概率统计和随机过程课件13事件的独立性
数学选修课件第章事件的独立性
03
多个事件相互独立情况分 析
两个事件相互独立情况
定义
若事件A的发生与否对事件B的发 生概率没有影响,则称事件A与事
件B相互独立。
性质
若事件A与事件B相互独立,则 P(AB) = P(A)P(B)。
举例
抛掷两枚质地均匀的硬币,出现正 面的事件记为A,出现反面的事件记 为B,则事件A与事件B相互独立。
三个及以上事件相互独立情况
01
02
03
定义
若n个事件中任意两个事 件都相互独立,则称这n 个事件相互独立。
性质
若n个事件相互独立,则 它们同时发生的概率等于 各自发生概率的乘积。
举例
抛掷三枚质地均匀的硬币 ,出现正面的事件分别记 为A、B、C,则事件A、B 、C相互独立。
复杂系统中事件独立性判断
常见误区与辨析
误区一
认为两个事件不相关就一定相互 独立。实际上,不相关只是指两 个事件的线性关系为0,并不能
保证它们相互独立。
误区二
认为相互独立的事件一定没有交 集。实际上,相互独立的事件完 全可能有交集,只是它们的交事 件发生的概是否相互独立时 ,需要仔细分析题目条件,正确 运用定义和判定方法,避免陷入
数学选修课件第章 事件的独立性
汇报人:XX 2024-01-13
目录
• 事件独立性基本概念 • 条件概率与事件独立性 • 多个事件相互独立情况分析 • 概率论中重要公式和定理介绍 • 生活中事件独立性现象解读 • 总结回顾与拓展延伸
01
事件独立性基本概念
定义与性质
定义
两个事件A和B,如果其中一个事 件的发生不影响另一个事件的发 生概率,则称这两个事件是相互 独立的。
天气预报
概率论与数理统计课件(1-4)独立性
或者 P A B 1 P A B 1 P A B
1 P A P B 0.94.
或者 P A B P AB A B AB
P AB P A B AB 0.94 .
A、B独立
概率的性质
= P(A)- P(AB) = P(A)- P(A) P(B) =P(A)[1- P(B)] = P(A) P(B ) 故 A与 B独立 练习: B与 A独立
定理 以下四事件等价: (1) 事件A、B相互独立;
(2) 事件A、B相互独立;
(3) 事件A、B相互独立; (4) 事件A、B相互独立。
解:由题意
P( AB) P( AB)
A与B独立,则 A与B ;与B也独立 A
P( A) P(B) P( A) P(B)
P ( A)1 P ( B) 1 P ( A)P ( B)
1 P ( A) P ( B ) 3
练习 设两个相互独立的事件A与B都不发生的 概率为1/9, A发生B不发生的概率与B发生A不 发生的概率相等,则P(A)=( 2/3 )
解:由题意
P( AB) P( AB)
P ( A) P ( B)
上一题 结论
2
A与B独立,则 A与B 也独立
P( AB) P( A) P(B) 1 P( A)
2 P ( A) 3
例 设0<P(A)<1,则 A与B相互独立 P(B | A) P(B) P(B | A) P(B)
可见
P(A)= P(A|B)
, 即事件A、B独立.
随机事件的独立性教学课件(共41张PPT)高中数学人教B版(2019)必修第二册
( ∪ )
() + ()
()() + ()()
A,B中至多有一个发生
( ∪ ∪ )
1
1 − ()()
02
探索新知
例1 甲、乙两人各掷一个均匀的骰子,观察朝上的面的点数,记事件A:甲得到的点数为2,B:
乙得到的点数为奇数.
(1)求p(A),P(B),P(AB),判断事件A与B是否相互独立;
= (1 )[1 − (2 )] + [1 − (1 )](2 )
= 0.7 × (1 − 0.7) + (1 − 0.7) × 0.7
= 0.42
02
探索新知
例3 某同学在参加一次考试时,有三道选择题不会,每道选择题他都随机选择了一个答案,且
1
4
每道题他猜对的概率均为 .
