贝努力概型
贝努力公式
贝努力公式好的,以下是为您生成的关于“贝努力公式”的文章:咱们在数学的世界里闯荡,经常会碰到各种各样神奇的公式,这其中就有贝努力公式。
先来说说我之前遇到的一件小事儿。
有一次我去参加一个数学爱好者的聚会,大家聚在一起讨论各种数学难题。
有个小伙伴就提到了贝努力公式,可把在场的一些人给难住了。
当时我就发现,虽然大家都对数学有着浓厚的兴趣,但对于贝努力公式的理解和应用,还真不是每个人都能说得清楚的。
那到底啥是贝努力公式呢?贝努力公式在概率论和统计学中可是个大宝贝。
它能帮咱们计算在独立重复试验中,某一特定事件发生特定次数的概率。
比如说,你抛硬币,正面朝上的概率是 0.5。
如果抛 10 次,想知道恰好有 6 次正面朝上的概率,这时候贝努力公式就派上用场啦。
咱们来仔细瞅瞅这个公式:P(X = k) = C(n, k) * p^k * (1 - p)^(n - k) 。
这里面的“P(X = k)”表示事件发生 k 次的概率,“n”是试验的总次数,“k”就是咱们想要的那个特定次数,“p”是每次试验中事件发生的概率,“C(n, k)”则是组合数,表示从 n 次试验中选出 k 次的组合方式。
这公式看起来可能有点复杂,但其实只要咱们多做几道题,多琢磨琢磨,就能发现其中的规律。
比如说,假设一个班级里每次考试及格的概率是 0.8,一共考 5 次,要算恰好有 4 次及格的概率,那咱们就把n = 5,k = 4,p = 0.8 带进公式里算一算。
在实际生活中,贝努力公式也挺有用的。
像工厂生产零件,咱们想知道一批产品中合格产品出现特定数量的概率,就可以用它。
还有抽奖活动,算中特定次数奖的概率也能靠它。
学习贝努力公式的时候,可别死记硬背,得理解着来。
多做几道相关的题目,感受一下它的应用场景,这样才能真正掌握。
总之,贝努力公式虽然有点小复杂,但只要咱们用心去学,多练习,就能把它拿下,让它成为咱们解决问题的有力工具。
就像我在那次聚会上,虽然一开始大家对它有点迷糊,但经过一番讨论和研究,大家也都有了更清晰的认识。
伯努利概型
概率计算:
当 X k (0 k n) 时, 即 A 在 n 次试验中发生了k 次.
A A A A A A ,
k次
n k 次
A A A A A A A A
k 1 次
n k 1 次
n 得 A 在 n 次试验中发生k 次的方式共有 种, k 且两两互不相容.
第七节 伯(贝)努利概型
(1) 重复独立试验 将试验 E 重复进行 n 次, 若各次试验的结果互
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, 则称这 n 次试验是相互独立的,
或称为 n 次重复独立试验.
(2) n 重伯努利试验
设试验 E 只有两个可能结果: A 及 A, 则称 E 为伯努利试验. 设 P ( A) p (0 p 1), 此时P ( A) 1 p.
因此 A在 n 次试验中发生 k 次的概率为
n k 记 q 1 p p (1 p)n k k
n k n k pq k
将 E 独立地重复地进行n 次, 则称这一串重 复的独立试验为n 重伯努利试验 .
特点:1 每次实验只有两个结果:成功、失败 2 每次实验种每个概率不变 3 实验之间相互独立 4 相同条件下,实验可以重复进行
实例1 抛一枚硬币观察得到正面或反面. 若将硬
币抛 n 次,就是n 是 n重伯努利试验.
概率论 第五节独立试验概型二项概率公式
P(n, k,
p)
C
k n
pk (1
p)nk
(0 k n)
该公式正好与 p (的1 二p)项 n展开式中第
(k+1)项完全相同,故有时又称之为
参数为n和p的二项概率公式。
例1 一批产品中有20%的次品,现进行重 复抽样,共抽取5件样品,分别计算这5件样品 中恰好有3件次品及至多有3件次品的概率?
例2 自某工Biblioteka 产品中进行重复抽样检查,共取200件样品,检查结果发现其中有4件是废品,
问能否相信该厂产品废品率不超过0.005?
