概率论-南京大学教程

合集下载

概率论与数理统计(南理工)

概率论与数理统计(南理工)
当y>0时
y 1 dx y 2 1
当y≤0时
y
FY ( y ) 0
X
FY ( y) P y X y

f
y
( x)dx
y 1 y 1
1 fY ( y ) FY ' ( y ) 2 y 0
0 y1 其它
注3 若X~fX(x) ,y=g(x)关于X分段严格单调,且 在第i个单调区间上,反函数为hi(y),则Y=g(X) 的概率密度为
g ( x ) y
f ( x)dx
然后再求Y的密度函数
dFY ( y ) fY ( y ) dy 此法也叫“ 分布函数法 ”
例5.2.设X的概率密度为fX(x),y=g(x)关于x处处可 导且是x的严格单减函数,求Y=g(X)的概率密度。 解:Y的分布函数为 FY(y)=P{Yy}=P{g(X)y} =P{X≥g-1(y)}=1-FX(g-1(y)) Y的概率密度为
注:X~N(110,122).
x 110 查表得 1.645 12
x 129.74
例4.3 在电源电压不超过200v,200~240v,和超过 240v三种情况下,某电子元件损坏的概率分别为0.1, 0.001,和0.2,假设电源电压X服从正态分布 N(220,252),求该电子元件损坏的概率. 解:设 A——该电子元件损坏. 设,Hi,i=1,2,3,分别为电源电压“不超过200v”, “200240v”, 和“240v以上”. 由全概率公式
dt , x
一般的概率统计教科书均附有标准正态分 布表供读者查阅(x)的值。
(P268附表1)
注:(1) (-x)=1- (x);

概率论与数理统计 南京大学 6 第六章假设检验 (6.1.1) 假设检验的基本概念

概率论与数理统计 南京大学 6  第六章假设检验 (6.1.1)  假设检验的基本概念
原因:犯第一类错误的后果比犯第二类错误 的后果更为严重。
客观 主观
H0真
H0不真
拒绝H0
第一类错 误(弃真)
不 H0真) P(第一类错误)= P(不拒绝H0 | H0不真) P(第二类错误)=
一般情况下,犯两类错误的概率存在此消彼 长的关系,不能同时达到最小,我们通常的 做法是首先控制犯第一类错误的概率,然后 尽量降低犯第二类错误的概率。 (奈曼-皮 尔逊原则)
假设检验的基本概念
2019/1/6
假设检验=假设+检验。
首先对总体提出某种推断或猜测,即假设;
然后通过试验,抽取样本,根据样本信息 对“假设”的正确性进行判断,即检验。
例1 :某厂生产的一种保健食品。已知在正常的情况 下,每瓶保健品的重量(单位:千克)服从均值为 25.0的正态分布(方差为0.01 )。某天开工后, 随机抽取9瓶,测得其平均重量为24.94,试问 该天生产是否正常?
H0: =25;
H1: 25
例2 :某厂生产一批产品,要求次品率不超过5%。 随机抽取50件,发现有4件次品,问产品能 否出厂?
H0:p0.05;
H1: p>0.05
原假设:记为H0 备择假设(或对立假设):记为H1 。
简单假设:只含一个结论。 复合假设:包含多个结论。
假设检验中的两类错误

概率论与数理统计 南京大学 1 第一章概率论的基本概念 (1.3.1) 条件概率与乘法公式

概率论与数理统计 南京大学 1  第一章概率论的基本概念 (1.3.1)  条件概率与乘法公式
卜里耶罐子模型常常被用作描述传染病的数学模型.
条件概率P(•|B)满足概率的三条公理: (1)非负性 P(A|B)0,AF (2)正规性 P(Ω|B)=1 (3)可列可加性 若AnF,n=1,2,…,且两两
互斥,则


P( An Байду номын сангаас B) P An | B
n1
n1
• 例:盒中10个元件(4只次品6只正品),从中 不放回地任取2只,已知第一只是正品,求 第二只也是正品的概率。
• 解:设事件A表示第二只是正品,事件B表示 第一只是正品。求P(A|B)。显然
P(B) 6 , P(AB) 10
C62 C120

1 ,因此 3
P(A | B) P(AB) 1/ 3 5 . P(B) 6 /10 9
例: 已知一罐子中盛有k个白球,r个红球.每次随机地取出
一个,记下它的颜色立即放回,同时加进与被取球的同色 球c个.试求如接连取球三次,三次均为红球的概率. 解 设A={三次取出的均为红球}
Ai={第i次取出的是红球} ,i=1,2,3,则P(A)=?
A A1A2 A3 P( A) P( A1)P( A2 A1)P( A3 A1 A2 )
r r c r 2c r k r k c r k 2c
概率论与数理统计
条件概率与乘法公式
条件概率
例:一个家庭有两个小孩,假定男、女出生 率一样,令A={这两个小孩一男一女}, 所以 P(A)=1/2。
令B={两个小孩中至少有一女孩}。若已知B发 生了,即该家庭至少有一女孩,再考虑A发 生的概率时,样本空间就缩减为Ω={(男, 女),(女,男),(女,女)},总数=3, 而有利基本事件数=2,从而P(A|B)=2/3。

