概率论与数理统计：1.5条 件 概 率
概率论与数理统计目录
概率论与数理统计目录一、随机事件及其概率1.1 随机事件的基本概念定义与分类事件的运算1.2 概率的定义与性质概率的公理化定义概率的基本性质1.3 古典概型与几何概型古典概型的计算几何概型的计算1.4 条件概率与独立性条件概率事件的独立性1.5 全概率公式与贝叶斯公式全概率公式贝叶斯公式及其应用二、随机变量及其分布2.1 随机变量的概念随机变量的定义随机变量的分类2.2 离散型随机变量及其分布常见的离散型分布分布律与分布函数2.3 连续型随机变量及其分布常见的连续型分布概率密度函数与分布函数2.4 随机变量函数的分布离散型随机变量函数的分布连续型随机变量函数的分布三、多维随机变量及其分布3.1 多维随机变量的概念联合分布函数边缘分布3.2 多维离散型随机变量联合分布律边缘分布律3.3 多维连续型随机变量联合概率密度函数边缘概率密度函数3.4 条件分布离散型条件分布连续型条件分布3.5 随机变量的独立性独立性的定义独立性的判定与性质四、数字特征4.1 数学期望数学期望的定义与性质数学期望的计算4.2 方差方差的定义与性质方差的计算4.3 协方差与相关系数协方差的定义与性质相关系数的定义与性质4.4 矩与协矩阵矩的定义与计算协矩阵的定义与计算五、大数定律与中心极限定理5.1 大数定律切比雪夫大数定律伯努利大数定律5.2 中心极限定理林德贝格-莱维中心极限定理德莫佛尔-拉普拉斯中心极限定理六、数理统计的基本概念6.1 总体与样本总体的定义与性质样本的定义与性质6.2 统计量与抽样分布统计量的定义与性质常见的抽样分布七、参数估计与假设检验7.1 参数估计点估计区间估计7.2 假设检验假设检验的基本概念单侧检验与双侧检验正态总体的假设检验八、回归分析与方差分析8.1 回归分析一元线性回归多元线性回归回归模型的检验与预测8.2 方差分析单因素方差分析双因素方差分析方差分析的应用。
概率论与数理统计课件1.5
有三个箱子，分别编号为1,2,3，1号箱装有1个红 球4个白球，2号箱装有2红球3白球，3号箱装有3红 球. 某人从三箱中任取一箱，从中任意摸出一球， 发现是红球,求该球是取自1号箱的概率 .
?
1红4白
12 3
某人从任一箱中任意摸出一球，
?
发现是红球，求该球是取自1号
箱的概率.
1红4白
记 Ai={球取自i号箱}, i=1,2,3; B ={取得红球}
S( AB) S( ) S( A) S( )
P( AB) . P( A)
在古典概型和几何概型这两类等可能概率模型 中总有
P(B A) P( AB) . P( A)
条件概率的定义
设A、B是某随机试验中的两个事件，且 P A 0
称 P (B | A ) = —P —(A—B )
解 记 Ai={球取自i号箱}, i=1,2,3;
B ={取得红球}
12 3
其中 A1、A2、A3两两互斥 B发生总是伴随着A1，A2，A3 之一同时发生，
即 B= A1B+A2B+A3B，
且 A1B、A2B、A3B 两两互斥
运用加法公式得到
对求和中的每 一项运用乘法 公式得
P(B)=P( A1B)+P(A2B)+P(A3B)
多个事件的乘法公式
设 A1， A2， ， An 为n个随机事件，且
PA1 A2 An1 0
则有
PA1 A2 An PA1 PA2 A1 PA3 A1 A2 P An A1 A2 An1
这就是n个事件的乘法公式．
例 3 乘法公式应用举例 （波里亚罐子模型）
AB Ω
概率论与数理统计复习笔记
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 = B A B A =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PA,称为事件A 的概率.1非负性 PA ≥0 ; 2归一性或规范性 PS=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,…,PA 1∪A 2∪…=P A 1+PA 2+…2.性质1 P = 0 , 注意: A 为不可能事件2有限可加性对于n个两两互不相容的事件A1,A2,…,An,PA1∪A2∪…∪An=PA1+PA2+…+PAn有限可加性与可列可加性合称加法定理3若A B, 则PA≤PB, PB-A=PB-PA .4对于任一事件A, PA≤1, PA=1-PA .5广义加法定理对于任意二事件A,B ,PA∪B=PA+PB-PAB .对于任意n个事件A1,A2,…,An…+-1n-1PA1A2…An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={e1,e2,…,en};2每一个基本事件的概率相等,即Pe1=Pe2=…= Pen.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 PA=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PB|A=PAB / PA PA>0.2.乘法定理 PAB=PA P B|A PA>0; PAB=PB P A|B PB>0.PA 1A 2…A n =PA 1PA 2|A 1PA 3|A 1A 2…PA n |A 1A 2…A n-1 n ≥2, PA 1A 2…A n-1 > 03. 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PB i >0时,有全概率公式 PA=()()i ni i B A P B P ∑=1当PA>0, PB 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PAB = PA PB 时,称A,B 为相互独立的事件.1两个事件A,B 相互独立 PB= 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PAB =PA PB, PAC= PA PC, PBC= PB PC,称A,B,C 三事件两两相互独立. 若再满足PABC =PA PB PC,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 2121=,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Fx=P{X ≤x} , x 是任意实数. 其性质为:10≤Fx≤1 ,F -∞=0,F∞=1. 2Fx 单调不减,即若x 1<x 2 ,则 Fx 1≤Fx 2.3Fx 右连续,即Fx+0=Fx. 4P{x 1<X≤x 2}=Fx 2-Fx 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 Fx=∑≤xX k k P 为阶梯函数,它在x=x kk=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1X~0-1分布 P{X=1}= p ,P{X=0}=1–p 0<p<1 .2X~bn,p 参数为n,p 的二项分布P{X=k}=()kn k p p k n --⎪⎪⎭⎫ ⎝⎛1k=0,1,2,…,n 0<p<1 3X~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Fx 可以表示成某一非负函数fx 的积分Fx=()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 fx ≥0 ; 2归一性 ⎰∞∞-dx x f )(=1 ;3 P{x 1<X ≤x 2}=⎰21)(xx 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1X ～U a,b 区间a,b 上的均匀分布⎩⎨⎧=-0)(1a b x f其它b x a << . 2X 服从参数为的指数分布.()⎩⎨⎧=-0/1θθx ex f 00≤>x x 若若 >0.3X~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-Φx .若X ～N ,2, 则Z=σμ-X ~N 0,1, P{x 1<X ≤x 2}=Φσμ-2x-Φσμ-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gx k k=1,2,…的值全不相等,则由上表立得Y=gX 的分布律.