解 假设该厂产品的废品率为0.005,容易算
得200件中出现4件废品的概率为
P(200, 4, 0.005)
c4 200
0.0054
(1
0.005)196
0.015
解 设 表Ai 示“5件样品中恰好有i件次品” i 0,1 ,5. B表示“5件样品中至多有3件次品”
利用二项概率公式可得 (n 5, p 0.2)
P( A3 ) P(5, 3, 0.2) C53 0.230.82 0.0512
P(B) 1 P( A4 ) P( A5 ) 1 C54 0.240.8 C55 0.25 0.9933
第五节 独立试验概型 二项概率公式
在随机试验中,经常会碰见这样一类试验, 在相同的情况下重复进行n次同样的试验,每 次的可能结果为有限个,且各次试验的结果 互不影响,此n次试验显然是相互独立的。这 种概率模型称做n重独立试验概型。
特别,当每次试验只有两种可能结果A
和 A,且P(A)=p,P( )=A1-p(0<p<1),称为n重贝 努里概型,也可以称为n重贝努里试验。
随机事件与概率习题
课题:第一章随机事件与概率总复习教学目的:使学生系统的掌握第一章得重点内容重点:知识点的回顾难点:应用混合知识点做题基本能力:可以分清楚不同类型概率的计算方法课的类型:复习课教学过程一、组织教学检查出席,相互问好二、讲新课第一章习题课一、知识点归纳1、事件之间的关系与事件的运算(包含、并、交、差、互斥、互逆)2、事件的运算法则2、古典概型的概率定义及计算3、概率的性质4、条件概率及其计算公式5、与条件概率有关的三个公式:乘法公式、全概率公式、贝叶斯公式。
6、事件的独立性7、贝努力概型详细讲解:1、事件之间的关系有7种:(1)包含关系--如果事件A的发生必然导致事件B的发生,则称事件B包含事件A,或称事件A是事件B的子事件,记作A⊂B或B⊃A。
(2)相等关系—如果A B=。
⊂同时成立,则称事件A与B相等,记为A B⊂和B A(3)事件的和(并)--“二事件A与B中至少有一个事件发生”,这样的一个事件称为事件A与B的和(或并),记作A B(或A+B)。
(4)事件的积(交)--“二事件A与B同时发生”这样的事件称为事件A与B的积(或交),记作A B(或AB)。
AB是由既包含在A中又包含在B中的试验结果构成。
(5)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,记作A-B 。
A-B 是由所有包含在A 中而不包含在B 中的试验结果构成,即A-B=A-AB 。
(6)事件的互不相容(互斥)--如果事件A 与事件B 不能同时发生,即AB=φ,则称事件A 与B 互不相容(或互斥)。
互不相容事件A 与B 没有公共的样本点。
(7)事件的对立(互逆)--若A 是一个事件,令A A -Ω=,称A 是A 的逆事件(或对立事件)。
这说明A 与A 中必然有一个发生,且仅有一个发生,即事件A 与A 满足条件:A A =φ,A ⋃A =Ω。
2、(a )交换率:A ⋃B=B ⋃A ,AB=BA ;(b )结合率:(A ⋃B )⋃C=A ⋃(B ⋃C ),(AB )C=A (BC ) (c )分配率:A (B ⋃C )=AB ⋃AC ,A ⋃(BC )=(A ⋃B )(A ⋃C ) (d )德·摩根(De Morgan )律:B A ⋃ =A B ,AB =A ⋃B3、古典概型:具有(1)全部基本事件的个数是有限的;(2)每个基本事件发生的可能性是相等的。
第四讲 独立性与贝努力试验
独立性independentevents贝努力实验bernoulliexperiment一独立性例1设试验e为抛甲乙两枚硬币观察正反面出现的情况设事件a为甲币出现hb为乙币出现h样本空间hhhtthtt1在已知第一次摸得黑球的条件下第二次摸出的是黑球的概率
第四讲 独立性与贝努力试验
内容摘要: 独立性(Independent Events) 贝努力实验(Bernoulli Experiment)
三、几何分布
直到第N次试验,结果才出现。 例10、一醉汉要开门,他有10把钥匙,其中仅 一醉汉要开门,他有 把钥匙 把钥匙, 一醉汉要开门 有一把可以打开门, 有一把可以打开门,他随机的选取一把钥匙 开门,则这个醉汉第四次打开门的概率多大? 开门,则这个醉汉第四次打开门的概率多大?
思考题: 1、奥运会兴奋剂检测中,第一次药检呈阳性以后, 奥运会兴奋剂检测中,第一次药检呈阳性以后, 奥运会兴奋剂检测中 会进行第二次检测,有必要进行第二次么? 会进行第二次检测,有必要进行第二次么?因为 两次检测是独立的, 两次检测是独立的,能否从独立事件的概率上进 行解释? 行解释? 2、从概率学的角度来判断,对于中国乒乓球队, 从概率学的角度来判断,对于中国乒乓球队, 从概率学的角度来判断 三局两胜制和五局三胜制, 三局两胜制和五局三胜制,哪个更有利于中国对 获胜? 获胜?