概率论与数理统计(54学时)南京大学计算机科学与技术系

概率论与数理统计(54学时)南京大学计算机科学与技术系
把对某种随机现象的一次观察、观测或测量 等称为一个试验.
17
第一章 概率论的基本概念 §1 随机试验
典型例子有 E1:某机关共N人, 观察某天上班迟到的人数。 E2:抛两颗骰子,观察先后出现的点数。 E3:依次抛两枚硬币, 观察正面, 反面的出现情况。 E4:观察某灯泡的寿命。 E5:观察两个电子元件的使用寿命。
§3 频 率 与 概 率
2 f n() 1;
3 若A1 , A2 ,, Ak是两两互不相容事件,则
f n ( A1 A2 Ak ) f n ( A1) f n ( A2) f n ( Ak)
41
第一章 概率论的基本概念
§3 频 率 与 概 率
(二 ) 频率的稳定性
在充分多次试验中,事件的频率总 在一个定值附近摆动,而且,试验次数 越多,一般来说摆动越小. 这个性质叫 做频率的稳定性.
三 、 事件的关系与运算
I. 关系
1) 包含关系 B A
表示A发生必导致B发生,
AB
Ω
例: 抛骰子, A:抛出点数不超过3,B表示点数
不超过5,则 B A
A={1,2,3} B={1,2,3,4,5}
26
2)相等关系 A B A B,且 B A.
3) 互不相容(互斥)关系
如果A,B不可能同时发生,
A
则称A,B互不相容(互斥)
此时A B
B
Ω
27
n个事件互斥 (两两互不相容):
若n个事件A1,A2,… ,An中任意两
个事件都互斥, 则称这n个事件互斥.
A1
A2
A3
A4
Ω
28
第一章 概率论的基本概念 §2 样本空间 随机事件
II. 运算

南京大学 电子科学与工程学院 概率论与随机过程 期中复习课件

南京大学 电子科学与工程学院 概率论与随机过程 期中复习课件
• 1、某油漆公司发出13桶油漆,其中白漆6桶, 黑漆4桶,红漆3桶,在搬运中所有标签脱落, 交货人随意将这些发给顾客,问一个订货2桶 白漆,3桶黑漆和1桶红漆的顾客,能按所订 颜色如数得到订货的概率是多少?
• 知识点:古典概型的概率计算公式
ቤተ መጻሕፍቲ ባይዱ
• 2、将A,B,C三个字母一一输入信道,输出为 ,而输出为其他字母的概率 原字母的概率为 1 都是 2。将字母串AAA, BBB,CCC之一输入 信道,输入AAA,BBB, CCC的概率分别 为 p , p , p ( p p p 1) ,已知输出为ABC,输入的 是AAA的概率是多少?(设信道传输每个字母 的工作是相互独立的)
1 2 3 1 2 3
• 解答
• 知识点:贝叶斯公式、全概率公式、条件概率计 算公式
• 3、甲、乙两个投篮,投中的概率分别为0.6, 0.7,今各投3次,求(1)两人投中次数相等 的概率;(2)甲比乙投中次数多的概率。
• 知识点:列表穷举
• 解答
• 知识点:随机变量的函数分布(离散型、连续型)
解答:B 知识点:正态分布的数字特征(随机变量的数 字特征)
• 解答:
• 知识点:数字特征,随机变量的简单运算的数 字特征,随机变量和的方差由三项组成
• 解答:
• 解答:
• 解答

概率论与数理统计 南京大学 1 第一章概率论的基本概念 (1.5.1) 事件的独立性

概率论与数理统计 南京大学 1  第一章概率论的基本概念 (1.5.1)  事件的独立性
P(A)=P(B)=P(C)=2/4=1/2,
P(AB)=P(BC)=P(AC)=1/4
从而A、B、C两两相互ቤተ መጻሕፍቲ ባይዱ立.
但 P(ABC)=1/4≠1/8= P(A)P(B)P(C)
所以
A、B、C不相互独立.
定义: 设A1, A2, …, An为n个事件,若对任意的k (2≤k≤n)及 1≤i1<i2<…<ik≤n,有 P(Ai1 Ai2 … Aik)= P(Ai1 )P(Ai2 ) …P(Aik )
概率论与数理统计
事件的独立性
1.两事件的独立性
直观解释:设A、B为试验E的二事件,若A、 B 的发生互不影响,则称事件A、 B相互独立。
定义:设A、B是任意二事件,若P(AB)= P(A)P(B),则称事件A、B是相互独立的.
若事件A、B相互独立,则
P(A | B) P(AB) P(A)P(B) P(A) P(B) P(B)
则称事件A、B、C是相互独立的. 由这个定义知道,若A、B、C相互独立,则A、
B、C两两相互独立,但反之不然.
伯恩斯坦反例
例2: 设袋中有4个乒乓球,一个涂有白色,一个 涂有红色,一个涂有蓝色,另一个涂有白、红、 蓝三种颜色.今从袋中随机地取一球,以A、B、C 分别记事件“出现白色”、“出现红色”、“出 现蓝色”,则
则称事件A1, A2, …, An是相互独立的.
解 设C={目标被击中},A={甲击中目标},B={乙击 中目标} 。
P(C)=P(AB)=P(A)+P(B)-P(AB)=0.92+0.870.92*0.87=0.9896。
2.多个事件的独立性
定义: 若A、B、C同时满足

