ，)(AB P ，)])([(AB B A P 解：81)(,21)(,41)(===AB P B P A P ∴)()()()(AB P B P A P B A P -+= 85812141=-+=)()()(AB P B P B A P -=838121=-=87811)(1)(=-=-=AB P AB P)])([(AB B A P )]()[(AB B A P -=)()(AB P B A P -= )(B A AB ⊂218185=-=3、解：用A 表示事件“取到的三位数不包含数字1”2518900998900)(191918=⨯⨯==C C C A P 4、在仅由0，1，2，3，4，5组成且每个数字至多出现一次的全体三位数字中，任取一个三位数，（1）该数是奇数的概率；（2）求该数大于330的概率。
解：用A 表示事件“取到的三位数是奇数”，用B 表示事件“取到的三位数大于330”(1) 455443)(2515141413⨯⨯⨯⨯==A C C C C A P =0.48 2） 455421452)(251514122512⨯⨯⨯⨯+⨯⨯=+=A C C C A C B P =0.48 5、袋中有5只白球，4只红球，3只黑球，在其中任取4只，求下列事件的概率（1）4只中恰有2只白球，1只红球，1只黑球； （2）4只中至少有2只红球； （3）4只中没有白球解：用A 表示事件“4只中恰有2只白球，1只红球，1只黑球”（1）412131425)(C C C C A P ==495120=338（2）用B 表示事件“4只中至少有2只红球”16567)(4124418342824=++=C C C C C C B P 或4124838141)(C C C C B P +-==16567495201= （3）用C 表示事件“4只中没有白球”99749535)(41247===C C C P 6、解：用A 表示事件“某一特定的销售点得到k 张提货单”nkn k n MM C A P --=)1()( 7、解：用A 表示事件“3只球至少有1只配对”，B 表示事件“没有配对”（1）3212313)(=⨯⨯+=A P 或321231121)(=⨯⨯⨯⨯-=A P （2）31123112)(=⨯⨯⨯⨯=B P 8、（1）设1.0)(,3.0)(,5.0)(===AB P B P A P ，求(),(),(),(),P A B P B A P A B P A A B(),()P AB A B P A AB ；（2）袋中有6只白球，5只红球每次在袋中任取一只球，若取到白球，放回，并放入1只白球，若取到红球不放回也不再放回另外的球，连续取球四次，求第一、二次取到白球且第三、四次取到红球的概率。
概率论与数理统计教程
1.1 随机事件和样本空间
一、随机现象 二、随机试验 三、样本空间 样本点 四、随机事件的概念 五、随机事件的关系
一、随机试验
1.必然现象（确定） 2.偶然现象（不确定）随机
说明： 1.随机现象揭示了条件和结果之间的非确定性联系 ,
其数量关系无法用函数加以描述. 2.随机现象在一次观察中出现什么结果具有偶然性,
1、包含关系 若事件 A 出现, 必然导致 B 出现 则称事件 B 包含事件 A,记作B A 或 A B.
特别地 若事件A包含事件B,而且事件B包含 事件A, 则称事件A与事件B相等,记作 A=B.
2.两事件的和与并
“二事件 A, B至少发生一个”也是一个事件, 称为事件 A 与事件B的和事件.记作A B，显然 A B {e | e A或e B}.
若事件 A 、B 满足 A B 且 AB .
则称 A 与B 为互逆(或对立)事件. A 的逆记
作 A.
事件间的运算规律
设 A, B, C 为事件, 则有
(1) 交换律 A B B A, AB BA. ( AB)C A(BC).
(2) 结合律 ( A B) C A (B C),
实例 抛掷一枚骰子, 观察出现的点数。 试验中,骰子“出现1点”, “出现2 点”, … ,“出现6点”, “点数不大于4”, “点 数为偶数” 等都为随机事件.
五、随机事件的关系及运算
（1）、随机事件间的关系
设试验 E 的样本空间为 , 而 A, B, Ak (k 1,2,)是 的子集.