若gx 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=gX 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=gX 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{gX ≤y}=()()dx x f ky Xk∑⎰∆其中Δk y 是与gX ≤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gx 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()()()()⎩⎨⎧'=yhyhfyf XY其它βα<<y其中hy是gx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Fx,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1Fx,y分别关于x和y单调不减.20≤Fx,y≤1 , Fx,- =0, F-,y=0, F-,-=0, F,=1 .3 Fx,y关于每个变量都是右连续的,即 Fx+0,y= Fx,y, Fx,y+0= Fx,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}= Fx 2,y 2- Fx 2,y 1- Fx 1,y 2+ Fx 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 jijp 1 .3. X,Y 的X 和Y 的联合分布函数Fx,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Fx,y=⎰⎰∞-∞-y xdudv v u f ),(则称X,Y 为二维连续型随机变量,称fx,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 ,y2.二维离散型随机变量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·jj =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Fx,y= FX x FYy ,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 xf 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=yj}>0,则称P{X=xi |Y=yj}为在Y= yj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=xi}>0,则称P{Y=yj |X=xi}为在X=xi 条件下随机变量Y 的条件分布律.,}{},{jj ijjippyYPyYxXP•=====,}{},{•=====ij iijippxXPyYxXP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EX∑∞=1i i i p x 级数绝对收敛⎰∞∞-dx x xf )(积分绝对收敛方差DX=E{X-EX 2}[]∑-∞=12)(i i i p X E x ⎰-∞∞-dx x f X E x )()]([2=EX 2-EX 2 级数绝对收敛 积分绝对收敛函数数学期望EY=EgXi 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=√DX .二.数学期望与方差的性质1. c 为为任意常数时, Ec = c , EcX = cEX , Dc = 0 , D cX = c 2 DX .,Y为任意随机变量时, E X±Y=EX±EY .3. X与Y相互独立时, EXY=EXEY , DX±Y=DX+DY .4. DX = 0 P{X = C}=1 ,C为常数.三.六种重要分布的数学期望和方差 EX DX~ 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 ~~ Ua,b a+b/2 b-a 2/12服从参数为的指数分布2~ N ,22四.矩的概念随机变量X的k阶原点矩EX k k=1,2,…随机变量X 的k 阶中心矩E{X-EX k}随机变量X 和Y 的k+l 阶混合矩EX k Y l l=1,2,…随机变量X 和Y 的k+l 阶混合中心矩E{X-EX k Y-EY 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 i X 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∑-==n i ki k X X n B 1)(1k=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 = EX , D X = DX / n .特别,若X~ N ,2 ,则 X ~ N , 2 /n .分布 1定义 若X ～N 0,1,则Y =∑=ni i X 12~ 2n 自由度为n 的2分布.2性质 ①若Y~ 2n,则EY = n , DY = 2n .②若Y 1~ 2n 1 Y 2~ 2n 2 ,则Y 1+Y 2~ 2n 1 + n 2.③若X~ N ,2 , 则22)1(σS n -~ 2n-1,且X 与S 2相互独立.3分位点 若Y~ 2n,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~tn 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 12Y~ 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 w3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~2n 1, V~ 2n 2, 且U,V 相互独立,则F =21n V n U ~Fn 1,n 2自由度为n 1,n 2的F 分布.2性质条件同3.2③22212221σσS S ~Fn 1-1,n 2-13分位点 若F~ Fn 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 θθθμμθθθμμθθθμμ 解此方程组,得到⎪⎩⎪⎨⎧===),,,(),,,(),,,(2121222111kk k k k μμμθθμμμθθμμμθθ ,以样本矩A l 取代总体矩 ll=1,2,…,k 得到矩估计量⎪⎪⎩⎪⎪⎨⎧===∧∧∧),,,(),,,(),,,(2121222111k k k k k A A A A A A A A A θθθθθθ,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px, 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),,,,(),,,(θθθθθθ 为似然函数.取使似然函数达到最大值的∧∧∧k θθθ,,,21 ,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 = EX , ES 2=DX, EA k =k =EX 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EX,方差DX,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=WX 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 nX σμ-~N 0,1 2/ασz n X ±2未知 nS X μ-~ t n-1 )1((2/-±n t n S X α 2未知22)1(σS n -~ 2n-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,σσ22212121)(n n Y X σσμμ+--- ~ N0,1 )(2221212n n z Y Xσσα+±-未知22221σσσ==212111)(n n S Y X w +---μμ～tn 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 2③.2 1, 2未知, W=22212221σσS S ~ Fn 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1-5
例5 甲盒装有 1 个白球 2 个黑球 ,乙盒装有 3 个白
球 2 个黑球 ,丙盒装有 4 个白球 1 个黑球 . 采取掷一骰
子决定选盒 ,出现 1、 或 3 点选甲盒 , 4 、点选乙盒 , 2 5
6 点选丙盒 ,在选出的盒里随机摸出一个球 ,经过秘
密选盒摸球后 ,宣布摸得一个白球 ,求此球来自乙
B3
B1
A B4
B5
B6 B8
诸Bi是原因 A是结果
B2
B7
1.5.2 贝叶斯公式 再看一个例子: 某人从任一箱中任意摸 出一球，发现是红球,求该球 1红4白 是取自1号箱的概率. 或者问: 1 该球取自哪号箱的可能性 最大?