南京大学统计学课件 ch4概率分布与中央极限定理1

南京大学统计学课件  ch4概率分布与中央极限定理1

4-26
第一节概率随机变量与概率分布第二节正态分布与标准正态分布第三节中央极限定理42离散型随机变量二项分布卜瓦松分布泊松分布多项分配卡方分布连续型随机变量正态分布分布43曲线的位置形态的高低宽窄由其平均数与标准差来决定个标准差之间都有一定比例的面积44正态分布曲线图45三个不同的正态分布曲线图46正态分布曲线面积分布47正态曲线下的概率分布钟形曲线涵盖面积定为100对称性曲线尾端趋近于于x轴以及平均数到k个标准差的区间有一定比例的面积平均数为0标准差为标准正态分布仅有一个49196410296411115412165165115065196196115215225300413与各自班上的同学相比谁考得比较好呢
甲生的成绩要比93.32%学生的成绩 学生的成绩 甲生的成绩要比 来得高, 来得高,而乙生的成绩则仅超过 15.87%的学生 。 的学生
4-15
如果某市女性平均身高为1.5米 标准差 米 如果某市女性平均身高为 米,标准差0.2米
p (1.3 < x < 1.5) p (1.5 < x < 1.8) p (1.8 < x < 2) p (1.2 < x < 1.3) p (x < 1.2) p (x > 2)
4-3
正态分布曲线图
4-4
三个不同的正态分布曲线图
4-5
正态分布曲线面积分布
4-6
正态曲线下的概率分布
x ±1s.d. − 68.3% x ± 2s.d. − 95.4%
x ± 3s.d. − 99.7%
4-7
标准正态分布
标准正态分 标准正态分布的特质
钟形曲线,涵盖面积定为 钟形曲线,涵盖面积定为100%,对称性,曲线 ,对称性, 尾端趋近於于X 以及平均数到k 尾端趋近於于 轴,以及平均数到 个标准差的 区间有一定比例的面积 平均数为 0,标准差为 1 , 标准正态分布是由 z 分数所组成 标准正态分布仅有一个

概率论与数理统计 南京大学 1 第一章概率论的基本概念 (1.1.1) 初识概率论

概率论与数理统计 南京大学 1  第一章概率论的基本概念 (1.1.1)  初识概率论
通常,把随机试验次数n增大,频率越来越稳 定于一个确定的数值的规律说成是频率具有稳 定性。
频率的稳定性可以用来解释概率,但不能作为 概率的严格定义。
频率的性质
(1) 非负性 0≤fn(A)≤1
(2) 正规性 fn(Ω )=1
(3) 有限可加性.即设事件A1, A2, …, Am互斥, 则 fn (A1 ∪ A2 ∪…∪ Am)= fn (A1)+ fn (A2)+…+ fn
频率的稳定性
实验者
试验次数 正面朝上
次数μn
De Morgan 2048 1061
Buffon
4040
2048
Pearson 12000 6019
Pearson 24000 12012
频率 fn(A)=µn/n 0.518 0.5069 0.5016 0.5005
投掷次数越多,频率越接近于0.5,也就是说, 频率的稳定值为0.5。据此,我们自然可以用 这个稳定值0.5来作为事件{出现正面朝上}的概 率.即P(A)=0.5。
(1) 非负性 P(A)0,A
(2)正规性 P(Ω)=1
(3)可列可加性 若事件An,n=1,2,…, 两两互斥,则


P( An ) P An n源自1n1则称P为概率。
谢谢!
概率论与数理统计
(Am)
概率应具备以下性质:
(1) 非负性 0≤P(A)≤1
(2) 正规性 P(Ω )=1
(3) 可列可加性 即设事件A1, A2, …,Am , …,互斥,则 P(A1∪A2∪…∪Am∪…)= P(A1)+ P(A2)+…+
P(Am)+…
二.概率的公理化定义

概率论与数理统计 南京大学 1 第一章概率论的基本概念 (1.4.1) 全概率公式与贝叶斯公式

概率论与数理统计 南京大学 1  第一章概率论的基本概念 (1.4.1)  全概率公式与贝叶斯公式

例1. 某工厂有四条流水线生产同一种产品, 该四条流水线的产量分别占总产量的15%, 20%,30%和35%,又这四条流水线的不合格品 率依次为0.05,0.04,0.03和0.02.现在从出 厂产品中任取一件,问恰好抽到不合格品的 概率是多少?
解:
4
P(B) P(Ai )P(B | Ai ) i1
n
P(B) P( Ai )P(B | Ai ) i 1
证明:
n
n
n
P(B) P( AiB) P(AiB) P(Ai )P(B | Ai )
i1
i1
i1Biblioteka 全概率公式的直观解释:如果把事件B作为考察对象,
那么事件A1, A2, …, An便是导致“结果”的“原因”。
全概公式的主导思想是由因导果。
解:
P(A4 | B)
P( A4 )P(B | A4 )
4
P(Ai )P(B | Ai )
i1

0.35 0.02
2
0.15 0.05 0.20 0.04 0.30 0.03 0.35 0.02 9
0.15 0.05 0.200.04 0.300.03 0.350.02 0.0315
贝叶斯公式
定理(贝叶斯公式): 设A1, A2, …, An 是样本空间Ω 的一个划分,P(Ai)>0,i= 1,2, …,n ,B是任一事件,则有
则i 1, 2, ,n,
证明:
P( Ai | B)
P( Ai )P(B | Ai )
n