推广：
N元情形
n
推广 称 Ak 为n个事件 A1, A2 ,, An 的积事件,
k 1
即A1, A2 ,, An同时发生;
概率论与数理统计总结1
三Байду номын сангаас 事件间的关系与运算
1. 包含关系: 若事件发生必然导致事件发生 B A或A B 2. 相等关系: A B 且B A 3. 事件的和 ( A B ) :A 与 B 至少有一个发生构成的事件 4. 事件的积 ( A B , 或AB) : A与B 同时发生构成的事件 5.互不相容事件（互斥事件） ：A 与 B 不能同时发生，即 AB=
二. 条件概率
在实际问题中， 常常需要计算在某个事件 B 已发生的条件下,， 另一个事件 A 发生的概率 。 在概率论中，称此概率为事件 B 已发生的条件下事件 A 发生的条件概率，记为 P( A | B ) 。 一般地，因为增加了“事件 B 已发生”的条件，所以 P( A | B ) P ( A) 。
下面举例引出条件概率的定义. 例 1 某工厂有职工 500 人，男女各占一半，男女职工中技术优秀的分别为 40 人与 10 人。 现从中人选一名职工，试问： (1) 该职工为技术优秀的概率是多少? (2) 已知选出的是女职工,她为技术优秀的概率是多少? 解 设 A 表示选出的职工为技术优秀的事件， B 表示选出的是女职工的事件。 40 10 1 (1) P( A) 500 10 10 1 (2) P( A | B ) 250 25 显然， P( A) P( A | B) 。这是因为限制在 B 已发生的条件下求 A 的概率的缘故。 10 10 500 P( AB) 另外，可由 P( A | B ) 250 250 P( B ) 500 推得一般情况下条件概率的定义. 设实验的基本事件总数为 n ，事件 B 所包含的基本事件数为 m B ， 事件 AB 所包含的基本事件数为 m B ，则有
i 1 i 1 n n
浙江大学《概率论与数理统计》第1章
1。 P( A) 0
2。 P(S) 1
3。 A1, A2,...,Ak ,...,Ai Aj （i j）,
P( Ai ) P( Ai )
i 1
i 1
称P(A)为事件A的概率。
性质：1 P() 0
证：令 An (n 1, 2,...),
例： 由n个部件组成的系统，记
n
• 串联系统： A Ai
i 1
n
• 并联系统： A Ai
i 1
Ai {第i个部件没有损坏}，i=1,2, ,n,
A＝{系统没有损坏}
1-3 频率与概率
(一)频率
定义：记
fn
(
A)
nA n
；
其中 n A —A发生的次数(频数)；
n—总试验次数。称 fn ( A) 为A
10 3 0.6 31 0.62
n =500 nH fn(H) 251 0.502 249 0.498 256 0.512 253 0.506 251 0.502 246 0.492 244 0.488 258 0.516 262 0.524 247 0.494
实验者 德·摩根
蒲丰 K·皮尔逊 K·皮尔逊
n
n
P( Ai ) P( Ai )
P( Ai Aj )
i 1
i 1
1i jn
P( Ai Aj Ak ) (1)n1 P( A1A2 An )
1i jk n
例：甲乙丙3人去参加某个集会的概率 均为0.4，其中至少有两人参加的概率为 0.3，都参加的概率为0.05，求3人中至 少有一人参加的概率。
《概率论与数理统计》1.1 随机试验与随机事件
i点 5, 6
}
在一起所构成的事件）
复合事件
事件 B = { 掷出奇数点 }
五. 随机事件间的关系及其运算
设试验 E 的样本空间为 S, A, B, Ak (k 1, 2, ) 是 S 的子集.
1. 事件的包含：如( A果中事的件每A个发样生本必点然都导包致含事在件BB中发）生.
注 ▲
则称 事件 B 包含事件 A 或 A 含于事 件 B 。记作：B A或 A B
从观察试验开始 研究随机现象，首先要对 研究对象进行观察或试验.
这里的试验指的是随机试验.
第一节 随机试验与随机事件
一. 试 验 : 为了研究随机现象，就要对客观事物进行 观察，观察的过程称之为试验。记为 E。
例1 E1：掷一枚硬币观察正面，反面出现的情况。 E2：记录一小时内，到某保险公司投保的户数 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。
A
B
为 A 与 B 的和 (并）, 记作：
A B 或 A B x xA 或 xB
AB
注
▲ 它是由事件 A 和 B 所有样本点构成的集合 n
▲ 称 Ak 为 n 个事件 A1 , A2 , , An 的和事件
k1
k 1 Ak 为可列个事件 A1 , A2 ,
的和事件
4. 事件的积(交)： 若 “两个事件A与 B 同时发生” 也是一个事件，
样本空间元素 是由试验目的 所确定的，不 同的试验目的 其样本空间也 是不一样的。
S
.e
样本点e
例 3．若试验 E是将一枚硬币抛掷两次. 试写出该试验 E 的样本空间.