2
3
这一类问题是“已知结果求原因”. 在实际中 更为常见，它所求的是条件概率，是已知某结果 发生条件下，探求各原因发生可能性大小.
(i=1,2,...,n), 则
P( Bi | A) P( A | Bi ) P( Bi )
n
, i 1, 2,.n. (1 12)
j
P( A | B ) P( B )
j j 1
(1-12)式称为贝叶斯（Bayes）公式. 该公式于1763年由贝叶斯给出. 它是在观察到 事件A已发生的条件下，寻找导致A发生的每个原因 的概率.Fra bibliotek一个发生.
定理1.5.1 设试验E的样本空间为Ω, A为E的事件,
B1,B2,...,Bn为Ω的一个划分, 且P(Bi)>0(i=1,2,...,n),
则
P ( A) P ( A | B1 ) P ( B1 ) P ( A | B2 ) P( B2 ) P ( A | Bn ) P ( Bn ) P( A | B j ) P( B j )
吴赣昌第五版经管类概率论与数理统计课后习题完整版
随机事件及其概率1.1 随机事件习题1试说明随机试验应具有的三个特点．习题2将一枚均匀的硬币抛两次，事件A，B，C分别表示“第一次出现正面”，“两次出现同一面”，“至少有一次出现正面”，试写出样本空间及事件A，B，C中的样本点.现习题91.2 随机事件的概率1.3 古典概型现习题3现习题4现习题5 现习题6现习题7现习题8现习题9现习题101.4 条件概率习题3空现习题41.5 事件的独立性现习题6现习题7现习题8总习题1习题3. 证明下列等式：习题4.现习题5习题6.习题7 习题8习题9 习题10习题11 现习题12习题14 习题15习题17习题19 习题20习题21 习题22现习题23现习题24第二章随机变量及其分布2.1 随机变量习题1随机变量的特征是什么？解答：①随机变量是定义在样本空间上的一个实值函数.②随机变量的取值是随机的，事先或试验前不知道取哪个值.③随机变量取特定值的概率大小是确定的.习题2试述随机变量的分类.解答：①若随机变量X的所有可能取值能够一一列举出来，则称X为离散型随机变量；否则称为非离散型随机变量.②若X的可能值不能一一列出，但可在一段连续区间上取值，则称X为连续型随机变量.习题3盒中装有大小相同的球10个，编号为0,1,2,⋯,9, 从中任取1个，观察是“小于5”，“等于5”，“大于5”的情况，试定义一个随机变量来表达上述随机试验结果，并写出该随机变量取每一个特定值的概率.2.2 离散型随机变量及其概率分布习题1设随机变量X服从参数为λ的泊松分布，且P{X=1}=P{X=2},求λ.习题2设随机变量X的分布律为 P{X=k}=k15,k=1,2,3,4,5,试求(1)P{12<X<52; (2)P{1≤X≤3}; (3)P{X>3}.习题3一袋中装有5只球，编号为1,2,3,4,5.在袋中同时取3只，以X表示取出的3只球中的最大，写出随机变量X的分布律.习题4(空)习题5某加油站替出租车公司代营出租汽车业务，每出租一辆汽车，可从出租公司得到3元.因代营业务，每天加油站要多付给职工服务费60元，设每天出租汽车数X是一个随机变量，它的概率分布如下：X 10 20 30 40pi 0.15 0.25 0.45 0.15求因代营业务得到的收入大于当天的额外支出费用的概率.习题6设自动生产线在调整以后出现废品的概率为p=0.1, 当生产过程中出现废品时立即进行调整，X代表在两次调整之间生产的合格品数，试求：(1)X的概率分布；(2)P{X≥5};(3)在两次调整之间能以0.6的概率保证生产的合格品数不少于多少?习题7设某运动员投篮命中的概率为0.6,求他一次投篮时，投篮命中的概率分布.习题8某种产品共10件，其中有3件次品，现从中任取3件，求取出的3件产品中次品的概率分布.习题9一批产品共10件，其中有7件正品，3件次品，每次从这批产品中任取一件，取出的产品仍放回去，求直至取到正品为止所需次数X的概率分布.习题10纺织厂女工照顾800个纺绽，每一纺锭在某一段时间τ断头的概率为0.005,在τ这段时间断头次数不大于2的概率.习题11设书籍上每页的印刷错误的个数X服从泊松分布，经统计发现在某本书上，有一个印刷错误与有两个印刷错误的页数相同，求任意检验4页，每页上都没有印刷错误的概率.2.3 随机变量的分布函数习题1.解答：离散.由于F(x)是一个阶梯函数，故知X是一个离散型随机变量.习题2习题3已知离散型随机变量X的概率分布为P{X=1}=0.3,P{X=3}=0.5,P{X=5}=0.2,试写出X的分布函数F(x)，并画出图形.习题4习题5习题6在区间[0,a]上任意投掷一个质点，以X表示这个质点的坐标.设这个质点落在[0,a]中任意小区间的概率与这个小区间的长度成正比例，试求X的分布函数.2.4 连续型随机变量及其概率密度习题1习题2习题3习题4习题5设一个汽车站上，某路公共汽车每5分钟有一辆车到达，设乘客在5分钟任一时间到达是等可能的，试计算在车站候车的10位乘客中只有1位等待时间超过4分钟的概率.习题6习题7 (空) 习题8习题9习题10习题112.5 随机变量函数的分布习题1习题2习题3习题4习题5习题6总习题二1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、第三章多维随机变量及其分布3.1 二维随机变量及其分布1、2、⑴⑵⑶3、⑴⑵⑶5、6、8、9、。
概率论与数理统计1.5.1全概率公式
全概率公式
目录
CONTENTS
全概率公式
三大公式 引例 全概率公式 例题 小结