概率论与数理统计选修课讲义
一、独立性
例1、设试验 为“抛甲、乙两枚硬币,观察正 设试验E为 抛甲、乙两枚硬币, 设试验 反面出现的情况” 设事件A为甲币出现 为甲币出现H, 反面出现的情况”,设事件 为甲币出现 ,B 为乙币出现H,样本空间{HH,HT,TH,TT}, 为乙币出现 ,样本空间 , , , , )、P( )、 )、P( )、 )、P(B|A)。 求P(A)、 (B)、 (AB)、 ( )、 )。 例2、一袋中放有 个黑球,b个白球,采用有放回 一袋中放有a个黑球 个白球, 一袋中放有 个黑球, 个白球 摸球, 摸球,求: 1)在已知第一次摸得黑球的条件下,第二次摸 )在已知第一次摸得黑球的条件下, 出的是黑球的概率;(条件概率) ;(条件概率 出的是黑球的概率;(条件概率) 2)第二次摸出黑球的概率。(全概率公式) 。(全概率公式 )第二次摸出黑球的概率。(全概率公式) A表示第一次摸出黑球,B第二次摸出黑球 表示第一次摸出黑球, 第二次摸出黑球 表示第一次摸出黑球
3 事件的独立性与贝努力试验
第四章 n维向量 第一章 随机事件及其概率
在n重贝努里试验中,我们主要研究事件A
恰好出现k次的概率Pn(k) 设事件Bk“在n重贝努里试验中事件A恰好发 生了k次”, 其中 0 k n 由于 n 次试验是相互独立的,所以事件A在 指定的 k 次试验中发生,而在其余(nk)次试
第四章 n维向量 第一章 随机事件及其概率
4.三事件相互独立的概念
定义 设 A, B , C 是三个事件, 如果满足等式 P ( AB ) P ( A) P ( B ), P ( BC ) P ( B ) P (C ), P ( AC ) P ( A) P (C ), P ( ABC ) P ( A) P ( B ) P (C ), 则称事件 A, B , C 相互独立 。
0 0.09 0.2 0.36 0.6 0.41 1 0.14
0.458。
第四章 n维向量 第一章 随机事件及其概率
例1.24 一个元件(或系统)能正常工作的概率称为 元件(或系统)的可靠性. 如图所示, 设有 4 个独立 工作的元件 1, 2, 3, 4 按先串联再并联的方式联结 ( 称为串并联系统 ) , 设第 i 个元件的可靠性为 pi ( i 1, 2, 3, 4 ) . 试求系统的可靠性。
P ( A) P ( B )。 从而 A 与 B 相互独立 。
第四章 n维向量 第一章 随机事件及其概率
两个结论
若事件 1. A1 , A2 , , An (n 2) 相互独立 , 则其中任意 k (2 k n)个事件也是相互独立。
2. 若 n 个事件 A1 , A2 , , An ( n 2)相互独 立, 则将 A1 , A2 , , An 中任意多个事件换成它们 的对立事件, 所得的 n 个事件仍相互独立。
概率统计6 贝努利概型 教学设计
《概率统计II》教学设计全概率公式贝努利概型教学设计【教学题目】§1.4 贝努利概型【教学目的】根据《教学大纲》要求理解贝努利概型定义,掌握二项概率公式及其应用【教学思想】1、贝努利概型是事件独立性问题中的典型而又重要的概率模型问题,在该问题教学中,体现出了如何化难为简,类比抽象出具有一般规律性的二项概率公式,使问题轻松得到解决。
2、通过引例,引导学生主动学习、思考,并通过实际问题案例的分析及应用,由特殊到一般,达到“授人以渔”的目的。
3、讲课中穿插数学家情况介绍,激励学生努力学习,体现出“既教书,又育人”的教育思想。
【教学分析】1、本次课主要包括以下内容:(1)回顾事件独立性,分析引例;(2)贝努利概型的定义;(3)二项概率公式及证明;(4)二项概率公式的应用。
2、重难点分析:因为利用贝努利概型解决具体问题时是使用二项概率公式解决,故二项概率公式为本次课的重点。
但在判断一个实际问题是否是贝努利概型时,学生往往感到比较困难,故要通过实际问题与贝努利概型特征对比分析,故二项概率公式应用是难点。
【教学方法和策略】黑板板书结合PP T演示,采用启发、提问式教学,利用一个简单的抛掷硬币问题,引出二项概率的简单形式。