概率论与数理统计——第一章练习题
第一章 随机事件与概率（一）随机事件知识点1、称试验E 的样本空间的子集为随机事件，用A 、B 、C …表示。
事件A 的元素是样本点，它在一次试验中，可能出现，也可能不出现。
A 中的某个样本点出现了，事件A 发生，否则，A 不发生。
因此，在一次试验中，可能发生也可能不发生的事情，就是随机事件。
样本空间S 有两个特殊的子集；S 自身和空集φ。
S 含所有的样本点，每次试验，必然发生；φ不含样本点，每次试验一定不发生。
在一定条件下，每次试验一定发生的事情，称为必然事件。
每次试验一定不发生的事情，称为不可能事件。
必然事件S ，不可能事件φ是事先就能明确是否会发生，属于确定性现象，但在概率统计中，为了研究问题的需要，仍将其作为特殊的随机事件处理，使得事件间有着完整的关系，S A ⊂⊂φ。
此外，在样本空间的子集中，只含一个样本点的事件，称为基本事件。
样本点的个数超过一个的事件，称为复合事件。
2、事件之间的关系和运算由于事件是样本点的集合，因此，事件之间的关系和运算可借助集合之间的关系与运算来定义。
其运算规律也同集合间的运算规律。
(1)事件的包含与相等若事件A 发生必然导致事件B 发生，则称A 包含于B (或B 包含A )，记B A ⊂(或A B ⊃)。
若B A ⊂且A B ⊃，则称事件A 与事件B 相等，记B A =。
(2)事件的和事件A 与事件B 至少有一个发生的事件，记作B A ，称为A 与B 的和事件，有{}B e A e e B A ∈∈=或 。
同样地有限个事件n A A A ,,,21 至少有一个发生的事件，记作 ni i A 1=，称为有限个事件的和事件。
可列多个事件 ,,,,21i A A A 至少有一个发生的事件，记作 ∞=1i i A ，称为可列多个事件的和事件。
(3)事件的积事件A 与事件B 同时发生的事件，记作B A (或AB )，称为A 与B 的积事件，{}B e A e e AB ∈∈=且 类似地，有限个多个事件n A A A ,,,21 同时发生的事件，记作 ni i A 1=。
概率论与数理统计1完整(完整版)ppt课件
.
19
定义 当随机试验的样本空间是某个区域,并且任 意一点落在度量 (长度, 面积, 体积) 相同的子区域 是等可能的,则事件 A 的概率可定义为
P(A) m(A)
m()
(其中 m()是样本空间,m 的 (A)度 是量 构成事 A 件 的子区域的 )这度样量借助于几量 何来 上合 的理 度 规定的概率 几称 何为 概 . 率
对偶律: A B A B;
A B AB.
证明 对偶律.
.
13
例.事件 A、B、C两两互不相 则容 有，
ABC 反之 不成 立
例. 甲、乙、丙三人各射击一次，事件A1,A2,A3分别表示 甲、乙、丙射中，试说明下列事件所表示的结果：
A 2,A 2 A 3, A 1A 2, A 1 A 2, A 1A 2A 3, A 1A 2 A 2A 3 A 1A 3.
.
16
例1. 袋中装有4只白球和2只红球. 从袋中摸球两次,每次任取一球.有两种式: (a)放回抽样; (b)不放回抽样.
求: (1)两球颜色相同的概率; (2)两球中至少有一只白球的概率.
例2. 设一袋中有编号为1,2,…,9的球共9只, 现从中任取3 只, 试求: (1)取到1号球的概率,（事件A） (2)最小号码为5的概率.（事件B）
A-BAAB
显然: A-A=, A- =A, A-S=
s
A B
(4)AB
.
10
5.事件的互不相容(互斥):
若 AB,则A 称 与 B 是 互 不 ,或 相 互 容 ,即 斥
A 与 B 不能同 . 时发生
B
A B
A
.