(1)求该同学三道题都猜对的概率;
Classroom test
PART 01
学 习 目 标
01
学习目标
01
在具体情境中,了解随机两个事件相互独立的概念
02
能利用相互独立事件同时发生的概率公式解决一些简单的
实际问题
03
综合运用互斥事件的概率加法公式及独立事件的乘法公式
解决一些问题
PART 02
探 索 新 知
02
探索新知
情境回顾
问题3 :请分别算出p(A),P(B),P(AB)的值.
1
1
1
() = , () = , () =
3
2
6
02
探索新知
抽象概括
1.事件相互独立性的含义
事件A(或B)是否发生对事件B(或A)发生的概率没有影响,这样的两个事件叫作相互
事件的独立性 课件
• 『规律总结』 两个事件是否相互独立的判断
• (1)直接法:由事件本身的性质直接判定两个事件发生是否 相互影响.
• (2)定义法:如果事件A,B同时发生的概率等于事件A发生 的概率与事件B发生的概率的积,则事件A,B为相互独立 事件.
P(A)P(B) P( A )P( B )
• 典例 3 (西安高二检测)在一场娱乐晚会上,有5位民间 歌手(1至5号)登台演唱,由现场数百名观众投票选出最受 欢迎歌手.各位观众须彼此独立地在选票上选3名歌手, 其中观众甲是1号歌手的歌迷,他必选1号,不选2号,另 在3至5号中随机选2名.观众乙和丙对5位歌手的演唱没有 偏爱,因此在1至5号中随机选3名歌手.
• (1)求观众甲选中3号歌手且观众乙未选中3号歌手的概率;
• (2)X表示3号歌手得到观众甲、乙、丙的票数之和,求X的 分布列.
[解析] (1)设事件 A 表示:观众甲选中 3 号歌手且观众乙未选中 3 号歌手. 观众甲选中 3 号歌手的概率为23,观众乙未选中 3 号歌手的概率为 1-35. 所以 P(A)=23×(1-35)=145. 因此,观众甲选中 3 号歌手且观众乙未选中 3 号歌手的概率为145.
[解析] 用 A,B,C 分别表示这三列火车正点到达的事件,则 P(A)=0.8, P(B)=0.7,P(C)=0.9,所以 P( A )=0.2,P( B )=0.3,P( C )=0.1.
(1)由题意得 A,B,C 之间互相独立,所以恰好有两列正点到达的概率为 P1 =P( A BC)+P(A B C)+P(AB C )=P( A )P(B)P(C)+P(A)P( B )P(C)+P(A)P(B)P( C )
概率事件的相互独立性ppt
在医学领域的应用
在社会科学领域的应用
在社会科学领域,相互独立性在民意调查中非常重要。当调查人员对大量人群进行投票或调查时,每个受访者都应该被视为独立的个体,其投票或回答不应该受到其他人的影响。通过确保受访者的相互独立性,可以获得更准确的结果。
民意调查
在实验设计中,相互独立性意味着实验组之间不存在相互影响或交互作用。为了确保实验结果的可靠性,实验设计需要确保每个受试者或观察对象都有相同的机会受到实验处理或暴露于实验条件,并且每个受试者或观察对象的反应是独立的。
事件用符号表示
事件的定义及表示方法
定义
如果事件A的发生与否对事件B发生的概率没有影响,则称事件A与事件B相互独立。
数学表示
P(B/A) = P(B)
相互独立性的数学定义
相互独立性的性质
相互独立的事件互不影响。
如果事件A与事件B相互独立,那么它们的对立事件A'与B'也相互独立。
如果事件A与事件B相互独立,那么它们的和事件A∪B也相互独立。
多个事件的相互独立性
如果事件A1,A2,...,An相互独立,那么P(A1∩A2∩...∩An)=P(A1)P(A2)...P(An)。
多个事件的相互独立性可以用于解决复杂概率问题,例如在保险、金融等领域的应用。
如果多个事件相互独立,那么这些事件组合的概率可以通过乘法原理计算。
相互独立性的应用
04
相互独立性的判定
02
定义法事件A和事件B的相互独立性定义为:$P(A \cap B) = P(A) \times P(B)$即事件A和事件B的联合概率等于它们各自的概率的乘积。公式法若$P(A) \times P(B) = P(A \cap B)$,则事件A和事件B相互独立。特征函数法如果两个事件的特征函数满足$\varphi{A}(t) \cdot \varphi{B}(t) = \varphi_{A+B}(t)$,则事件A和事件B相互独立。
概率统计教学课件PPT 条件概率与事件的独立性教学课件PPT
例2 一类动物由出生起活到20或20岁以上的,
概率为0.8,活到25岁以上的概率为0.4,现假设此 类动物中有一动物为20岁,问其活到25岁以上的
概率是多少?