先从特殊到一般,由表及里、层层递进、步步设问,再从一般到特殊,利用实例问题引导学生主动思考,达到理解并掌握知识点的目的。
【教学安排】引入(3分钟):前面我们学习了随机事件的概率与古典概型,古典概型是概率论中最早、也最基础的一类概率模型。
后来,数学家们从实际问题出发,研究了很多其他概率模型。
例如(PPT)引例:将一枚质地不均匀的硬币抛掷了3次,每次出现正面的概率均为2/3, 问结果恰好出现1次正面的概率是多少?分析:记A i =“第i 次出现正面”,i=1, 2, 3B =“结果恰好出现一次正面”1。
大学概率论必背公式
4. 边缘分布律: 若随机变量 X 与 Y 的联合分布律为
则称
为(X, Y )关于 X 的边缘分布律;
称为(X, Y )关于 Y 的边缘分布律。
5. 一维离散型随机变量函数的分布律 设 X 一个随机变量,若 y=g(x)是一元单值实函数,则 Y=g(X )也是一个随机变量。
其中 g(xk )有相同的,其对应概率合并。
(i=1,…,n),则对任何事件 A,有
n
n
P(A)= P(ABi ) P(Bi )P(A | Bi )
i 1
i 1
注:全概率公式应用范围
随机试验可以看成分两阶段进行,且第一个阶段的试验结果是不确定的,我们需要求的是第
二阶段的结果发生的概率,这时候用全概率公式。
4. 贝叶斯公式: 设 B1,…, Bn 是 的一个划分,且 P(Bi ) > 0,(i=1,…,n),则对任何事件 A,有
(2). 单正态总体方差的置信区间(经管类非重点)
A. 未知
B. 已知
即得 2 和 的置信度为 1的置信区间分别为
七、假 设 检 验(略)
综上有单个正态总体的检验表:
1、 关于均值的假设检验 :
2、 关于均值 2的假设检验 :
(2)X~B(n,p)二项分布
D( X ) np(1 p)
(3)X~(或)Poisson 分布
(4)X~U(a,b)均匀分布
(5)指数分布 概率密度函数为
(6)正态分布 X ~ N(
,
2
)
6、方差的性质
7、协方差 若 r.v. X 的期望 E(X )和 Y 的期望 E(Y )存在, 则称 E{[XE(X )][YE(Y )]}为 X 与 Y 的协方差,记 为 Cov(X, Y ). 即 Cov(X, Y )=E{[XE(X )][YE(Y )]}. 常用公式 Cov(X, Y )=E(XY ) E(X )E (Y )。
贝努力大数定律
贝努利大数定律的深入研究一、定律的基本表述贝努利大数定律是概率论中的一条基本定律,它表明当一个实验进行了大量重复时,某一事件发生的频率趋近于该事件发生的概率。
换句话说,随着实验次数的增加,某一事件的相对频率趋于其相对概率。
这一原理在日常生活和科学实验中有着广泛的应用。
二、定律的数学形式贝努利大数定律的数学形式可以表述为:当一个实验进行了n 次独立重复,且每次实验中某一事件A发生的概率为p,那么对于任意的正数ε,有lim(n->∞) [|(1/n)∑(i=1->n) [xi] - p|<ε] = 1,其中xi是实验中事件A是否发生的指示变量,即如果A发生xi=1,否则xi=0。
三、定律的应用领域贝努利大数定律在许多领域都有广泛的应用,以下列举一些例子:统计和抽样:在统计学和抽样调查中,贝努利大数定律可以用来估计样本均值和总体均值的差异,以及估计样本比例和总体比例的差异。
保险业:保险业中常常需要根据历史数据来预测未来的风险,贝努利大数定律可以用来估计未来的风险和损失。
计算机科学:在计算机科学中,贝努利大数定律可以用来研究随机算法的性能和效率。
物理学:在物理学中,贝努利大数定律可以用来研究随机过程和热噪声的性质。
社会学:在社会学中,贝努利大数定律可以用来研究社会现象和人类行为的随机性和规律性。
四、定律的局限性虽然贝努利大数定律具有广泛的应用和理论意义,但也有其局限性:独立性假设:贝努利大数定律的前提假设是实验必须是独立的重复,事件之间没有相互影响。
如果实验不是独立的,或者事件之间存在相互影响,那么贝努利大数定律可能不成立。