11
6. 对立事件(逆事件)： 若ABS且A B，则A称 与B互为逆事件
概率论与数理统计第一章课件
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
《概率论与数理统计》第一章知识点
第一章随机事件及概率1.1随机事件1.1.1随机试验一、人在实际生活中会遇到两类现象：1.确定性现象：在一定条件下实现与之其结果。
2.随机现象（偶然现象）：在一定条件下事先无法预知其结果的现象。
二、随机试验满足条件：1.实验可以在相同条件写可以重复进行；（可重复性）2.事先的所有可能结果是事先明确可知的；（可观察性）3.每次实验之前不能确定哪一个结果一定会出现。
（不确定性）1.1.2样本空间1.样本点：每次随机试验E 的每一个可能的结果，称为随机试验的一个样本点，用w 表示。
2.样本空间：随机试验E 的所有样本点组成的集合成为试验E 的样本空间。
1.1.3随机事件1.随机事件：一随机事件中可能发生也可能不发生的事件称为试验的随机事件。
2.基本事件：试验的每一可能的结果称为基本事件。
一个样本点w 组成的单点集{w}就是随机试验的基本事件。
3.必然事件：每次实验中必然发生的事件称为必然事件。
用Ω表示。
样本空间是必然事件。
4.不可能事件：每次试验中不可能发生的事件称为不可能事件，用空集符号表示。
1.1.4事件之间的关系和运算1.事件的包含及相等“如果事件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 是B 的子事件，记作A B B A ⊃⊂或。
2.事件的和（并⋃）“事件A 与B 中至少有一个事件发生”，这样的事件称为事件A 与B 的和事件，记作B A 。
3.事件的积（交⋂）“事件A 与B 同时发生”，这样的事件称作事件A 与B 的积（或交）事件，记作AB B A 或 。
4.事件的差“事件A 发生而事件B 不发生”，这样的事件称为事件A 与B 的差事件，记作A-B 。
5.事件互不相容（互斥事件）“事件A 与事件B 不能同时发生”，也就是说，AB 是一个不可能事件，即=AB 空集，即此时称事件A 与事件B 是互不相容的（或互斥的）6.对立事件“若A 是一个事件，令A A -Ω=,称A 是A 的对立事件，或称为事件A 的逆事件”事件A 与事件A 满足关系：=A A 空集，Ω=A A 对立事件一定是互斥事件；互斥事件不一定是对立事件。
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）。
- 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)。
概 率 论第一章 随机事件与概率例1 设B A ,为随机事件，已知()4.0,6.0)(,5.0)(===A B P B p A P ，求 1) )(B A P + 2) )(B A P 3) ()B A P 4) )(B A P - 5) )(B A P +例2 6个不同的球，投入编号为1到7的7个空盒中，求下列事件的概率：1) 1号到6号盒中各有一个球 2) 恰有6个盒中各有1个球 3) 1号盒内有2个球例3 袋中有两个5分的，三个贰分的，五个1分的钱币。
任取其中5个，求钱额总数超过壹角的概率。
例4 验收一批共有60件的可靠配件，按验收规则，随机抽验3件，只要3件中有一件不合格就拒收整批产品，假设，检验时，不合格品被误判为合格品的概率为0.03 ，而合格品被判为不合格品的概率为0.01，如果在60件产品中有3件不合格品，问这批产品被接收的概率是多少？例5 验收成箱包装的玻璃器皿，每箱24只装，统计资料表明，每箱最多有2件残品，且含0，1和2件残品的箱各占80%，15%和5%。
现随意抽取一箱，从中随意检验4只，若未发现残品则通过验收，否则逐一检验并更换。
试求：1）一次通过验收的概率 2）通过验收的箱中确无残品的概率。
例6 一个医生已知某疾病的自然痊愈率为25%，为试验一种新药是否有效，把它给10个病人服用，且规定10人中至少有4人治好，则认为这种药有效，反之，则无效，求：1）虽然新药有效，且把痊愈的概率提高到35%，但经过验收被否定的概率；2）新药完全无效，但经过试验被认为有效的概率。
例7 设B A ,是两个事件，0)(,0)(21>=>=P B P P A P ，且121>+P P ，证明：1211)(P P A B P --≥ 例8 已知161)()(,0)(,41)()()(======BC P AB P AB P C P B P A P ，求C B A ,,全不发生的概率。