解:设B:活到20或20岁以上; A:活到25岁以上
求P(A|B) AB
P( A | B) P( AB) P(B)
P( A | B) P( A) 0.4 0.5 P(B) 0.8
解 分别用A、B、C表示具有上述品质的姑娘
根据题意有 P(A) 0.01, P(B) 0.01, P(C) 0.00001
则所求概率为 P(ABC) 0.000000001
即十亿分之一。
例 三人独立地去破译一份密码,已知各人能译 出的概率分别为1/5,1/3,1/4,问三人中至少有一人 能将密码译出的概率是多少?
若A1 A2 P(A1 | B) P(A2 | B)
单调性
P(A1 A2 B) P(A1 B) P(A2 B) P(A1A2 B)
加法公式
P(A1 A2 B) P(A1 B) P(A2 B)
P(• B) 是连续的.
半可加性
例1 考虑有两个小孩的家庭,问其中至少有一个女 孩的家庭中, 另一小孩也是女孩的概率有多大? (假设生男,生女是等可能的)
设A、B为独立事件,且P(A)>0,P(B)>0,下面
四个结论中,正确的是:
1. P(B|A)>0 3. P(A|B)=0
2. P(A|B)=P(A) 4. P(AB)=P(A)P(B)
两事件相互独立的性质
性质1. A, B独立 A, B 独立
A, B 独立 A, B 独立.
试证其一 A, B 独立 A, B 独立
注3) 关系式(1) (2)不能互相推出.
概率论与数理统计(事件的独立性)
P(B)P(C P( A)P(C
) )
1
4 1
4
, ,
则三事件 A, B, C 两两独立.
由于P( ABC ) 1 1 P( A)P(B)P(C ), 48
因此 A,B,C 不相互独立.
1.6.1 事件的独立性
另一个反例(略) 【例1.21】设一口袋中有100个球,其中有7个是 红的,25个是黄的,24个是黄蓝两色的,1个是红 黄蓝三色的,其余43个是无色的.现从中任取一 个球,以A、B、C分别表示取得的球有红色的、 有黄色的、有蓝色的事件.
当A,B之一为Ф时,
P(AB) = P(A)P(B)与A∩B = Ф同时成立,即独立
与互不相容并存.
两事件相互独立 P( AB) P( A)P(B) 二者之间没
两事件互不相容 AB
有必然联系
1.6.1 事件的独立性
【例1.19】证明若事件A与B相互独立,则下列各 对事件也相互独立: A与 B,B与 A ,A 与 B
可以认为诸Ai是相互独立的,从而诸Ai 也是相互独
立的,且 P( Ai ) 1 0.004 0.996,
则要求的概率为
100
100
P( Ai ) 1 P( Ai )
i1
i1
100
1 P( Ai ) 1 0.996100 0.33
i 1
1.6.1 事件的独立性
例如 掷n枚硬币,从一大批产品中抽查n个产品等, 都是n重独立重复试验.
1.6.1 试验的独立性
在重伯努利试验中,若事件A在每次试验中发 生的概率均为P(A) = p,(0 < p < 1),那么,事件A发 生k (k=1,2,…,n)次的概率pk是多少呢?
3.1.2 事件的独立性(课件)(湘教版新教材选择性必修第二册)
解:用A1,A2,A3分别表示高一、高二、高三年级的一班获得冠军,
则A = A1∩A2∩A3表示都是一班得冠军.