有限性假设:贝努利大数定律需要实验次数是有限的或者至少是可数的,这意味着实验不能无限进行下去。
如果实验次数是无限的,那么贝努利大数定律的结论可能不成立。
概率的估计:贝努利大数定律需要估计事件发生的概率。
如果概率的估计不准确,那么贝努利大数定律的结论可能不成立。
数据的处理:贝努利大数定律要求数据的处理必须符合该定律的数学形式,例如计算频率和概率时要保持一致性。
贝努里概型
学 术 论 坛196科技资讯 SC I EN C E & TE C HN O LO G Y I NF O R MA T IO N贝努里家族在数学与科学上的地位正如巴赫家族在音乐领域的地位一样的显赫。
这个非凡的瑞士家族在三代时间里产生了十余位数学家和物理学家,其中有八位数学家,里面三位是杰出的,他们是雅可布、约翰、丹尼尔。
而贝努里概型就是雅可布.贝努里提出来的。
贝努里概型是一种既简单又非常重要的概型,这种概型是概率论中最早研究的模型之一,也是得到最多研究的模型之一。
在概率论中对概率分布的学习、概率的近似计算有着非常重要的作用。
它在现实生活生产中和在自然科学试验中也有着直接的应用,并在其中发挥着重要的作用,为其解决问题提供了理论支持。
而且,揭示这种简单概型的规律,对于以后研究更复杂的概型有着一定的指导意义和理论支撑。
下面我们就贝努里概型及其应用展开了解。
1 预备知识在许多概率问题中,试验中某事件A是否发生受到的关注较多。
例如,在产品调查中注意的是抽到次品还是抽到正品;在掷硬币时注意的是出现正面还是反面等,在这类问题中试验产生的结果只有两个,即 A 和 A 。
像这样只有两个可能结果的试验成为贝努里试验,投币试验就是最简单的贝努里概型。
在相同的条件下,将同一个试验独立重复进行 n 次,这种随机试验称为重贝努里试验。
现在我们来看看 n 重贝努里试验的定义。
1.1贝努里概型的定义关于 n 重贝努里概型的定义,尽管在各种教材的叙述不尽相同,但都是指满足下列条件的一系列实验:(1) n 次试验时独立的,即每次试验的结果都与其它各次试验的结果无关;(2)每次试验只有两个结果 A 和 A ,且它们出现的概率 ()P A p (01)p ()(1)P A q p q ,在每次试验中是不变的。
则称这种试验为 n 重贝努里( Bernoulli )试验,简称贝努里试验或贝努里概型。
在 n 重贝努里试验中,事件 A 恰好发生 k 次的概率为:(0,1,2,...,)k k n k n C p q k n 例1 (巴拿赫 Banach 火柴盒问题)某人随身带有两盒火柴,吸烟时从任一盒中取一根火柴,经过若干时间后,发现一盒火柴已经用完。
贝努力概型
所以:P(B) C40(0.3)0(0.7)4 0.2 C41(0.3)1(0.7)3 0.5 [C42(0.3)2(0.7)2 C43(0.3)1(0.7)3 C44(0.3)4(0.7)0]0.8
例2 从一批灯泡中,任取n只作寿命试验,而每 只灯泡的寿命结果不会影响其它灯泡的寿命结果, 故此亦为n次重复且相互独立试验。
注意到例1 与例2的试验,前者每次试验只有两个结果{H, T},而后者有无穷多结果{t | t0},本节重在讨论前一种 试验类型,即贝努利概型。
二、贝努利概型
1、定义 设试验E的结果只有两个,即A或A,且P(A) p,
i2
i 1
等价于 : 3 p3 8 p2 7 p 2 0
等价于 : ( p 1)2(3p 2) 0
所以 :
p
2 3
例巴拿赫火柴盒问题)某数学家有两盒火柴,
每盒有n根火柴,每次用火柴时他在两盒中任取
一盒并从中任取一根。试求他首次摸到空盒时另
一个盒中还有r根火柴的概率。 (1 r n)
i1
1
C
k n
pk
(1
p)nk
k 0
i
Pቤተ መጻሕፍቲ ባይዱ (A至多发生i次)
C
k n
pk
(1
p)nk
k 0
n
1
C
k n
pk
(1
p)nk
k i1
例:进行一系列独立试验,每次成功的概率
为p,求下面的概率(1)第k次才成功的概 率.(2)n次试验中恰有k次成功的概率.(3)在第 n次成功前已有k-1次成功的概率.