P(Ak )P(B | Ak )
k 1
P( Ai
|
B)

概率论与数理统计 南京大学 1 第一章概率论的基本概念 (1.2.1) 蒲丰投针实验

概率论与数理统计 南京大学 1  第一章概率论的基本概念 (1.2.1)  蒲丰投针实验

m( A) m()

A对应区域D的度量 对应区域S的度量
即等可能性
例(蒲丰投针问题)平面上有等距离的平行线,平行线间
的距离为a。向此平面任意投掷一枚长为l (l≤a) 的针,求针
与任一平行线相交的概率。
解:设M为针的中点,M点到最近平行线的距离为x,针与 平行线的夹角为θ。针的位置可由(x, θ)决定,
De Morgan(1860 1.0 600 年) Fox(1884年) 0.75 1030
相交次数 近似值 m
2532
3.1596
1219
3.1541
383
3.1332
489
3.1596
2

2l
m() a / 2 a
蒲丰投针实验的应用
利用随机模拟方法计算
P(A) 2l 2l
a
aP( A)
利用P(A)m/n。其中n为投掷次数,m为相交次数。 就可以近似计算。
实验者
l/a 投掷次数n
Wolf(1850年) 0.8 5000
Smith(1855年) 0.6 3204
概率论与数理统计
蒲丰投针试验
几何概型
定义: 若随机试验的样本空间对应一个度
量有限的几何区域S,每一基本事件与S内的 点一一对应,则任一随机事件A对应S中的某 一子区域D。若事件A的概率只与A对应的区 域D的度量成正比,而与D的形状及D在S中的 位置无关。则称为几何概型。
事件A发生的概率为:
样本空间:
{(x, ) | 0 x a / 2, 0 }
设A:针与任一条平行线相交。其充要条件为:
x l sin
2
l/2

概率论与数理统计 (54学时) - 南京大学计算机科学与技 …

概率论与数理统计 (54学时) - 南京大学计算机科学与技 …

9
第一章 概率论的基本概念
§5 几何概率
如果 l 和 a 已知, 则以π值代入上式就可 以求出 p 。
反之,也可用上式去求π的近似值,若投 针N次,其中针与平行线相交n次,以频率 值n/N 作为概率p的近似值, 代入上式有:
2lN an
10
第一章 概率论的基本概念
§5 几何概率
历史上有一些学者曾做过 这个实验, 得到π的近似值:
15
( A) 60 45 7 P( A) 2 () 60 16
2 2
0 15
60
x
4
例2.甲、乙两人约定在下午1点到2点之间到某车站乘公 共汽车,这段时间内有4班公共汽车,发车时间分别 为1:15,1:30,1:45,2:00。如果规定见车就 上,求两个人乘同一辆公共汽车的概率。 解: 设甲,乙到达车站时刻为x, y, 则Ω ={1≤x, y ≤2, } y 2 设A=两人乘同一辆车,则 A发生的充要条件是: 1.5 1 0 1 1.5 2 x 两人到达时间x, y在同一 发车区间,即阴影部分。
1 2 3 n 1 2 3 4 n1 n1
28
第一章
概率论的基本概念
§6.条件概率
例 . 设某光学仪器厂制造的透镜,第一次落下时打 破的概率为 1/2 ,若第一次落下未打破,第二次落 下打破的概率为 7/10 ,若前两次落下未打破,第三 次落下打破的概率为 9/10 。求透镜落下三次而未 打破的概率。 解:以 Ai ( i=1,2,3 ) 表示事件“透镜第 i 次落下打 破”,以 B 表示事件“透镜落下三次而未打破”, 有:
14
第一章
概率论的基本概念
§6.条件概率
一般情况:

概率论与数理统计 南京大学 2 第二章随机变量与分布函数 (2.4.1) 正态分布

概率论与数理统计 南京大学 2  第二章随机变量与分布函数 (2.4.1)  正态分布
定理:设X ~ N(, 2),则 X
N (0,1).
正态分布的 3 σ 原则
P( X ) 2(1) 1 2 0.84131 0.6826
P( X 2 ) 2(2) 1 0.9545 P( X 3 ) 2(3) 1 0.9973
正态分布
2018/12/13
正态分布是概率论与数理 统计中处于核心地位。它 最初由法国数学家棣莫弗 引进,但作为一个分布研 究主要归功于高斯。
正态分布的定义
若随机变量X的密度函数为
p(x)
1
e
(
x )2 2 2
2
xR
其中μ,σ(σ>0)是常数,则称X服从参数为μ,σ2 的正态分布(或高斯分布),记为X~N(μ,σ2).分 布函数为:


查表 =7.
P(71 X 85) P(71 78 X 78 85 75) 2(1) 1 0.6826
7
7
7
x
F(x)
1
e dt
(t ) 2 2
2
2
正态分布的密度函数与分布函数曲线如下:
ቤተ መጻሕፍቲ ባይዱ
1. p(x)是关于直线x=μ对称的,在x=μ处取得极大 值.
2. 固定μ,σ的值越大,p(x)的图形就越平坦;σ的值 越小,p(x)的图形就越陡峭。σ决定图形的形状。
3. 固定σ,μ的值增大,p(x)的图形就向右移动;μ的 值减小,p(x)的图形就向左移动。μ决定图形的位 置。
例:设某次外语统考的成绩服从正态分布,平均 成绩为78分,92分以上的占学生总数的2.28%, 求学生成绩在71分至85分之间的概率.
解:

概率论与数理统计 南京大学 4 第四章统计量与抽样分布 (4.3.1) 三大分布

概率论与数理统计 南京大学 4  第四章统计量与抽样分布 (4.3.1)  三大分布
பைடு நூலகம்
常用的上分位点
u : N(0,1)分布的上分位点; 2 (n) : 2(n)分布的上分位点; t (n) : t(n)分布的上分位点; F (n1, n2 ) : F(n1, n2 )分布的上分位点。
服从自由度为n的t分布,记作t~t(n).t分布又
称为学生氏(Student)分布.是英国统计学家 W.S.Gosset于1908年以笔名Student发表。
其密度函数图形如下:
t分布的密度函数是偶函数,于是Et=0;
当n趋于无穷时,t分布收敛于标准正态分 布。
F分布
定义: 设X~χ2(n1), Y~χ2(n2),且X与Y相互 独立,则称随机变量
F X / n1 Y / n2
服从自由度为n1,n2的F分布,记作F~F (n1 ,n2).
其密度函数图形如下:
F分布的性质
(1)若F~F (n1,n2),则 1/ F~F (n2,n1)
(2)t分布与F分布有如下关系,若T~t (n), 则 T2~ F (1,n)
上分位点
定义: 设X是一个随机 变量,对于给定的数 (0<<1) ,称满足条 件P(X>λ)=的实数λ 为X的上分位点。
χ
12+χ
2 2

2(n1+n2)
(2)χ 2分布的均值和方差.
设χ 2~χ 2(n),则
E(χ 2)=n D(χ 2)=2n
2分布的密度函数图: n越大,图形越扁平,对称性越强
2. t分布
定义: 设X~N(0, 1),Y~χ 2(n),且X与Y相
互独立,则称随机变量
t X Y /n
统计学的三大分布

概率论与数理统计 南京大学 3 第三章随机变量的数字特征 (3.5.1) 相关系数

概率论与数理统计 南京大学 3  第三章随机变量的数字特征 (3.5.1)  相关系数
X和Y完全负相关。
(3 )当XY =0时,称X和Y不相关;
(4)若X和Y相互独立,则X和Y不相关;反之不然。 注: 相关系数是刻画随机变量间的线性相关程度的量。
| XY |接近0, X和Y的线性关系弱, | XY |接近1,
X和Y的线性关系强。
例:设随机变量 U[0,2 ],X=sin,Y=sin( +a), 其中a [0,2 ]为常数,求XY ,并讨论X ,Y的相关性
及独立性。
2
2
解:EX E sin sin p( )d sin
1
d 0;
0
0
2
2
2
EX 2 E sin2 sin2 p( )d
1
1 cos 2 d 1 ;
0
0 2 2
2
DX EX 2 (EX )2 1 ;类似的,DY 1 .
相关系数
2018/12/15
设随机变量X具有数学期望E(X)= μ ,方差 D(X)=σ2不为0,记
X* X

EX * 0,DX * 1
X*称为X的标准化随机变量。
相关系数的定义
定义: 若随机变量X与Y的方差存在且均不为0 ,则称
XY

Cov(X ,Y ) DX DY
为随机变量 X,Y的相关系数,记为。
注:XY
பைடு நூலகம் Cov( X
EX DX
,Y
EY )=Cov( X *,Y* ) DY
相关系数的性质
(1) | XY |1 (2) | XY |=1存在常数a, b,使
P(Y=aX+b)=1
当XY =1时,称X和Y完全正相关;当XY =-1时,称

概率论-南京大学教程

概率论-南京大学教程

多个样本点组成称为复合事件。由一个样本点组成的单点集,称
为基本事件。 样本空间S包含所有的样本点,它是S自身的子集,在每次试验中
它总是发生的,称为必然事件;空集Φ不包含任何样本点,它也
作为样本空间的子集,它在每次试验中都不发生,称为不可能事 件
三、事件间的关系和运算
1. 2. 3. 4. 5. 6. 7. 8. 包含 相等 和(并) 积(交) 差 互不相容,互斥 对立 完备事件组
2)由于r个房间可以任意的,即可以从n个房间中任意选出r个来,这种选 法共有 C r 种。对于每种选定的r个房间,每一房间分配一个人的方法
n
有 r !种。故中包含的基本事件数为
r Cn r ! 。因此
r Cn r! P A2 ... r n
3)由于某指定房间中分配k个人的分法有 C k 种,而其余 r-k 个人任意 r 分配到n-1个房间的分法有 n 1 r k 种,所以其中包含的基本事件数 为 C k n 1 r k 。因此 r
设事件A,定义A发生的概率
P( A) A所包含的样本点个数 k 全体样本点个数 n
eg. 掷硬币1/2;掷骰子偶数3/6
做题步骤
step1. E是什么,s=?有限否
2. 基本事件是否等可能
3. P(A)=k/n
计数法则
【乘法定理】
设完成一件任务有k个步骤,第i个步骤有ni种方法, 且必须通过k个步骤才算完成,则完成此任务共有方法 数:
解 由于每一个人都可以分配到 n个房间中的任一房间,所以将r个人分 配到个房间去共有 nr 种分法。每种分法当作一个基本事件,那么基本事 件总数为 r
n
1)将r个人分配到指定的r个房间,每个房间一人,共有 r ! 种分法。故

