北邮概率论与数理统计条件概率1.3
北邮概率论与随机过程笔记
![北邮概率论与随机过程笔记](https://img.taocdn.com/s3/m/17065577a22d7375a417866fb84ae45c3b35c238.png)
北邮概率论与随机过程笔记北邮概率论与随机过程笔记第一章绪论1.1 概率论的起源与发展1.2 概率的基本概念1.3 概率论的应用领域1.4 随机过程的起源与发展1.5 随机过程的基本概念1.6 随机过程的应用领域第二章概率论的基本概念2.1 随机试验与随机事件2.2 频率与概率2.3 古典概型2.4 贝叶斯概型2.5 随机变量2.6 随机变量的函数及其分布2.7 条件概率与条件分布2.8 独立性第三章随机变量及其分布3.1 离散型随机变量及其分布3.2 连续型随机变量及其分布3.3 随机变量的数学期望3.4 随机变量的方差与标准差3.5 随机变量的矩与生成函数3.6 概率母函数与特征函数3.7 大数定律与中心极限定理第四章多维随机变量及其分布4.1 多维随机变量及其分布函数4.2 联合分布函数与边缘分布函数4.3 多维离散型随机变量的分布4.4 多维连续型随机变量的密度4.5 条件分布与独立性4.6 随机变量的矩与协方差矩阵4.7 多维随机变量的生成函数与特征函数第五章数理统计基本概念5.1 数理统计的概念与作用5.2 参数估计与假设检验5.3 点估计与区间估计5.4 最大似然估计5.5 矩估计5.6 假设检验5.7 重要的假设检验第六章随机过程基本概念6.1 随机过程的概念与分类6.2 随机过程的样本函数与轨道6.3 随机过程的数学描述6.4 平稳性与各态平衡性6.5 随机过程的独立增量性与平稳增量性第七章随机过程的数学描述7.1 随机过程的数学描述7.2 随机过程的分布函数、密度函数与生成函数7.3 平稳随机过程的均值序列与相关函数7.4 广义平稳随机过程7.5 随机过程的协方差函数与自相关函数7.6 平稳随机过程的功率谱第八章马尔可夫链8.1 马尔可夫链的概念8.2 马尔可夫链的数学描述8.3 长期行为与不可约性8.4 平稳分布与转移概率矩阵8.5 极限分布与转移概率8.6 马尔可夫链的细致平衡方程第九章扩散过程9.1 扩散过程的概念与分类9.2 布朗运动与维纳过程9.3 平稳扩散过程与布朗桥9.4 非平稳扩散过程9.5 随机微分方程及其应用第十章随机过程的数值计算10.1 随机过程的模拟方法10.2 马尔可夫链模拟10.3 扩散过程的数值模拟第十一章随机过程的应用11.1 队列论与排队模型11.2 信道容量与信息论11.3 金融工程与随机过程11.4 生物与生态系统中的随机过程11.5 电力系统中的随机过程第十二章最优控制问题12.1 动态规划问题与最优控制12.2 马尔可夫控制问题12.3 黑塞矩阵与二次型控制问题第十三章随机过程的其他扩展13.1 小波分析与随机过程13.2 分数阶随机过程13.3 非高斯与非马尔可夫随机过程总结:北邮的概率论与随机过程课程涵盖了概率论和随机过程的基础知识和应用,对于理解随机现象和建立数学模型具有重要的意义。
概率论与数理统计课件-条件概率
![概率论与数理统计课件-条件概率](https://img.taocdn.com/s3/m/0e7803f8f12d2af90342e678.png)
P(B|A)=P(B);P(A|B)=P(A)
(2)如果 A、B 相互獨立,則 A 與B ,A與 B ,A 與B 也相互獨立.
(3) 如果A、B相互獨立,則有
P( AB) P( A)P(B) P( A B) 1 P( A B) 1 P( AB) 1 P( A)P(B) 或 P( A B) P( A) P(B) P( AB)
設 A={其中有1件正品},B={另1件也是正品},則
P(B | A)
P( AB) P( AB) P( A) 1 P( A)
C72 C120
1
C32 C120
1 2
《概率统计》
返回
下页頁
结束
例3.設某種動物由出生而活到20歲的概率為0.8,活到25歲的概率 為0.4,求現齡為20歲的這種動物活到25歲的概率? 解: 設A={活到20歲},B={活到25歲}
解:設A ={至少有一個女孩},B={兩個都是女孩} 則所求概率為 P(B | A) (為什麼?) (1)利用縮減樣本空間法
縮減的樣本空間為: {{男,女}, {女,男}, {女,女}}. 於是, P(B | A) 1 .
3 (2)利用公式法
P(B | A) P( AB) P( AB) 1/ 4 1 . P( A) 1 P( A) 11/ 4 3
1.定義 設A、B二事件,如果滿足等式
P(AB)=P(A)P(B) 則稱A、B為相互獨立的事件.
顯然,必然事件Ω及不可能事件Φ與任何事件A都相互獨立.