河北农业大学理学院
三大公式
三大公式
乘法公式
全概率 公式
贝叶斯 公式
河北农业大学理学院
引例
为了解一只股票未来一定时期内的价格 变化，往往会分析影响股票价格的基本因素， 如利率变化。
利率下调的概率60% 股票价格上涨概率80%
全概率 公式
A1
B
A2
A5
全概率公式的意义在于将一个复
A4 杂事件的概率分解为在不同情况或不
A3 同原因下简单事件的概率之和
n 2, PB P A PB A P A PB A
河北农业大学理学院
例题
例1 股票上涨概率
例2 某电子设备制造厂所使用的元件是由三家元
B 件制造厂提下价格上涨概率30%
求该只股票上涨的概率。
下调
上涨 80%
上涨 30%
不变
河北农业大学理学院
全概率公式
定理 设事件 A1, A2 , , An ,
是样本空间的一个划分，且 P Ai 0, i 1, 2,
则对任意事件B，有
P(B) P( Ai ) P(B | Ai ) i 1
敏感问题调查 1965年Stanley L.Warner发明了 “随机 化应答”方法。
问题一：你的学号尾数是奇数吗？ 问题二：你在本次考试中是否舞弊？ 1
河北农业大学理学院
小结
注意
事件发生受多个条件影响 找到样本空间的划分
河北农业大学理学院
A 80% 元件制A 造不变厂
1
次品率 0.02
提供原件份额 0.15
概率论与数理统计
A
3）在应用上，那些不便直接求某一事件的概 B2
率时，先找到一个合适的划分，再用全概率公式计算
ቤተ መጻሕፍቲ ባይዱ
7/21
§1.5 条件概率
2．贝叶斯(Bayes)公式 (计算后验概率问题)
事件A的发生，iff构成S划分的事件B1，B2，…，Bn中的一个发生时才发 生，一般在实验之前仅知道Bi的先验概率，那么如果试验后事件A已经发 生了，Bi发生的概率又是多少呢？这种问题我们称他为后验概率问题，有 利于我们查找事件发生的原因。解决此类问题可采用贝叶斯(Bayes)公式
在实际应用 中，对于事 件的独立性 常常根据事 件的实际意 义来判断，
注意：仅满足前三个等式的三个事件称为两两相互独立 见习题33 如果两个事
当然，如果事件A，B，C相互独立
件关联很弱 也可以看作
则 A, B,C; A, B,C; ... ; A, B,C 也相互独立
是独立的。
推广到多个事件
由定义可以得到以下两点推论： 1.若事件A1, A2, … , An相互独立，n2，则其中任意k(2kn)个事件也是相互独立 的。 2.若n个事件A1, A2, … , An(n2)相互独立，则将A1, A2, … , An中任意多个事件换13/成21 他们的对立事件，所得的n个事件仍相互独立
§1.6 独立性
对样本空间适当分解的思想，有利于解决稍微复杂一点的概率问题
首先看一下关于划分的概念
定义：设S为试验E的样本空间，B1，B2，…，Bn为E的一组事件。若
(i) BiBj=Φ，i≠j，i，j＝1，2，…，n； (ii) B1∪B2∪…∪Bn=S 则称B1，B2，…，Bn为S的一个划分。
※每次试验，事件B1，B2，…，Bn中有且仅有一个发生
概率论与数理统计浙大第四版
不可能事件——不包含任何样本点的事件, 记为 ,每次试验必定不发生的事件.
事件的关系和运算 文氏图 ( Venn diagram )
A
随机事件的关系和运算 雷同集合的关系和运算
1. 事件的包含
A B —— A 包含于B
事件 A 发生必 导致事件 B 发生
非负性： A , P( A) 0
归一性： P( ) 1
可列可加性：P
i 1
Ai
P ( Ai )
i 1
其中 A1, A2 , 为两两互斥事件，
概率的性质
P() 0
有限可加性: 设 A1,A2,An 两两互斥
P
n i1
Ai
n i1
P(Ai )
P(A)1P(A) P(A)1
解 P(AB) P(A)P(B)P(AB)
P(AB) P(A) P(B) P(AB)
P(A)P(B)10.3 —— 最小值
最小值在 P( A B) 1 时取得
P( A B) P( A) 0.6 —— 最大值
最大值在 P(AB) P(B) 时取得
§1.4 古典概型
概率的 设 随机试验E 具有下列特点： 古典定义 基本事件的个数有限
（2） nB C31C122C150C55
P( A) 25 91
P(B) 6 91
例2 把标有 1,2,3,4 的 4 个球随机地放入 标有1,2,3,4 的 4 个盒子中，每盒放一球， 求有至少有一个盒子的号码与放入的球 的号码一致的概率。
解 n A44 4!
设 Ai 表示 i 号球入 i 号盒， i = 1,2,3,4
§1.1 随机事件
概率论与数理统计ppt课件(完整版)
( 1)
n 1
例4. 设P(A)=p, P(B)=q, P(AB)=r, 用p, q, r表示下列 事件的概率:
(1) P ( A B ); (2) P ( A B); (3) P ( A B); (4)P( A B ).
28
§5. 条件概率
(一)条件概率: 设试验E的样本空间为S, A, B是事件, 要考虑 在A已经发生的条件下B发生的概率, 这就是条件概 率问题.
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.
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=
(一) 频率 1. 在相同的条件下, 共进行了n次试验,事件A发生的次 数nA, 称为A的频数, nA/n称为事件A发生的频率, 记为 fn(A).