1_6贝努里概型
概率论的奠基人
Jacob Bernoulli 1654-1705 瑞士数学家
下页
1695年提出著名的贝努里方程
dx / dy p( x) y q( x) y
n
此外贝努里对对数螺线深有研究, 发现对数螺线经过 各种变换后, 结果还是对数螺线,在惊叹此曲线的奇妙之余, 遗言把对数螺线刻在自己的墓碑上, 并附以颂词:
En: 可看成将 E 重复了n次, 这是一个n重 贝努里试验. 设在n次试验中,A恰好出现 k 次的概率为:
k Pn ( k ) Cn p k (1 p) nk
下页
(1) 采用三局二胜制,甲最终获胜, 至少需比赛 2 局,
且最后一局必需是甲胜, 而前面甲需胜1 局.
胜局情况可能是:
“甲甲”, “乙甲甲”,
下页
三、贝努里概型应用举例
例1.有一批棉花种子,出苗率为0.67,现每穴播六粒, 求解下列问题:①至少有一粒出苗的概率;②要保证出苗率 为98% ,每穴应至少播几粒? 解:这是一个贝努里概型问题. ① 至少有一粒出苗的概率为
0 P6 (k ) 1 P6 (0) 1 C6 (0.67)0 (0.33)6 0.9987 .
Bayes公式
i 1
条件概率 P ( A | B )
P ( AB) P( B)
P ( Bi | A ) P ( Bi ) P ( A | B i )
P( B j ) P( A | B j )
j 1
n
下页
• 不确定性; 试验的每个• 可重复性. 可能的结果 基本事件 —— 不能再分解 随机事件 复合事件 —— 多于一个的基本事件构成 基本概念 必然事件 P( )=1,反之不真! 不可能事件 P( )=0, 反之不真! 样本空间 —— 所有样本点(基本事件)构成的集合 事件的关系及运算 —— 四种关系和三种运算
概率论中几种概率模型方法总结
概率论中⼏种概率模型⽅法总结概率论中⼏种概率模型⽅法总结绪论:概率论中⼏种常⽤的概率模型是古典概型、⼏何概型、贝努⾥概型.本⽂对概率论中⼏种概率模型⽅法进⾏了总结。
1 古典概型古典概型及其概率是概率论的基础知识,它既是进⼀步学习概率的基础,下⾯就⼀些典型事件的分析来说明古典概型的概率计算⽅法。
古典概型的概率计算可以分为三个步骤:确定所研究的对象为古典概型;计算样本点数;利⽤公式计算概率。
即如果随机试验只有有限个可能结果,⽽且每⼀个可能结果出现的可能性相同,那么这样的随机试验就是古典概型问题。
若设Ω是⼀个古典概型样本空间, 则对任意事件A 有: A m P ( A ) ==Q n中的样本点数中的样本点数。
在计算m 和n 时,经常使⽤排列与组合计算公式。
在确定⼀个试验的每个基本事件发⽣的可能性相同时,经常根据问题本⾝所具有的某种“对称性”,即利⽤⼈们长期积累的关于“对称性”的实际经验,认为某些基本事件发⽣的可能性没有理由偏⼤或偏⼩。
关于古典概型的数学模型如下:1.1 袋中取球问题1.1.1 随机地同时从袋中取若⼲球问题随机地同时从袋中取若⼲球问题是古典概型中的⼀类最基本问题,其特点是所考虑的事件中只涉及球的结构⽽不涉及取球的先后顺序,计算样本点数时只需考虑组合数即可。
概率中的很多问题常常可以归结为此类问题来解决。
事件1 ⼀袋中有m + n 个球,其中m 个⿊球, n 个⽩球,现随机地从袋中取出k 个球( k ≤m + n) ,求其中恰好有l 个⽩球( l ≤n)的概率。
分析:随机地从袋中取出k 个球有km+n C 种可能的结果,其中“恰好有l 个⽩球”这⼀事件包含了l k-l n mC C 种结果,因此所求概率为lk - ln m k m + n C C P =C 这个结论可以作为⼀个公式来应⽤。
⽤它可以解决⼀些类似的问题。
1.1.2 随机地从袋中不放回地取球若⼲次随机地从袋中不放回地取球若⼲次就是指随机地从袋中每次只取⼀个球,取后不再放回袋中,连续进⾏若⼲次。
管综数学基础练习11解析
一、问题求解1.考点:概率的定义难度:中解:由题意知从4本不同的科技书和2本不同的文艺书中任选3本,共有2036C,而所选的3本书中既有科技书又有文艺书的选法为)16(12242214CCCC,则所求概率为542016,故选D。