因为事件A1,A2,A3相互独立,并且
P(
A1)
P(
A2
)
P(
A3
)
1, 3
所以P( A) P( A1 A2 A3)
P( A1)P( A2
)P(
A3 )
(1)3 3
1 27.Fra bibliotek新知探索
例5 李浩的棋艺不如张岚,李浩每局赢张岚的概率只有0.45.假设他们 下棋 时各局的输赢是独立的,且只有输赢两种结果.现在他们对弈6局, 计算: (1)李浩连输6局的概率(结果保留三位小数);
P(B | A) P( AB) P(A)P(B) P(B). P( A) P( A)
上述举例具有一般性.也就是说,若事件A与事件B独立,则事件 A的 发生不会影响事件B发生的概率,即有P(B|A)= P(B).
反之,若P(B|A)= P(B)成立,则
P(AB) P(A) P(AB) P(A)P(B | A) P( A)P(B). P( A)
相互独立事件的概率: 若事件A与B相互独立,则P(AB)=P(A)P(B); 必然事件Ω、不可能事件Ø与任意事件相互独立; 若事件A与B相互独立,则 A与B,A与B,A与B 相互独立.
新知探索
New Knowledge explore
新知探索
由条件概率公式可知,在事件A发生的条件下事件B发生的条件概率 P(B|A)和事件B发生的概率 P(B)一般不相等.
新知探索
独立性的概念可以推广到任意有限个事件的情形.
相互独立事件:
如果 n ( n >2)个事件A1,A2,∙ ∙ ∙ ,An中任何一个事件发生的概率都不 受其余事件发生与否的影响,则称 A1,A2,∙ ∙ ∙ ,An相互独立.
《概率论与数理统计》课件-随机过程
目录
• 随机过程基础 • 随机过程的基本类型 • 随机过程的分析与变换 • 随机过程的应用 • 随机过程的计算机模拟 • 随机过程的未来发展与挑战
01
随机过程基础
随机过程的定义与分类
定义
随机过程是由随机变量构成的数 学结构,每个随机变量对应一个 时间点或位置。
分类
根据不同的特性,随机过程可以 分为离散随机过程和连续随机过 程,平稳随机过程和非平稳随机 过程等。
随机过程的统计特性
均值函数
方差函数
自相关函数
谱密度函数
描述随机过程的平均行 为。
描述随机过程的波动程 度。
描述随机过程在不同时 间点的相关性。
描述随机过程的频率特 性。
随机过程的概率模型
01
02
蒙特卡洛方法在金融、物理、工程等领域有广泛应用,如期权定价、核反应堆模拟 等。
离散事件模拟方法
离散事件模拟方法是一种基于 事件驱动的模拟方法,通过模 拟离散事件的发生和影响来逼 近真实系统。
离散事件模拟方法适用于描述 离散状态变化的过程,如交通 流模拟、排队系统模拟等。
离散事件模拟方法的关键在于 事件的时间点和顺序的确定, 以及事件影响的计算。
连续时间模拟方法
连续时间模拟方法是一种基于时间连 续变化的模拟方法,通过模拟时间连 续变化的过程来逼近真实系统。
连续时间模拟方法的关键在于时间步 长的选择和状态变化的计算,需要保 证模拟结果的准确性和稳定性。
连续时间模拟方法适用于描述连续状 态变化的过程,如人口增长模拟、生 态系统模拟等。
06
随机过程的未来发展与挑战
控制系统
利用随机过程理论,分析和设计 控制系统,提高系统的稳定性和
新教材高中数学第五章统计与概率3.5随机事件的独立性课件新人教B版必修第二册 课件(共13张PPT)
问题 1.如果乙要连胜四局,比赛应如何进行? 提示:若要乙连胜四局,则对阵情况是第一局:甲对乙,乙胜;第二局:乙对丙,乙胜;第 三局:乙对甲,乙胜;第四局:乙对丙,乙胜. 2.要求出乙连胜四局时的概率需要用到哪些概率知识?如何求? 提示:应用事件的独立性知识,按照每局乙胜的情况分析,所求概率为P=(1-0.4)2×0. 52=0.32=0.09.