2. 频率的基本性质： (1) 0 f（ 1； （非负性） n A） (2) f n ( S ) 1; （规范性） （3）若A1，A 2， , Ak 两两互不相容 ,则 f n ( A1 A2 Ak ) f n ( A1 ) f n ( A2 ) f n ( Ak ).(有限可加性）
概率论1.5
即0.996n＝0.01 lg 0.01 故n = ≈ 1150 lg 0.996
= 1 − 0.996n ＝0.99
例3 甲、乙、丙3部机床独立工作，由一个工人照管， 某段时间内它们不需要工人照管的概率分别为0.9， 0.8及0.85。求在这段时间内有机床需要工人照管的概 率以及机床因无人照管而停工的概率。 解：用A、B、C分别表示在这段时间内机床甲、乙、 丙不需要照管。 则A、B、C相互独立，且 P(A)=0.9 P(B)=0.8 P(C)=0.85 P( A + B + C) = P( ABC) = 1 − P( ABC) = 1 − P( A )P( B)P(C) = 1 − 0.9 × 0.8 × 0.85 = 0.388
(2)若事件A与B独立，则A与B， A与B， A与B中的 每一对事件都相互独立。 证： P( AB) = P( A − AB)
= P( A) − P( AB) =P(A)-P(A)P(B)
=P(A)(1-P(B))
= P( A)P(B)
由(1)可知，A与B独立。
类似可证其它两对事件独立。
(3)若事件A1,A2,…,An相互独立，则有 P(A1…An)=P(A1)…P(An) 证：P(A1…An)＝P(A1)P(A2|A1)…P(An|A1…An-1) 而P(A2|A1)=P(A2),…,P(An|A1…An-1)=P(An) 故P(A1…An)＝P(A1)P(A2)…P(An)
在实际应用中,往往根据问题的实际意义 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. 去判断两事件是否独立 例如 甲命中}, 甲、乙两人向同一目标射击，记 A={甲命中 乙两人向同一目标射击， 甲命中 B={乙命中 ，A与B是否独立？ 乙命中}， 与 是否独立 是否独立？ 乙命中 由于“甲命中”并不影响“乙命中” 由于“甲命中”并不影响“乙命中”的 概率，故认为A 独立 概率，故认为 、B独立 . （即一事件发生与否并不影响另一事件发生 的概率） 的概率）
概率论与数理统计条件概率
C72 2 C10 1 2 C3 2 1 2 C10
《概率统计》 返回 下页 结束
例3.设某种动物由出生而活到20岁的概率为0.8，活到25岁的概率 为0.4，求现龄为20岁的这种动物活到25岁的概率？ 解: 设A={活到20岁}，B={活到25岁} 则所求概率为 P ( B | A) 由于 A
(2)如果 A、B 相互独立,则 A 与 B，A 与 B ， A 与 B 也相互独立。
AB，所以有 证明: 因为A B=B－AB，且 B
P( AB) P(B AB) P(B) P( AB)
P( B) P( A) P( B)
P(B)[1 P( A)] P( A)P(B) ,
解: P(A∪B)=P(A)+ P(B)-P(AB) =P(A)+P(B)-P(A)P(B|A)=0.7。
《概率统计》
返回
下页
结束
例5.100个零件中有10次品，每次任取一件，取后不放回。 (1)连取两次，求两次都取得正品的概率； (2)连取三次，求第三次才取得正品的概率。
解：设Ai={第i次取得正品}，i=1，2，3。
结束
二、多个事件的独立性
(1) 3个事件相互独立的定义
三个事件A、B、C，如果满足下面四个等式
P( AB) P( A) P( B) P( AC) P( A) P(C ) PBC P( B) P(C ) P( ABC) P( A) P( B) P(C )
解：设A＝{取出1个玻璃球}，B＝{取出1个红球}． (1)P(A)=10/20=1/2
(2)P(B|A)=6/10
问题：条件概率P(B|A)与普通概率有何关系？
P ( B | A)
(完整版)概率论与数理统计知识点总结(免费超详细版)
《概率论与数理统计》第一章 概率论的基本概念§2．样本空间、随机事件1．事件间的关系 B A ⊂则称事件B 包含事件A ，指事件A 发生必然导致事件B 发生B }x x x { ∈∈=⋃或A B A 称为事件A 与事件B 的和事件，指当且仅当A ，B 中至少有一个发生时，事件B A ⋃发生B }x x x { ∈∈=⋂且A B A 称为事件A 与事件B 的积事件，指当A ，B 同时发生时，事件B A ⋂发生B }x x x { ∉∈=且—A B A 称为事件A 与事件B 的差事件，指当且仅当A 发生、B 不发生时，事件B A —发生φ=⋂B A ，则称事件A 与B 是互不相容的，或互斥的，指事件A 与事件B 不能同时发生，基本事件是两两互不相容的且S =⋃B A φ=⋂B A ，则称事件A 与事件B 互为逆事件，又称事件A 与事件B 互为对立事件2．运算规则 交换律A B B A A B B A ⋂=⋂⋃=⋃结合律)()( )()(C B A C B A C B A C B A ⋂=⋂⋃⋃=⋃⋃ 分配律 )()B (C A A C B A ⋃⋂⋃=⋂⋃）（ ))(()( C A B A C B A ⋂⋂=⋃⋂ 徳摩根律B A B A A B A ⋃=⋂⋂=⋃ B —§3．