例9 在长度为a 的线段内任取两点，将其分成三段，求它们能构成三角形的概率。
例10 设有三门炮同时对某目标射击，命中的概率分别为0.2，0.3，0.5，目标命中一发被击毁的概率是0.2，命中两发被击毁的概率为0.6，命中三发被击毁的概率为0.9，求三门炮在一次射击中击毁目标的概率。
例11 假设一厂家生产的仪器，以概率0.70可以直接出厂，以概率0.30需进一步调试，调试后以概率0.80可以出厂，并以概率0.20定为不合格品而不能出厂。
现该厂生产了)2n(n ≥台仪器（假设各台仪器的生产过程相互独立），求：1） 全部能出厂的概率； 2）其中恰好有两件不能出厂的概率； 3）其中至少有两件不能出厂的概率。
例12 某型号的高炮，每门炮发射一发击中飞机的概率是0.6。
现若干门炮各发射一发，问欲以99%的把握击中来犯的一架敌机至少需配置几门炮？习 题一 填空题1 设B A ,为随机事件，,3.0)(,7.0)(=-=B A P A P 则()______=B A P2 设事件B A ,相互独立，已知,8.0)(,5.0)(==B A P A P 则()______=B A P ()______=B A P3 设B A ,是两个任意不相容的事件，则________)(=-B A P4 设B A ,是两个随机事件，已知()7.0,4.0)(,3.0)(===B A P A B P B A P ，则 _______)(=+B A P5 设41)()()(===C P B P A P ，81)()()(===BC P AC P AB P ，161)(=ABC P ，则 _______)(=C B A P ________)(=C B A P P(C B A ,,恰好发生一个)=________ P(C B A ,,至多出现一个)= ________ ()_______=C B A A P6 一射手对同一目标射击4次，假设每次是否命中目标是相互独立的，已知至少命中一次的一射手对同一目标射击4次，假设每次是否命中目标是相互独立的，已知至少命中一次的概率是8180，则该射手的命中概率是________ 7 设10件产品中有4件不合格品，从中任取两件，已知所取两件中有一件是不合格品，则另一件也是不合格品的概率是________8 通信渠道传递15个信号，假设每个信号在传递过程中失真的概率为P ，若C B A ,,分别表示A ：无一信号失真；B ：恰有一信号失真；C ：两个以上信号失真，则____)(=A P ____)(=B P ____)(=C P9 两封信随机地投入已标号为1，2，3，4，5的五个信筒内，则第3号信筒刚好只投入一封信的概率为________10 有k 个袋子，每个袋内均有n 张卡片，分别编有号码1，2，n , 。
现在从每个袋中各取1张卡片，则取到卡片上的最大编号不超过2+m ，且不小于m 的概率为________11 在一张打上方格的纸上投一枚直径为1的硬币，方格边长为________时，才能使硬币不与线相交的概率不小于1%12 甲、乙两射手对同一目标进行射击，甲射手的命中率为1P ，乙射手的命中率为2P ，)1,0(21<<P P 。
规定甲先开始每人一次轮流进行，直到目标被击中为止，要使甲先命中，则1P ，2P 应满足关系________二 选择题1 设B A ,为任意两个事件，且0)(,>⊂B P B A ，则下列成立的是（ ）A ）)()(B A P A P < B ）)()(B A P A P ≤C ）)()(B A P A P >D ）)()(B A P A P ≥ 2 设B A ,满足1)(=A B P ，则（ ）A ）A 是必然条件B ）0)(=A B PC ）B A ⊃D ）)()(B P A P ≤3 对事件B A ,，下列命题正确的是（ ）A) 事件B A ,互不相容，则事件B A ,也互不相容。
B) 如果B A ,相容，则B A ,也相容。
C) 如果B A ,互不相容，且,0)(,0)(>>B P A P 则B A ,相互独立。
D)若B A ,相互独立，则B A ,也独立。
4 设B A ,C 是两两独立且不能同时发生的随机事件，且,)()()(x C P B P A P ===则x 的最大值为（ ）A) 21 B ) 1 C) 31 D) 41 5 已知B A ,C 为任意三个随机事件，则[]))((C A B A P -+等于（ ）A) )()()()(ABC P AB P AC P A P -+- B) )()()()(ABC P AB P AC P A P --+C) )()()(ABC P AC P A P +- D) )()(AC P A P -6 10张奖券中有3张中奖的奖券，每人购买一张，则前三个购买者中恰有一个中奖的概率为（ ）A) 3.07.02310⨯⨯C B) 3.0 C) 407 D) 4021三、解答题1 袋中有8蓝2白共10个球，从中无放回地任取2次 ，每次任取一球。