求复杂事件的概率一般可分三步进行: (1)列出题中涉及的各个事件,并用适当的符号表示它们; (2)理清各事件之间的关系,用事件间的“并”“交”恰当地表示所求事件; (3)根据事件之间的关系准确地运用概率公式进行计算. 注意:当直接计算符合条件的事件的概率较复杂时,可先间接地计算其对立事件 的概率,再求出符合条件的事件的概率.
∩F)+P( D∩E∩F)=0.6×0.5×0.5+0.6×0.5×0.5+0.6×0.5×0.5+0.4×0.5×0.5=0.55. 解法二:“红队中至少有两名队员获胜”与“红队中最多有一名队员获胜”为对 立事件,而红队都不获胜的事件为 D∩ E ∩ F ,且P( D∩ E ∩ F )=0.4×0.5×0.5=0.1. 则红队中至少有两名队员获胜的概率P2=1-P1-P( D∩ E ∩ F )=1-0.35-0.1=0.55. 方法总结 处理事件的独立性问题主要用直接法和间接法.当遇到“至少”“至 多”问题时可以考虑间接法.
解析 设甲胜A为事件D,乙胜B为事件E,丙胜C为事件F,则 D, E , F 分别表示A胜 甲、B胜乙、C胜丙. 因为P(D)=0.6,P(E)=0.5,P(F)=0.5, 所以由对立事件的概率公式知P( D)=0.4,P( E )=0.5,P( F )=0.5. (1)红队中有且只有一名队员获胜的事件有D∩ E ∩ F , D∩E∩ F , D∩ E ∩F,以上 3个事件彼此互斥且相互独立. 所以红队中有且只有一名队员获胜的概率P1=P[(D∩ E ∩ F )∪( D∩E∩ F )∪( D ∩ E ∩F)]=P(D∩ E ∩ F )+P( D∩E∩ F )+P( D∩ E ∩F)=0.6×0.5×0.5+0.4×0.5×0.5+ 0.4×0.5×0.5=0.35. (2)解法一:红队中至少有两名队员获胜的事件有D∩E∩F,D∩E∩ F ,D∩ E ∩F, D ∩E∩F,由于以上四个事件两两互斥且各盘比赛的结果相互独立, 因此红队中至少有两名队员获胜的概率P2=P(D∩E∩F)+P(D∩E∩ F )+P(D∩ E
概率论与数理统计:事件的独立性与相关性.ppt
由于 P( ABC ) 1 1 P( A)P(B)P(C ), 48
因此 A,B,C 不相互独立.
三 相互独立事件的性质
性质1 如果 n 个事件 A1, A2,, An 相互独立,则 将其中任何 m(1 m n)个事件改为相应的对立事 件,形成新的 n 个事件仍然相互独立. 性质2 如果 n 个事件 A1, A2,, An 相互独立,则有
Ai (i =1,2,…,100 ).
则
100
A Ai
i 1
100
P(A) 1 1P(Ai ) i 1 1 (1 0.004)100 0.33
若Bn表示 n 个人的血清混合液中含有肝炎病毒,则
P(Bn) 1 (1 )n, 0 1 n 1,2,
lim
n
P
(
Bn
)
1
—— 不能忽视小概率事件, 小概率事件迟早要发生
例5 甲、乙、丙三人同时对飞机进行射击, 三人 击中的概率分别为 0.4, 0.5, 0.7, 飞机被一人击中 而被击落的概率为0.2 ,被两人击中而被击落的概 率为 0.6 , 若三人都击中飞机必定被击落, 求飞机 被击落的概率.
n
n
n
P( Ai ) 1 P( Ai ) 1 (1 P( Ai ))
i 1
i 1
i 1
例4 设每个人的血清中含肝炎病毒的概率为0.4%, 求来自不同地区的100个人的血清混合液中含有肝 炎病毒的概率.