2.考点:三局两胜的意义和概率求法难度:中解:根据题意知甲获胜的方法有三种,甲赢甲赢:36.06.06.0,甲赢乙赢甲赢:144.06.04.06.0,乙赢甲赢甲赢:144.06.06.04.0,所以甲获胜的概率是0.36+0.144+0.144=0.648,故选D。
3.考点:取球问题的概率求解难度:中基础班数学周测十一解析难度:中解:因为3个红球和2个白球共5种,把它们两两组合有5×4=20种结果,其中红红组合有3×2=6个,所以任意摸出两个球均为红球的概率是 103206 ,故选C . 9.考点:概率的意义难度:中解:已知某厂的产品合格率为90%,则抽出10件产品检查,合格产品约为10×90%=9件,根据概率的意义,可得合格产品可能是9件,故选D 。
10.考点:概率的基本性质难度:易解:根据题意,甲获胜的概率是0.4,两人下成和棋的概率是0.2,所以甲不输的概率为0.4+0.2=0.6,故选A 。
二、条件充分性判断11.考点:事件间概率的运算难度:易解:由题干和所给条件知,条件(1)(2)单独都不充分,现联合可得,所求事件的概率为1-0.25-0.22=0.53,则充分,故选C 。
12.考点:对立事件的概率难度:中解:由题干及所给条件(1)和(2)知,两条件不可能同时充分,现考虑条件(1)可得这个篮球运动员投篮至少有一次投中的概率为936.05213,则充分,于是知条件(2)不充分,故选A。
13.考点:事件间的概率计算难度:中解:由于甲不输即为甲获胜或甲、乙二人下成和棋,根据题干可知,要求甲、乙二人下成和棋的概率,需要知道甲获胜的概率,再结合所给条件知(2)充分,故选B 。
5二项概型
第5讲 二项概型1、事件在n 次独立重复试验中恰好发生k 次的概率:如果事件A 在一次试验中发生的概率为P ,那么,在n 次独立重复试验中,事件A 恰好发生k 次的概率为:kn kkn n )p 1(P C )k (P −−=。
说明:(1)独立重复试验又叫做贝努力试验。
是在同样的条件下重复的,各次之间相互独立地进行的一种试验,在这种试验中,每一次的试验结果只有两种,即某事件要么发生,要么不发生,并且任何一次试验中发生的概率都是一样的。
(2)kn kkn n )p 1(P C )k (P −−=正好是二项式[(1 - P) + P]n 的展开式的第k + 1项,很自然联想到二项式定理,因此这个概率也叫二项概型。
(3)n 次独立重复试验常见实例: ①反复抛掷一枚均匀硬币; ②已知产品率的抽样; ③有放回的抽样;④射手射击目标命中率已知的若干次射击。
例1、独立射击8次,每次击中的概率是0.7,则射中5次的概率为( )A. 0.625B. 55380.70.3C × C. 53580.70.3C × D. 530.70.3×例2、一射击选手平均每射击10次中靶4次,求在5次射击中:(1)恰击中1次的概率; (2)第二次击中的概率; (3)恰击中2次的概率;(4)第二、三两次击中的概率; (5)至少击中1次的概率。
例3、某人抛掷一枚硬币,出现正反的概率都是12,构造数列{}n a ,使得 1()1()n n a n ⎧=⎨−⎩当第次出现正面时当第次出现反面时 记*12()n n S a a a n N =++⋅⋅⋅+∈ (1)、求 42S =的概率;(2)、求:前两次均出现正面,且 624S ≤≤的概率。
例4、甲、乙两个篮球运动员互不影响地在同一位置投球,命中率分别为21与p ,且乙投球2次均未命中的概率为161. (Ⅰ)求乙投球的命中率p ;(Ⅱ)若甲投球1次,乙投球2次,两人共命中的次数记为ξ,求ξ的取值集合及各取值的概率.拓展:1、离散型随机变量的分布列 (1)定义用离散型随机变量X 与这一变量所对应概率()P X 的“二维表”表示离散型随机变量X 的所有可能取值和每一个取值的发生概率P :X 1x 2x L i x L n x P1p2pLi pLnp这个表称为离散型随机变量X 的概率分布,或称为离散型随机变量X 的分布列。
- 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)。
(3) 从10件产品中任取一件,取后放回,然后再取,共进行n次。
下页
二、二项概率公式
设在一次试验中,事件A发生的概率为p,即P(A)=p,那么,
在n次重复试验中事件A出现k(0≤ k≤n)次的概率Pn(k)是多少?