概率论与数理统计 南京大学 5 第五章参数估计 (5.2.1) 极大似然估计

概率论与数理统计 南京大学 5  第五章参数估计 (5.2.1)  极大似然估计
极大似然估计
2019/1/6
极大似然估计(1912年由Fisher提出)是统计中最 重要的方法。
已知一枪打中10环,问这一枪由谁打的?
射手甲,命中10环概率0.9 射手乙,命中10环概率0.2
100个射手,命中10环概率为p1,…, p100 ,选哪位射手? (相当于选哪一个参数值)
选取射手k,使得pk =max{p1,…, p100 }
若总体X是连续型随机变量, 其密度函数为
p(x; ), 为待估参数,则样本X1,X2,…,Xn
的联合密度为
n p(Xi; ) NhomakorabeaL( )
i 1
称为似然函数
n
n
选取ˆ,使得 i 1
p(
X
i

)=
max
i 1
p( Xi; )
定义: 对给定的样本X1,X2,…,Xn,,似然函 数为L()。如果ˆ ˆ( X1, , Xn ) 满足下式
L(,
L(, 2
2 2
) )

1n
2 i 1

n
2
2
(Xi ) 0

1
2 4
n
(Xi
i 1

)2

0





1 ni
21 n
n
X
1
n
(
i 1
i Xi
X X
)2
从而, 2的极大似然估计量为 ˆ X , 2 S*2
2
)



n
1
n
( Xi )2
e , i1 2 2
2 2

概率论与数理统计 南京大学 4 第四章统计量与抽样分布 (4.1.1) 初识统计学

概率论与数理统计 南京大学 4  第四章统计量与抽样分布 (4.1.1)  初识统计学

统计的任务:
样本
统计推断 估计 假设检验
总体:研究对象的全体,一般用随机变量X来 表示总体。
样本:从总体中随机抽取的一些个体。一般用 一列随机变量(X1,X2,…,Xn)来表示。
简独立单,随且机具样有本相:同若的样分本布(X。1,X2…,Xn)相互初识统计学
2019/1/6
统计学产生于十九世纪末,距今一百多年。
K.Pearson,1857-1936
R.A.Fisher,1890-1962
数理统计:收集,分析带有随机影响的 数据的学科。
注:统计的思想方法与数学不同,数学 是演绎的思想;统计是归纳的思想。
命题:三角形内角之和为180度。 数学家:严格推导。 统计学家: 1.取样; 2.得到数据; 3.由假设检验理论得出结果。

概率论与数理统计 南京大学 5 第五章参数估计 (5.3.1) 区间估计

概率论与数理统计 南京大学 5  第五章参数估计 (5.3.1)  区间估计
P 1 Z 2 1
(3)由不等式1Z2,解出 ˆ1 ˆ2
得到的置信度为1-的一个置信区间 ˆ1, ˆ2
区间,平均来说,其中会有(1-)N个区间包 含真参数。
二.求区间估计的方法——枢轴变量法
例: 设螺栓的直径服从正态分布X~N( ,2),
已知。X1,X2,…,Xn为来自总体X的一
组简单随机样本。求 的置信度为1-的
置信区间。
解:很显然,样本均值是的点估计量,而且 X ~ N(, 2 n)
因此 U X ~ N(0,1)
N(0,1)的上/2分位点 n


P(| U | u ) 1
2

即P


u
2

X - 2

u
2

1



n


即P

X

u
2
2
n

X u
2
Hale Waihona Puke 2n
1
所以的 置信度为1-的置信区间为:


X
u , X n2
n
u
2

步骤如下:
(1) 寻找一个和点估计量有关的样本函数
Z=U(X1,…,Xn;),只含未知参数,不含任
何其它未知参数;而且Z的分布已知,不依
赖于未知参数。这样的Z称为枢轴变量。但
注意它不是统计量。
(2)对于给定的置信度1- ,根据Z的分布找 到两个分位数1和2,使
区间估计
2019/1/6
点估计:

区间估计: [ˆ1( X1, Xn ), ˆ2( X1, Xn )]

概率论与数理统计 南京大学 6 第六章假设检验 (6.3.1) 一个正态总体的假设检验

概率论与数理统计 南京大学 6  第六章假设检验 (6.3.1)  一个正态总体的假设检验

2
2 2.7 2 19.02
检验统计量的值为: 2 251.6/64 3.93
结论: 因为2.7<3.93<19.02,所以不拒绝原假设,即认 为该厂生产的铜丝折断力的方差为64。
N(0,1)的上/2分位点
|U|越大,对原假设越不利,故拒绝域应为
{|U|>c}的事件。由P(|U|>c)= ,得c=u/2。
对给定显著性水平 ,检验拒绝域为:
W


U


X 0 0 n

u

2
2.方差 2未知,检验H0: = 0; H1: 0
W
2

2 1
(n 1)
2


2

(n

1)
c1

2 1 2
(n

1)
c2

2 2
(n

1)
2
2
例: 某厂生产的铜丝,质量一向比较稳定,今从中随 机抽取10根检查其折断力,测得数据(单位:千克)如下:
575 576 570 569 572 582 577 580 572 585
构造检验统计量:T X 0 —称为t检验。
Sn
当H0为真时, T~t(n-1)
用S替换0
|T|越大,对原假设越不利,故拒绝域应为{|T|>c} 的事件。类似的,得c=t/2(n-1) 。
对给定显著性水平 ,检验拒绝域为
W