求下列事件的概率1） 两次都是蓝球 2）两次中恰有一次取得蓝球 3）至少一次取得白球4）第2次取到白球2 现有编号为1，2，3的3个盒子，1号盒中有1红一黑2个球，2号盒中有4白4蓝共8个球，3号盒中有6白2蓝共8个球；先从1号盒中任取一球，如取得红球，则再从2号盒中任取一球；如取得黑球，则再从3号盒中任取一球，求：1）取得白球的概率 2）从3号盒中取得白球的概率。
3）若取得的是白球，求它是从3号盒中取出的概率。
3 一个自动报警装置由雷达和计算机两部分构成，两部分有任何一个失灵，这个报警装置就失灵，若使用100个小时后，雷达部分失灵的概率为1.0，计算机部分失灵的概率为3.0。
若两部分失灵与否相互独立，求这个报警装置使用100个小时而不失灵的概率。
4 从n 双不同的鞋子中任取)2(2n r r <只，求下列事件的概率 1）没有成对的鞋子 2）只有一对鞋子 3) 恰有两对鞋子 4）有r 对鞋子5 有朋友从远方来，他乘火车，轮船，汽车，飞机的概率依次为3.0,2.0,1.0,4.0，如乘火车，轮船，汽车来的话，迟到的概率分别为121,31,41，而乘飞机则不迟到，求 1）他迟到的概率 2）已知他迟到了，他是乘火车来的概率有多大？6 设每一个飞机引擎在飞行中出故障的概率为1P -，且各引擎是否出故障是相互独立的，如果至少有50%的引擎能正常运行，飞机就能成功地飞行，问对多大的P 而言，4引擎比2引擎更为可取？7 某商场有灯管若干箱，每箱内20只灯管，其中有0，1，2只残次品的概率分别为 ,70. 2.0,1.0。
一顾客从其所购的一箱中任取4只察看，有残次品则退货，否则买下，求下列事件的概率： 1）买下； 2）在该顾客买下的这一箱中，恰有1只残次品； 3）在该顾客退货的这箱中，恰有2只残次品。
8 两人约定上午9点到10点在公园会面，试求一人要等另一人h 21以上的概率。
9 若已知0=t 时，某分子与另一分子碰撞，又知任何0≥t 和0>∆t ，若不管该分子在时刻t 以前是否遭受碰撞，在),(t t t ∆+中遭受碰撞的概率等于)(t O t ∆+∆λ，试求该分子在时刻t 还没有再受碰撞的概率。
10 若每蚕产n 个卵的概率为),0(,2,1,0,!>==-λλλ n e n P nn ，而每个卵变为成虫的概率为P ，且各卵是否变成成虫彼此间没有关系。
1）求每蚕养出k 只小蚕的概率 2）若某蚕养出了k 只小蚕，求它产了n 个卵的概率。
四、证明题1 证明下列等式 1)()()()A C AB P AC B B P P -=； 2）)A B )P(C A P(B A)C ( =B P ；2 若C B A ,,互相独立，证明C B A ,,也相互独立。
3 假设A ,21,B B 互相独立，证明：A 与21B B +,,21B B -21B B 都相互独立。
4 证明下列等式1）)()()()()()(1B P A P B A P AB P B P A P +≤≤≤--2）)()()()(A P BC P AC P AB P ≤-+答 案一、11242k k 1k 793341) 0.6; 2) 0.2 , 0.7; 3) P(A); 4) 0.58; 5) ;;;;16161647C C 2186) 7) ; 8) 0.94; 0.68; 9) ;35525(m 2)-(m-1)110) 11) a 1 12) P n 9=+<22P1P >+二、1 B 2 D 3 D 4 A 5 D 6D 三、1（{}62.097108)()1)2,1.i A 21i ≈⋅===A A P i 次取得蓝色球第)()22121A A A A P +＝36.09210898102≈⋅+⋅ 38.0)()321=A A P2.0)()42121=+A A A A P 21);53)3;83)2;85 30.63; 4 1).)4;2)3;2)2422224222422222122222r n rnr n r n n r r n r n r r n rn r C C C C C C C n C C ------⋅⋅ 3151);2);2026 271)0.923;2)0.173;3)0.478;3P ≥ 18;49 λττ-=e P )( 10 P ke k P λλ-!)(。