2.性質 (1)若P(A)>0, P(B)>0,
則A和B獨立
P(B|A)=P(B);P(A|B)=P(A)
(2)如果 A、B 相互獨立,則 A 與B ,A與 B ,A 與B 也相互獨立.
概率论与数理统计条件概率
![概率论与数理统计条件概率](https://img.taocdn.com/s3/m/01e1e9cb58f5f61fb7366612.png)
例1.4.4 配对问题
由于事件 Ai 是相容的,需要用性质1.3.5(多除 少补原理)和性质1.4.3(乘法公式).
1 依题意:i j k …, 有 P ( Ai ) n 1 1 (n 2)! P( Ai Aj ) P( Ai ) P( A j | Ai ) n n 1 n! (n 3)! n P( Ai Aj Ak ) 1 P ( Ai )= n!
n
(n 3)! S3 P( Ai Aj Ak ) C n! 1i j k n 1 Sn 则至少有一个信封地址正确的概率: n!
3 n
(n 2)! S2 P( Ai Aj ) C n! 1i j n
2 n
…
(1)k q0 1 P( Ai ) k 0 k ! i 1
P( Ai B) P( Ai | B) P( B) P( B | Ai ) P( Ai )
P( B | A ) P( A )
某病被医生诊断出的概率为0.95, 无该病 误诊有该病的概率为0.002, 如果某地区患该 病的比例为0.001, 现随机选该地区一人, 医生 诊断患有该病, 求该人确实患有该病的概率.
P(B|A)=0.32225 <1/3.
3
定义1.4.1 条件概率
A F, B F 且 设 , F , P为一概率空间, P B 0,在 “已知事件B已经发生”的条件下, “事件A发生”条件概率 P(A|B) 定义为:
证:B B B ( Ai ) ( B Ai )
Ai Ak (i k )
i 1 i 1
n
n
(B Ai ) (B Ak )
概率论与数理统计 1-3
![概率论与数理统计 1-3](https://img.taocdn.com/s3/m/22e64f930c22590103029d32.png)
3
1. 条件概率的定义
设A、B是两个事件,且P(A)>0,则称 P(B | A) P( AB) (1) P( A)
为在事件A发生的条件下,事件B的条件概率.
1.3条件概率
B ABA
S
若事件A已发生, 则为使 B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A已发生, 故A变 成了新的样本空间 , 于是 有(1).
3
P( Ai ) P(A1)P(A2 / A1)P(A3 / A1A2 )
i 1
※想一想: ①应如何推导此式? ② n个事件的公式如何写呢?
7
1.3条件概率
例2 一批零件共100个,其中有10个是次品。今从这批零
件中随机抽取,每次一件,1)若不放回地抽取3次,求3次都 取得合格品的概率;2)若有放回地抽取2次,求2次都取得合 格品的概率。
注 通常, P(B|A) ≠ P(B)
4
2. 条件概率P(.|A)的性质
1.3条件概率
(1)非负性 对每一个事件B, P(B|A) ≧0 概
(2)规范性 对必然事件S, P(S|A) =1
率
定
(3)可列可加性 若B1, B2 ,是两两互不相容的事件,则有
P Bi | A P(Bi | A)
解 记 Ai=“第i次取得合格品”,i=1,2,3;
1) 若不放回地抽,则
P
(
A1
)
90 100
,
P(
A2
|
A1 )
89 99
,
P(
A3
|
A1
A2
)
北邮概率统计课件条件概率
![北邮概率统计课件条件概率](https://img.taocdn.com/s3/m/2e3e3e9b767f5acfa1c7cdf8.png)
------3 种
B {(2,1), (3,2), (3,1), (4,3), (4,2), (4,1)
(6,5), (6,4)(6,1)}
------ 15种
202概1/3/率5 统计
北邮概率统计课件
方法 1: 在样本空间 S 中计算 P(B), P(AB) 然后依
公式 P( A B) 计算
AB { (6, 4) }
P( ABC) P( A) P(B A) P(C AB)
而:P( A)
C72 C120
0.467
10瓶名酒,其中 部优7瓶,国优3瓶,
P(B
A)
C51 C31 C82
0.536
第一人拿到两瓶 优名酒同时第二 人拿到部 优、国
P(C
AB)
C22 C62
0.067
优名酒各一瓶,第 三个拿到两瓶国 优名酒
三、四次取到红球的概率.
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
随机取一个球,观 看颜色后放回罐中, 并且再加进C 个与 所抽出的球具有相 同颜色的球.
b个白球, r 个红球
202概1/3/率5 统计
北邮概率统计课件
=(4/5)(3/4)(1/3)=1/5 继续做下去就会发现, 每个人抽到“入场券”
的
概率都是1/5.
这就是有关抽签顺序问题的正确解答:
抽签不必争先恐后.
202概1/3/率5 统计
北邮概率统计课件
例 6. 箱子中装有10瓶形状相同的名酒,其中部优 名酒7瓶,国优名酒3瓶,今有三个人从箱子中 随机地取出一些酒来,每人只拿2瓶.