T
Байду номын сангаас

X 0
t (n 1)

Sn

概率论与数理统计 南京大学 3 第三章随机变量的数字特征 (3.1.1) 期望的定义

概率论与数理统计 南京大学 3  第三章随机变量的数字特征 (3.1.1)  期望的定义

X
~

0 q
1 p
,
p

q
1, 0

p
1
则E(X ) p
例2 (二项分布)设随机变量X服从二项分布 X~B(n, p) 其中q=1-Pp(,X=k则)=Cnkpkqn-k, k=0,1,…,n
n
EX k Cnk pk qnk np k 0
例3 (泊松分布)设随机变量X服从泊松分布 X~P(λ) , P(X=k)=λk /k!e-λ ,k=0,1,2,… 则
几种常见连续型随机变量的数学期望
例4 (均匀分布)设随机变量X服从均匀分布 X~U[a,b],由定义可知 E(X)=(a+b)/2
例5 (正态分布)设随机变量X~N(μ,σ2),由定义可 知

EX x
1

e
(x )2 2 2dx( Nhomakorabeat
x)
2


( t)
期望的定义
2018/12/15
一、离散型随机变量的数学期望
例:某人参加一抽奖活动,中大奖的概率为0.01, 奖金为10000元;中小奖的概率为0.1,奖金为100
元。若用X表示所得奖金,则X为随机变量,其分布 列为
X
0

0.89
100 0.1
10000
0.01

则奖金的平均值为 0×0.89+100×0.1+10000×0.01=110元。
EX k k e k0 k !
参数λ的取值就是随机变量X发生的平均次数。
二、连续型随机变量的数学期望
定义:设X为具有密度函数p(x)的连续型随 机变量,
  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)。

Sol.
n j Ckj Cm k P P ( m) n Cm
p ( m) ~ m
n j n 2 Ckj Cm / C p ( m) m km nm kn k m j n j 2 1 n p (m 1) Ck Cm 1 k / Cm 1 m km nm jm
第一部分
概率论基础
Ch1. 概率论的基本概念
§1.1
随机事件
人们在实践活动中所遇到的现象一般来说可分 为两类: 一类是必然现象,或称确定现象; 一类是随机现象,或称不确定现象。
随机现象
随机现象是指在相同条件下重复试验,所得的结果不一定 相同的现象,即试验结果是不确定的现象;对这种现象来 说,在每次试验之前哪一些结果发生,是无法预言的。 例如:
2 C5 93 0.0729 5 10
分配
把m个元素分 配到n个盒子 里 一个盒子可以 放任意个元素 元素可以区分
元素不可以区 分
nm
m Cn m1
一个只能放一 个元素
元素可以区别
元素不可以区 分
Pnm
m Cn
例 将r个人随机地分配到n个房间里,求下列事件的概率
设 A1=“某指定的r个房间中各有一人”, A2=“恰有r个房间中各有一人”, A3=“某指定房间恰有k人”。
2)由于r个房间可以任意的,即可以从n个房间中任意选出r个来,这种选 法共有 C r 种。对于每种选定的r个房间,每一房间分配一个人的方法
n
有 r !种。故中包含的基本事件数为
r Cn r ! 。因此
r Cn r! P A2 ... r n
3)由于某指定房间中分配k个人的分法有 C k 种,而其余 r-k 个人任意 r 分配到n-1个房间的分法有 n 1 r k 种,所以其中包含的基本事件数 为 C k n 1 r k 。因此 r
E2:抛一枚骰子,观察出现的点数。{1,2,…,6}
E3:将一枚硬币抛掷三次,观察正、反面出现的情况。 {{ H,H,H},{H,H,T},{H,T,H},{H,T,T},{T,H,H},{T,H,T},{T,T,H}, {T,T,H} } E5:记录电话交换台一分钟内接到的呼唤次数 {0,1,2,3……} E4:观察灯泡的寿命。 [0, +∞) E6:记录某地一昼夜的最低和最高温度
概率论与集合论中的符号表示
记号
概率论
样本空间、必然事件 不可能事件
集合论
全集 空集
S Φ
e
A
基本事件,样本点
事件A
元素
子集
A
A B
A的对立事件
事件A必然导致事件B的发生
A的补集
A是B的子集 A与B相等
A B 事件A导致事件B的发生,且B导致A发生
事件间的运算律
1. 2. 3. 4.
交换律 结合律 分配律 德摩根律
推广:有限可加 可列可加
频率的稳定性
eg 掷硬币实验
n
4040
12000 24000
nH
2048
6019 12012
fn(H)
0.5070
0.5016 0.5005
频率随着n的增加而逐渐趋于一个常数 (存在)
1.2 古典概型
一. 定义 <特点>
1。样本空间有限 2。每个结果是等可能发生的
<计算>
四.
频率
1. 频率:设事件A在n次试验中出现nA次,则比值
f n ( A) nA n
叫做事件A在这n次试验中出现的频率
2.
频率的性质:设E:S,A、B、n
1。非负性:
0 fn 1
f n (S ) 1
2。规范性:
3。可加性: 若 A· B=Φ