解:设这100 个人的血清混合液中含有肝炎病毒为
事件 A, 第 i 个人的血清中含有肝炎病毒为事件
注意: 从直观上讲,n个事件相互独立就是其中任何一个 事件出现的概率不受其余一个或几个事件出现与否的 影响.
伯恩斯坦反例
概率事件的独立性分析
概率事件的独立性是一个核心概念,在概率论和统计学中有广泛应用。
理解独立事件有助于我们更准确地分析复杂系统中的不确定性。
本文将详细探讨概率事件的独立性,包括其定义、性质、应用,以及在现实世界中的意义和局限性。
一、独立性的定义两个事件A和B如果满足以下条件,则称它们是独立的:P(A ∩ B) = P(A) × P(B)其中,P(A ∩ B)表示事件A和B同时发生的概率,P(A)和P(B)分别表示事件A和B发生的概率。
这个定义直观的表达了独立性的含义:一个事件的发生不影响另一个事件的概率。
二、独立性的性质1. 交换性:如果A和B是独立的,那么B和A也是独立的。
这符合我们对独立性的直观理解,即独立关系不具有方向性。
2. 对称性:如果A和B是独立的,那么对于任何事件C,A和C独立的概率等于B和C独立的概率。
这意味着在独立关系中,一个事件与其他事件的独立性不依赖于其他特定事件。
3. 传递性:如果A和B独立,B和C独立,那么A和C也是独立的。
这个性质表明,独立性可以在事件之间传递,使得我们可以更方便地分析多个事件之间的独立关系。
三、独立性的应用1. 赌博游戏:在许多赌博游戏中,如掷骰子或抽取扑克牌,每次抽取都是独立的。
这意味着前一次的结果不会影响下一次的结果,从而保证了游戏的公平性。
2. 可靠性工程:在可靠性工程中,独立性概念用于评估系统的整体可靠性。
如果系统中的各个组件故障是相互独立的,那么整个系统的可靠性可以通过单个组件的可靠性来计算。
3. 统计分析:在统计分析中,独立性假设是许多统计模型的基础。
例如,在回归分析中,我们假设自变量和因变量之间的关系是独立的,以便更准确地预测因变量的值。
四、独立性与条件独立性条件独立性是两个事件在给定第三个事件的情况下相互独立。
即如果已知事件C发生,那么事件A和B的发生是独立的。
条件独立性的概念扩展了独立性的定义,使我们能够在更复杂的情境中分析事件之间的关系。
例如,在天气预报中,给定某个大气条件C(如高压系统),某地区明天是否下雨A和后天是否下雨B可能是条件独立的,即明天的雨水不会影响后天是否下雨,在给定的大气条件下。
事件的独立性与相关性ppt课件
例1.5.1 某高校的一项调查表明:该校有30%的学生 视力有缺陷. 7%的学生听力有缺陷,3%的学生视力与 听力都有缺陷,记
A =“学生视力有缺陷”P,( A) 0.30 B =“学生听力有缺陷”P,(B) 0.07 AB=“学生听力与视力都有缺陷”,P( AB) 0.03 现在来研究下面三个问题: (1)事件 A与 B 是否独立? 由于
概率论与数理统计
1
1.5 事件的独立性与相关性
1.5.1 两个事件的独立性与相关性 1.5.2 有限个事件的独立性 1.5.3 相互独立事件的性质 1.5.4 Bernoulli概型
2
1.5.1 两个事件的独立性与相关性
例如 箱中装有10件产品:7件正品,3件次品,甲买走1件 正品,乙要求另开一箱,也买走1件正品.
(3)如果已知一学生听力有缺陷,那么他视力也有缺 陷的概率是多少?
类似地可算条件概率 P( A B) P( AB) 0.03 3 P(B) 0.07 7
7
定义 设 0 P( A) 1,0 P(B) 1, 称
( A, B)
P( AB) P( A)P(B)
P( A)(1 P( A))P(B)(1 P(B))
A表示电路断电,
则A1,A2,A3相互独立,A= A1+A2+A3, P(A)=P(A1+A2+A31)= P( A1 A2 A3 )
1 P( A1 )P( A2 )P( A3 )
=1-0.168=0.832
12
例1.5.4 已知事件 A, B, C 相互独立,证明:事件
事件 A 与 B C 也相互独立.