频率与概率定义 在相同的条件下，进行了n 次试验，在这n 次试验中，事件A 发生的次数A n 称为事件A 发生的频数，比值n n A 称为事件A 发生的频率概率：设E 是随机试验，S 是它的样本空间，对于E 的每一事件A 赋予一个实数，记为P （A ），称为事件的概率 1．概率)(A P 满足下列条件：（1）非负性：对于每一个事件A 1)(0≤≤A P （2）规范性：对于必然事件S 1)S (=P（3）可列可加性：设n A A A ,,,21 是两两互不相容的事件，有∑===nk kn k kA P A P 11)()( （n 可以取∞）2．概率的一些重要性质： （i ） 0)(=φP（ii ）若n A A A ,,,21 是两两互不相容的事件，则有∑===nk kn k kA P A P 11)()(（n 可以取∞）（iii ）设A ，B 是两个事件若B A ⊂，则)()()(A P B P A B P -=-，)A ()B (P P ≥ （iv ）对于任意事件A ，1)(≤A P（v ）)(1)(A P A P -= （逆事件的概率）（vi ）对于任意事件A ，B 有)()()()(AB P B P A P B A P -+=⋃§4等可能概型（古典概型）等可能概型：试验的样本空间只包含有限个元素，试验中每个事件发生的可能性相同 若事件A包含k个基本事件，即}{}{}{2]1k i i i e e e A =，里个不同的数，则有中某，是，，k k n 2,1i i i ,21 ()中基本事件的总数包含的基本事件数S }{)(1j A n k e P A P kj i ===∑= §5．条件概率（1） 定义：设A,B 是两个事件，且0)(>A P ，称)()()|(A P AB P A B P =为事件A 发生的条件下事件B 发生的条件概率（2） 条件概率符合概率定义中的三个条件1。
概率论与数理统计
主讲：
第一章 随机事件及其概率
1.1 随机事件及其运算 1.2 随机事件的概率及性质 1.3 概率的计算 1.4 事件的独立性 1.5 独立事件概型
1.1.1 随机事件
手拿一枚硬币，松开手，硬币向下落。 结果唯一
种瓜得瓜，种豆得豆。
太阳每天从东方升起。
确定性现象
概率统计的 硬币落下时哪一面向上？
4040 验
10000
次 数
12000 不
24000
断 增
30000 大
正面出现的频数 1061 2048 4979 6019 12012 14994
频率 0.5181频 0.5069率稳 0.4979定 0.5016在 0.5005附 0.4998近
0.5
频率的特点
（1）波动性 （2）稳定性
当试验次数n增大时，(A) 逐渐趋向一个稳定 值。可将此稳定值记作P(A)，作为事件A的 概率。称为统计概率。
问题二：既然取到白粉笔的概率是确定的值，如何在白粉笔数 量确定但未知的情况下计算？
1.2.1 概率的统计定义
定义 设随机事件A在n次重复试验中发生了m次，则称比值m/n为 随机事件A在n次重复试验中发生的频率，记做 ( A) ，即
频率的性质：
( A) m
n
（1）对如何事件A，0 (A) 1;
A63
0.4762
A3 {从中有放回地连取三件都是正品}
P( A3)
63 103
0.216
思考 A1, A2 的概率相等是否巧合？
1.2.2 概率的古典定义
例2.3的推广
一批产品共N件,其中M件次品,N-M件正品,从中取出n个，记A={取出
(完整版)概率论与数理统计知识点总结
p k q nk
其中 q 1 p,0 p 1, k 0,1,2,, n ，
则称随机变量 X 服从参数为 n ， p 的二项分布。记为
X ~ B(n, p) .
当 n 1时， P(X k) pk q1k ， k 0.1，这就是（0—1）分布，
所以（0-1）分布是二项分布的特例。
泊 松 设随机变量 X 的分布律为
1
(完整版)概率论与数理统计知识点总结
A—B,也可表示为 A—AB 或者 AB ，它表示 A 发生而 B 不发生的事
件.
A、B 同时发生：A B,或者 AB。A B=Ø ，则表示 A 与 B 不可能 同时发生，称事件 A 与事件 B 互不相容或者互斥。基本事件是
互不相容的.
—A 称为事件 A 的逆事件,或称 A 的对立事件，记为 A .它表 示 A 不发生的事件。互斥未必对立。
P(A）= (1) (2 ) (m ) = P(1) P(2 ) P(m )
m n
A所包含的基本事件数 基本事件总数
（6）几 若随机试验的结果为无限不可数并且每个结果出现的可能性均
1
(完整版)概率论与数理统计知识点总结
何概型 匀，同时样本空间中的每一个基本事件可以使用一个有界区域 来描述，则称此随机试验为几何概型。对任一事件 A，
3° F() lim F(x) 0， F() lim F(x) 1;
x
x
4° F(x 0) F(x) ,即 F(x) 是右连续的；
5° P(X x) F(x) F(x 0) .
对于离散型随机变量， F(x) pk ; xk x x
对于连续型随机变量, F(x) f (x)dx .