fn ( A
B) f n ( A B) fn ( A) f n ( B)
[讨论]
(1) “三四两册相邻”=A1
A1包含的样本点数 2×3! 所以 P(A1)=2×3!/4!=1/2
(2) “第一册在旁边”=A2
A2包含的样本点数 2×3! 所以 P(A2)=2×3!/4!=1/2 (3) “第一、四册均在旁边”=A3 A3包含的样本点数 2!+2! 所以 P(A3)=2×2!/4!=1/6 (4) “第二或三册在旁边”=A4
出生婴儿,可能是男孩,也可能是女孩;
向一目标进行射击,可能命中目标,也可能不命中目标;
从一批产品中,随机抽检一件产品,结果可能是合格品,也
可能是次品;
是否有规律可循呢?
一. 随机试验与事件
随机试验 E E : 描述
有如下试验:
E1:抛一枚硬币,观察正面H,反面T出现的情况。{H,T}
设 A1=“5个数码全相同”,
A2=“5个数码全不相同”,
A3=“5个数码中有两个3”,
解 将每一可能的电话号码作为基本事件,它们可认为是等可 能的。由于数码是可重复的,故基本事件总数为105
1)显然,A1中包含的基本事件数为10,故
P A1
10 1 105 104
续 2) A2中包含的基本事件数为,P 5 10 9 8 7 6 故 10
m n m n
n
m
P n! n m C Cn m! m!(n m)!
m n
m n
抽样
从n个元素里 选出m个元素 重复 有序
无序
nm
m Cn m1
不重复
有序
ห้องสมุดไป่ตู้无序
Pnm
m Cn

抛一个均匀的硬币两次,观察两次出现的情 况,计算以下事件的概率: A:出现两次正面朝上 B:出现两次相同的面朝上
E3:将一枚硬币抛掷三次,观察正、反面出现的情况。 {{ H,H,H},{H,H,T},{H,T,H},{H,T,T},{T,H,H},{T,H,T},{T,T,H}, {T,T,H} }
E5:记录电话交换台一分钟内接到的呼唤次数 {0,1,2,3……}
E4:观察灯泡的寿命。 [0, +∞)
设事件A,定义A发生的概率
P( A) A所包含的样本点个数 k 全体样本点个数 n
eg. 掷硬币1/2;掷骰子偶数3/6
做题步骤
step1. E是什么,s=?有限否
2. 基本事件是否等可能
3. P(A)=k/n
计数法则
【乘法定理】
设完成一件任务有k个步骤,第i个步骤有ni种方法, 且必须通过k个步骤才算完成,则完成此任务共有方法 数:
A4 A3 , P( A4 ) 1 P( A3 ) 1 1/ 6 5 / 6 或 P( B C ) P( B) P(C ) P( BC ) 1 1 1 5 2 2 6 6
例5. 在1-2000中任取一整数,问取到整数 不能被6或8除尽的概率
Sol. 设 A事件为“取到整数能被6除尽”
E6:记录某地一昼夜的最低和最高温度 {(t1, t2)| TL ≤ t1 < t2 ≤TH}
样本空间:
所有可能的结果的集合——样本空间
记作S或者Ω
每个可能的结果——样本点;
二、事件
称随机试验E的样本空间S的子集为E的随机事件,简称事件。
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
P( AB) 83/ 2000
P(C ) 1 [ P( A) P( B) P( AB )] 1 333 250 83 3 2000 4
例7. <估计问题> 接待站在某一周里共接待12次来访
1)若12次均在周二或周四,问接待时间是否有规定
Sol. 假设等可能接待,设事件A为12次来访恰都在 周二和周四,则有
B事件为“取到整数能被8除尽” C事件为“取到整数不能被6和8整尽”,则C=AUB
先求1-2000中,能被6除尽的整数个数:[2000/6]=333 P( A) 333/ 2000 能被8除尽的整数个数:[2000/8]=250 P( B) 250 / 2000 能被6和8除尽的整数个数:[2000/24]=83
P A2
10 9 8 7 6 0.3024 5 10
2 3) A3中包含的基本事件数是 C5 93 ,这是因为数码3在电话号码中
占两个位置的方法有
2 种,而其余3个数码中的每一个都可以从剩 C5
下的9个数码0,1,2,4,,9中重复选取,有9种方法。故
P A3
解 由于每一个人都可以分配到 n个房间中的任一房间,所以将r个人分 配到个房间去共有 nr 种分法。每种分法当作一个基本事件,那么基本事 件总数为 r
n
1)将r个人分配到指定的r个房间,每个房间一人,共有 r ! 种分法。故
r! P A1 r n
特别地,当n=365,r=100时, P(A1)=0.000 000 3 n=r=6时, P(A1)=0.01543
n1 n2 ... ni ... nk
【加法定理】
设完成一件任务有k类办法,在第i类 种方法,则完成此任务共有方法数
办法中有ni
n1 n2 ... ni ... nk
计数
n! P (或A ) n(n 1)...( n m 1) (n m)!

观察三次射击命中情况,用A1表示事件”第 一次射击命中”, A2表示事件”第二次射击命 中”, A3表示事件”第三次射击命中”。 试表示事件:
1、全部落靶 2、命中一次 3、命中两次 4、全部命中

5、至少命中一次 6、至少一次没命中 7、至少命中两次 8、至多命中两次 9、至少两次没命中 10、事件 A1 A2 A3 A1 A2 A3的意义
相关文档
最新文档