P(Bn) 1 (1 )n, 0 1 n 1,2,
lim
12.4随机事件的独立性(课件)高二数学(2020)
则PA1
1 2
,
P A2
3 4
,
P A3
3 4
不发生故障的事件为 A2 A3 A1
不发生故障的概率为P PA2 A3 A1 PA2 A3 PA1
1 P(A2 )P A3
P A1
1
1 4
1 4
1 2
15 32
知识概括
求较为复杂事件的概率的方法 (1)列出题中涉及的各事件,并且用适当的符号表示; (2)理清事件之间的关系(两事件是互斥还是对立,或者是 相互独立),列出关系式; (3)根据事件之间的关系准确选取概率公式进行计算; (4)当直接计算符合条件的事件的概率较复杂时,可先间 接地计算其对立事件的概率,再求出符合条件的事件的概 率.
根据独立性假定,得
PA1
2
3 4
1 43 8,源自PA23 4
2
9 16
PB1
2
2 3
1 3
4 9
, PB2
2 3
2
4 9
例题讲解
设A "两轮活动‘星队’猜对3个成语", 则A A1B2 A2B1,且A1B2与A2B1互斥, A1与B2,A2与B1分别相互独立
所以PA PA1B2 PA2B1 PA1 PB2 PA2 PB1
发生的概率之积,
即P(A1A2A3…An) = P(A1)P(A2)P(A3)…P(An) .
例题讲解
例2、甲、乙两名射击运动员进行设计比赛,甲的中靶概率为 0.8,乙的中靶概率为0.9,求下列事件的概率: (1)两人都中靶;(2)恰好有一人中靶; (3)两人都脱靶;(4)至少有一人中靶。
解:设A “甲中靶”,B “乙中靶”, 则A "甲脱靶",B "乙脱靶"
- 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)。
10
正态分布
定义: 如果连续型随机变量X的概率密度为
1
( x )2
f (x)
2
exp
2 2
( x )
其中 , 为常数, 并且 >0, 则称X服从正态 分布, 简记作X~N(,2) 。
特别地, 当=0, =1时, 称其为标准正态分布, 其概率密度记为j (x), 这时X~ N(0,1) 。
0
x
其中>0,则称X服从参数为的指数分布,
X ~Exp(λ).
易知,其分布函数为
F (x)=1 ex , x 0
0 , x 0
2
指数分布的分布函数推导
Q X ~ f (x)=
F (x) f (x)dx 0
当x > 0时, F (x)
3e 3 x dx
e6
电子元件在已使用t小时之后再使用s小时的概
1.5
率,与它使用s小时的概率是相同的.称这样的随机
变量具有“无记忆性”,正是指数分布的重要特点. 6
指数分布的无后效性
定理:设X是连续型非负随机变量,则X服从指数分布 的充分必要条件是对任何的s,t≥0,有
P( X > s+t | X > s )=P( X > t ) 无后效性是指数分布的特征.
x
f (t)dt
x etdt
0
F
(
x)=
1
et ex , x
|0x
0
1
e
x
0 , x 0
生存函数S(x) P( X x) 1 F (x) ex (x 0).
3
指数分布的期望、方差
EX
xf (x)dx
xexdx xdex
0
0
xe x
|0
exdx
0
1
exd (x)
11
泊松积分公式
I et2 dt
证 : I 2 ex2 y2 dydx,
作极坐标变换,令x r cos , y r sin ,
积分元为rdrd ,则
I 2 2 er2 rdrd er2 dr 2
00
0
| er2
0
12
正态分布 N (, 2 ) 的图形特点
1 P{X t 0} 1 et
于是
et
f (t) F'(t)
t 0
0 t0
9
正态分布
正态分布也叫高斯分布, 正态分布是实践中应 用最为广泛,在理论上研究最多的分布之一,故 它在概率统计中占有特别重要的地位。
正态分布是自然界最常见的一种分布。例如 测量的误差;人的生理尺寸:身高、体重;一 个班的考试成绩;普通人的年收入;工厂产 品的尺寸:直径、长度、宽度、高度;一个 地区的降雨量等等都近似服从正态分布。
x
15
标准正态分布密度函数特性
(1) j (x)有各阶导数 (2) j (-x)= j (x), 偶函数
(3) 在(-,0)内严格上升,在(0, +)严格下降.在
x=0 处达到最大值: j (0)=(2)-1/20.3989.