概型 用 p 表示每次试验 A 发生的概率，则 A 发生的概率为1 p q ，用
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。
概率论与数理统计知识点总结(超详细版)
《概率论与数理统计》第一章概率论的基本概念§2．样本空间、随机事件1．事件间的关系 B A ⊂则称事件B 包含事件A ，指事件A 发生必然导致事件B 发生B }x x x { ∈∈=⋃或A B A 称为事件A 与事件B 的和事件，指当且仅当A ，B 中至少有一个发生时，事件B A ⋃发生B }x x x { ∈∈=⋂且A B A 称为事件A 与事件B 的积事件，指当A ，B 同时发生时，事件B A ⋂发生B }x x x { ∉∈=且—A B A 称为事件A 与事件B 的差事件，指当且仅当A 发生、B 不发生时，事件B A —发生φ=⋂B A ，则称事件A 与B 是互不相容的，或互斥的，指事件A 与事件B 不能同时发生，基本事件是两两互不相容的且S =⋃B A φ=⋂B A ，则称事件A 与事件B 互为逆事件，又称事件A 与事件B 互为对立事件2．运算规则交换律A B B A A B B A ⋂=⋂⋃=⋃结合律)()( )()(C B A C B A C B A C B A ⋂=⋂⋃⋃=⋃⋃ 分配律 )()B (C A A C B A ⋃⋂⋃=⋂⋃）（))(()( C A B A C B A ⋂⋂=⋃⋂徳摩根律B A B A A B A ⋃=⋂⋂=⋃ B —§3．频率与概率定义在相同的条件下，进行了n 次试验，在这n 次试验中，事件A 发生的次数A n 称为事件A 发生的频数，比值n n A 称为事件A 发生的频率概率：设E 是随机试验，S 是它的样本空间，对于E 的每一事件A 赋予一个实数，记为P （A ），称为事件的概率 1．概率)(A P 满足下列条件：（1）非负性：对于每一个事件A 1)(0≤≤A P （2）规范性：对于必然事件S 1)S (=P（3）可列可加性：设n A A A ,,,21 是两两互不相容的事件，有∑===nk knk kA P A P 11)()( （n 可以取∞）2．概率的一些重要性质： （i ） 0)(=φP（ii ）若n A A A ,,,21 是两两互不相容的事件，则有∑===nk kn k kA P A P 11)()(（n 可以取∞）（iii ）设A ，B 是两个事件若B A ⊂，则)()()(A P B P A B P -=-，)A ()B (P P ≥ （iv ）对于任意事件A ，1)(≤A P （v ）)(1)(A P A P -=（逆事件的概率）（vi ）对于任意事件A ，B 有)()()()(AB P B P A P B A P -+=⋃§4等可能概型（古典概型）等可能概型：试验的样本空间只包含有限个元素，试验中每个事件发生的可能性相同 若事件A包含k个基本事件，即}{}{}{2]1k i i i e e e A =，里个不同的数，则有中某，是，，k k n 2,1i i i ,21 ()中基本事件的总数包含的基本事件数S }{)(1j A n k e P A P kj i ===∑= §5．条件概率（1） 定义：设A,B 是两个事件，且0)(>A P ，称)()()|(A P AB P A B P =为事件A 发生的条件下事件B 发生的条件概率（2） 条件概率符合概率定义中的三个条件1。
概率论与数理统计1.5
例3(续) 3(续
由此可见
P ( AB ) = P( A)P(B )
P ( AC ) = P ( A)P (C )
P (BC ) = P (B )P (C ) 但是
1 1 P( ABC ) = ≠ = P( A)P(B )P(C ) 4 8
这表明A、 、 这三个事件是 这三个事件是两两相互独立 这表明 、B、C这三个事件是两两相互独立 但不是相互独立的． 的，但不是相互独立的．
称多个或可数无穷多个试验的集合为试验序列。 称多个或可数无穷多个试验的集合为试验序列。 试验序列 如果一个试验序列的各试验的结果之间是相互独立 则称该试验序列为一个独立试验序列 独立试验序列。 的，则称该试验序列为一个独立试验序列。 称只有两个基本结果的试验为伯努利试验 伯努利试验。 称只有两个基本结果的试验为伯努利试验。 有些试验的基本结果虽然不只两个， 有些试验的基本结果虽然不只两个，但若我们感兴 趣的是某个事件A是否发生，那么可以把A 趣的是某个事件A是否发生，那么可以把A作为一个基本 结果， 的对立事件作为另一个基本结果， 结果，A的对立事件作为另一个基本结果，从而也可归 结为伯努利试验。若试验结果是A发生，那么我们称试 结为伯努利试验。若试验结果是A发生，那么我们称试 发生的概率则称为成功概率 成功概率。 验成功， 验成功，而A发生的概率则称为成功概率。 由一个伯努利试验独立重复进行所形成的试验序列 称为伯努利试验序列 如果重复的次数是n 伯努利试验序列， 称为伯努利试验序列，如果重复的次数是n，则称该试 验序列为n重伯努利试验。 验序列为n重伯努利试验。
P( A1 + A2 + ⋯ + An ) = 1 − P( A1 A2 ⋯ An )
= 1 − P( A1 ) P( A2 ) ⋯ P( An ) = 1 − (1 − 0.7 )n = 1 − 0.3 n
《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PPT课件
例6: (抽签问题)一袋中有a个红球，b个白球，记a＋b＝n． 设每次摸到各球的概率相等，每次从袋中摸一球， 不放回地摸n次。 设 { 第k次摸到红球 }，k＝1,2,…,n．求 解1：
号球为红球，将n个人也编号为1,2,…,n．
----------与k无关
可设想将n个球进行编号： 其中
18
性质：
19
§4 等可能概型（古典概型）
定义：若试验E满足：S中样本点有限(有限性)出现每一样本点的概率相等(等可能性)
称这种试验为等可能概型(或古典概型)。
20
例1：一袋中有8个球，编号为1－8，其中1－3 号为红球，4－8号为黄球，设摸到每一 球的可能性相等，从中随机摸一球， 记A={ 摸到红球 }，求P(A)．
31
三、全概率公式与Bayes公式
定义：设S为试验E的样本空间，B1,B2,…,Bn 为E的一组事件。若： 则称B1,B2,…,Bn为S的一个划分,或称为一组完备事件组。
即：B1,B2,…,Bn至少有一发生是必然的，两两同时发生又是不可能的。
32
定理：设试验E的样本空间为S，A为E的事件。B1,B2,…,Bn为S的一个划分，P(Bi)>0，i=1,2,…,n； 则称：
试验序号
n =5
n =50
n =500
nH
fn(H)
nH
fn(H)
nH
fn(H)
12345678910
2315124233
0.40.60.21.00.20.40.80.40.60.6
22252125242118242731
0.440.500.420.500.480.420.360.480.540.62
- 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)。
B={掷出偶数点}，P(A )=1/6，P(A|B)=？
已知事件B发生，此时试验所有可能
结果构成的集合就是B，
掷骰子
B中共有3个元素,它们的出现是等 可能的,其中只有1个在集A中. 于是
容易看到
P(A|B)= 1/3.