设Ai={A在第i次试验中发生} (1≤ i≤n),由于n次试验是相 互独立的,所以A1,A2,…,An是相互独立的,且 P(Ai)=p, (1≤ i≤n) 显然,P
k k n
n k
P(在第n次成功前已有k 1次成功) C
k 1 n 1
p (1 p)
k 1
nk
p
例:假设每个飞机引擎在飞行中出故障的概率为1-p,而且各 引擎是否出故障是相互独立的,如果有至少50%的引擎能正 常运行,飞机能成功地飞行,问对于多大的p而言4引擎飞机 比2引擎飞机更为可取的. 解:设A 表示4引擎飞机能正常运行;B表示2引擎飞机能正常 运行;则由贝努利概型知:
A A A A
1 2 k
k n k A p ( 1 p ) k 1 n
即事件A在指定的k次试验中出现,且在其余的(n-k)次试验 中不出现的概率为 pk (1-p) n-k。而这种指定方式共有Cnk 种,且
它们中的任意两种互不相容,因此,
Pn(k)= Cnk pk (1-p) n-k,k=0,1,2,…, n .
§1、6 贝努利概型
一、试验的相互独立性
二、贝努利概型
一、试验的相互独立性
定义 若在同样条件下,将试验E重复进行n次,若各次试 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,则称这n次试验是相互独立的。 例1 在同样条件下,抛掷一均匀硬币n次,易见每次投 掷的结果,即不管出现“正面”或“反面”,均不会影 响其它各次投掷结果,即此为n次重复且相互独立试验。
P( A ) C p (1 p)
i 2 i 4 i
4
4 i
P( B) C p (1 p)
i 1 i 2保险, 只要 :
C
i 2
i 4
p (1 p)
i
4 i
C p (1 p)
i 1 i 2 i
2 i
等价于 : 3 p 8 p 7 p 2 0
一、贝努里概型的定义
若试验E具备以下特征:
1) 在相同的条件下可以进行n次重复试验;
2) 每次试验只有两种可能的结果,A发生或A不发生; 3) 在每次试验中,A发生的概率均一样,即P(A)=p; 4) 各次试验的结果是相互独立的。 则称这种试验为n重贝努里试验,或n重贝努里概型。 例如: (1) 一枚硬币抛 n 次;
下页
一、贝努里概型:
重复地进行n次独立试验,各次试验条件相同.每次 试验成功的概率都是 p,失败的概率都是 q=1-p. 这样的n次独立重复试验称作n重贝努里试验, 简称贝努里试验或贝努里概型.
3 2
等价于 : ( p 1) (3 p 2) 0
2
所以 : p 2
3
例巴拿赫火柴盒问题)某数学家有两盒火柴, 每盒有n根火柴,每次用火柴时他在两盒中任取 一盒并从中任取一根。试求他首次摸到空盒时另 一个盒中还有r根火柴的概率。 (1 r n)
解:假设两盒火柴分别为甲盒,乙盒。将拿火柴盒作为 一次试验,每次试验只有两个结果,或者拿到甲盒,或 者拿到乙盒,而且每次试验是相互独立的。所以本题是 贝努利概型。 假设他首次摸到的空盒为甲盒时。这时共用2n-r根火柴, 共拿火柴盒2n-r+1次。也就是做2n-r+1次试验,第2nr+1次拿的是甲盒,前2n-r次试验拿甲盒n次,每次都从 甲盒中拿了一根火柴。
例2 从一批灯泡中,任取n只作寿命试验,而每 只灯泡的寿命结果不会影响其它灯泡的寿命结果, 故此亦为n次重复且相互独立试验。
注意到例1 与例2的试验,前者每次试验只有两个结果{H, T},而后者有无穷多结果{t | t0},本节重在讨论前一种 试验类型,即贝努利概型。
P(n次试验中恰好成功k次) C p (1 p) ,(k 0,1,2 n)
随机事件A={首次摸到空盒为甲盒时乙盒中还有r根火柴}, 随机事件B={首次摸到空盒时另一盒中还有r根火柴},则
P( A) C
n 2nr
1 n 1 nr 1 ( ) ( ) 2 2 2
同理,可得他首次摸到的空盒为乙盒时甲盒还有r根火 柴的概率,所以:
P( B) 2C
n 2nr
1 n 1 nr 1 1 2 n r n ( ) ( ) C2 n r ( ) 2 2 2 2