(4) 在x=1处有两个拐点;
(5) x轴是j (x)的水平渐近线:lim j ( x) 0 x
某产品的寿命T服从参数为λ=0.002的指数分 布,则该产品的平均寿命
E(T)=1=(0.002)-1=500
对指数分布,任何实数a,b(0≤a<b), 有
P(a X b) b exdx ea eb a
5
例题与解答
例 1. 某电子元件的寿命X(年)服从参数为3的
指数分布.(1)求该电子元件寿命超过2年的概
§2.5几种重要的连续型分布
指数分布 正态分布 Γ分布* 对数正态分布*
前面我们曾经讨论的均匀分布是最简单的 常用连续型分布。在这一节里,将介绍另几 种常用连续型分布,它们有着广泛的应用背 景。
1
指数分布
定义: 如果随机变量X的概率密度为
f (x)
f (x)=ex , x 0
0 , x 0
7
例题与解答
例2. 顾客在某银行窗口等待服务的时间X服从参数为
1/5的指数分布,X的计时单位为分钟.若等待时间超过
10分钟,则他就离开.设他一个月内要来银行5次,以Y表
示一个月内他没有等到服务而离开窗口的次数,求Y分
布律及至少有一次没有等到服务的概率P(Y≥1).
解:由题意不难看出Y~B(5,p) 而其中的概率p=P(X>10),
现X的概率密度函数为
f
(x)
1 5
ex
5,
x 0;
因此,
p P(X 10)
1
et
5dt
0,
e10 5
x
e2.
0.
10 5
Y的分布律为 P(Y k) C5k (e2 )k (1 e2 )5k , k 0,1, ,5.
于是 P(Y≥1)=1-P(Y=0)=1-(1-e -2)5≈0.5167.
率。(2)已知该电子元件已使用了1.5年,求它
还能使用两年的概率为多少?
解:由题意可知,
3e3x
X~
f (x)
0
x0 x 0,
(1) p{X 2} 3e3xdx e6
(2) p{X
3.5 |
X
2
1.5}
P{X 3.5, X 1.5} P{X 1.5}
3e3 x dx
3.5
决定了图形的中心位置, 决定了图形中峰
的陡峭程度.
13
正态分布的两个特性
(1) 单峰对称
密度曲线关于直线x=μ对称
f()=maxf(x)=
1
2
(2) σ的大小直接影响概率的分布
σ越大,曲线越平坦,σ越小,曲线越陡峻。
14
标准正态分布密度函数图
j (x)
1
x2
e2
2
j (x)
1 0 1
0
1
e x
|0
1
EX 2 x2 f (x)dx x2exdx x2dex
0
0
x 2e x
|0
2
0
xe x dx
...
2
2
DX
EX 2
(EX)2
2
2
1
2
1
2
4
指数分布应用背景
指数分布经常用来作各种“寿命”分布的近 似。如随机服务系统中的服务时间, 某些消耗 性产品(电子元件等)的寿命, 产品首次发生故 障(需要维修)的时间都常被假定服从指数 分布。
8
例题与解答
例3. 某公路桥每天第一辆汽车过桥时刻为T,
设 的[泊0,松t]时分段布内,过求桥T的的概汽率车密数度X。t 服从参数为t
解: F(t) P{T t}
当t ≤0时, F (t) 0
当t >0时,F(t) P{T t} 1 P{T t}
= 1- P{在t时刻之前无汽车过桥}