P(A|B) 1 1 6 P( AB) 3 3 6 P(B)
2. 条件概率的定义
而条件概率 P(A|B) 是在原条件下又添加 “B 发生 ” 这个条件时A发生的可能性大小, 即 P(A|B) 仍是概率.
P(A) 与 P(A |B) 的区别在于两者发生的条件不同,它 们是两个不同的概念,在数值上一般也不同.
乘法定理可以推广到多个事件的积事件的情况.
设 A、B、C 为三个事件 ,且 PAB 0 ,则
3. 条件概率的性质(自行验证)
条件概率 P• | A具备概率定义的三个条件 :
1 非负性 : 对于任意的事件 B , PB | A 0 ; 2 规范性 : PS | A 1 ;
3 可列可加性 :设 B1, B2,是两两互斥事件 ,则有
P
i 1
Bi
A
P
i 1
Bi
A
所以在第三节中证明的性质对条件概率都成立.
注意P(AB)与P(A | B)的区别！ 请看下面的例子
例1 甲、乙两厂共同生产1000个零件，其中 300 件是乙厂生产的. 而在这300个零件中，有189个是标准 件，现从这1000个零件中任取一个，问这个零件是乙厂 生产的标准件的概率是多少？
设B={零件P(AB).
例2 设某种动物由出生算起活到20年以上的概 率为0.8，活到25年以上的概率为0.4. 问现年20岁的 这种动物，它能活到25岁以上的概率是多少？
解 设A={能活20年以上}，B={能活25年以上} 所求为 P(B|A) .
依题意， P(A)=0.8, P(B)=0.4
P(B | A) P( AB) P(B) 0.4 0.5 P( A) P( A) 0.8
的球具有相同颜色的球.
b个白球, r个红球
解 设 Wi={第i次取出是白球}, i=1,2,3,4
Rj={第j次取出是红球}， j=1,2,3,4
于是W1W2R3R4表示事件“连续取四个球，第一、 第二个是白球，第三、四个是红球. ”
用乘法公式容易求出
P(W1W2R3R4)
=P(W1)P(W2|W1)P(R3|W1W2)P(R4|W1W2R3)
掷骰子试验
例3 掷两颗骰子, 已知两颗骰子点数之和为7, 求其中有一颗为1点的概率.
解 设事件A为“两颗点数之和为7”, 事件B为“ 一颗点数为1”.
两颗点数之和为7的种数为3,
其中有一颗为1点的种数为1,
故所求概率为
P 1. 3
条件概率P(A|B)与P(A)的区别 每一个随机试验都是在一定条件下进行的 ,设A 是随机试验的一个事件，则P(A)是在该试验条件下 事件A发生的可能性大小.
4. 条件概率的计算
1) 用定义计算:
P( A | B) P( AB) , P(B)
P(B)>0
2)从加入条件后改变了的情况去算 例：A={掷出2 点}，B={掷出偶数点}
P(A|B）= 1 3
B发生后的缩减 样本空间所含样 本点总数
在缩减样本空 间中A所含样 本点个数
掷骰子
5. 乘法定理
由条件概率的定义： P( A | B) P( AB) P(B)
PABC PC | ABPB | APA.
一般地 ,设有 n 个事件 A1, A2, , An ,n 2 , 并且
PA1A2 An1 0 ,则由条件概率的定义 ,可得
PA1 A2 An PAn | A1 A2 An-1 P An1 | A1 A2 An-2
PA3 | A1A2 PA2 | A1 PA1
b bc
r
rc
b r b r c b r 2c b r 3c
当 c > 0 时，由于每次取出球后会增加下一次 也取到同色球的概率. 这是一个传染病模型. 每次 发现一个传染病患者，都会增加再传染的概率.
例5 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.试求透镜落下三次而 未打破的概率.
若已知P(B), P(A|B)时, 可以反求P(AB).
即 若P(B)>0,则P(AB)=P(B)P(A|B) (2)
将A、B的位置对调，有
它(们2若)可和计(3)算式P(两A都)个>称0事为,则件乘P同(法B时A公)发=式P生,(A的利)P概(用B率|A) 而 P(AB)=P(BA)
故 P(A)>0 , 则 P(AB)=P(A)P(B|A) (3)
300个
乙厂生产
300个
乙厂生产
189个是
标准件
甲、乙共生产
1000 个
设B={零件是乙厂生产}
A={是标准件}
300个
乙厂生产
所求为P(AB) .
189个是
标准件
若改为“发现它是 乙厂生产的,问它 是标准件的概率 是多少?”
求的是 P(A|B) .
甲、乙共生产
1000 个
B发生, 在P(AB)中作为结果; 在P(A|B)中作为条件.
设A、B是两个事件，且P(B)>0,则称
P( A | B) P( AB) (1) P(B)
为在事件B发生的条件下,事件A的条件概率.
B ABA
S
若事件B已发生, 则为使
A也发生 , 试验结果必须是既 在 B 中又在A中的样本点 , 即 此点必属于AB. 由于我们已经 知道B已发生, 故B变成了新的 样本空间 , 于是 有(1).
乘法公式应用举例
（波里亚罐子模型）
b个白球, r个红球
例4 一个罐子中包含b个白球和r个红球. 随机地 抽取一个球，观看颜色后放回罐中，并且再加进 c 个与所抽出的球具有相同颜色的球. 这种手续进行 四次 ，试求第一、二次取到白球且第三、四次取 到红球的概率.
随机取一个球，观看颜色后放 回罐中，并且再加进c个与所抽出
第五节 条 件 概 率
一、条件概率 二、全概率公式 三、贝叶斯公式
一、条件概率
1. 条件概率的概念 在解决许多概率问题时，往往需要在有某 些附加信息(条件)下求事件的概率.
如在事件B发生的条件下求事件A发生的概率， 将此概率记作P(A|B).
一般地 P(A|B) ≠ P(A)
例如，掷一颗均匀骰子，A={掷出2点}，