概率论与数理统计 第一章第三节条件概率及相关公式
![概率论与数理统计 第一章第三节条件概率及相关公式](https://img.taocdn.com/s3/m/6776e308ba68a98271fe910ef12d2af90242a8dc.png)
33 6
88 8
PB 7
PA
B
8
P AB PB
6 8
7 8
6 7
练习3:
设某厂生产的灯泡能使用1000小时以上的 概率为0.9,能使用1500小时以上的概率为 0.3,如果有一个灯泡已经了使用1000小时
没有损坏, 求它能使用1500小时以上的概率.
解:设事件A---灯泡能使用1000小时以上.
1 3
练习2:
市场上有甲、乙、丙三家工厂生产的同一 品牌产品,已知三家工厂的市场占有率分别 为1/4、1/4、1/2,且三家工厂的次品率 分别为 2%、1%、3%,试求市场上该品牌 产品的次品率。
解: B:买到一件次品
A1 :买到一件甲厂的产品 A2 : 买到一件乙厂的产品
A3 : 买到一件丙厂的产品
(i=1,…,n),则对任何事件BS,有
P(Aj | B)
P(Aj )P(B | Aj )
n
, ( j 1,...,n)
P(Ai )P(B | Ai )
i 1
式(1.4.6)就称为贝叶斯公式。
(1.4.6)
证明:由条件概率的定义可得
PAk
B
P BAk PB
P BAk
PBPAk
B
PB
A3 A1A2
b2 ,P ab2
A4 A1A2 A3
a, ab3
由乘法公式:
P A1A2 A3 A4 P A1 P A2 A1 P A3 A1A2
P A4 A1A2 A3 .
b b 1 b 2 a . a b a b 1 a b 2 a b 3
三、全概率公式
患有癌症",则有PA C 0.95, P A C 0.95.
概率论与数理统计条件概率PPT课件
![概率论与数理统计条件概率PPT课件](https://img.taocdn.com/s3/m/e6d2423c856a561253d36fce.png)
(3)P(A B A B)=P(A B )+P( A B) =P(A)P( B )+P( A )P(B)
问题:条件概率P(B|A)与普通概率有何关系?
P(B| A) 6 6 / 20 P( AB ) 10 10 / 20 P( A)
《概率统计》
返回
下页
结束
§1.4.1 条件概率
一、 条件概率
1.定义1 设A,B为随机试验E 的两个事件,且P(A)>0,则称
P(B| A)P(AB) P(A)
为在事件A已发生的条件下,事件B发生的条件概率. 注:条件概率与普通概率有相类似的性质,如,
则 P(A) = 0.9,P(B) = 0.8,P(C) = 0.85
因 A、B、C 相互独立,所求概率分别为
(1) P(ABC)
(2) P(ABC)
(3) P ( A B C A B C A B C A B C )
算法 (1) P (ABC ) P (A )P (B )P (C )
(2) P (A B C )P (AB )1 C P (AB ) C (3) 略.
《概率统计》
返回
下页
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)
北邮概率论与数理统计条件概率1.3
![北邮概率论与数理统计条件概率1.3](https://img.taocdn.com/s3/m/f2f67bdcbb4cf7ec4afed0db.png)
§1.3 条件概率条件概率是概率论中的一个基本概念,也是概率论中的一个重要工具,它既可以帮助我们认识更复杂的随机事件,也可以帮助我们计算一些复杂事件的概率。
1. 条件概率的定义及计算在一个随机试验中或随机现象中,当我们已知一个事件B 发生了,这时对另外一个事件A 发生的概率往往需要重新给出度量.称事件A 的这个新概率为在事件B 发生的条件下事件A 发生的条件概率,记为)|(B A P .为了对条件概率有一个直观的认识以及考虑该如何给出条件概率的数学定义,我们先看一个例子.例1 一批同类产品由甲、乙两个车间生产,各车间生产的产品数及正品和次品的情况如下表甲车间 乙车间合计 正品 465 510975 次品 15 1025 合计 480520 1000 从这批产品中任取一件,则这件产品是次品的概率为%5.2100025= 现在假设被告知取出的产品是由甲车间生产的,那么这件产品为次品的概率就不再是%5.2,而是%125.348015= 在本例中,设B 表示事件“取出的产品是由甲车间生产的”,A 表示事件“取出的产品是次品”,前面算出的事件A 的概率是在没有任可进一步的信息的情况下得到的,而后面算出的事件A 的概率是在有了 “事件B 发生了”这一信息的情况下得到的.后一个概率就是在事件B 发生的条件下事件A 发生的条件概率.与此对应,我们可以把前一个概率称为无条件概率。
经过简单计算有)()(1000/4801000/1548015)|(B P AB P B A P === 这个关系式尽管是从本例得出的,但它具有普遍意义.受由启发,我们可以在一般的样本空间中给出条件概率的数学定义.定义 设B A ,是样本空间Ω中的两个事件,且0)(>B P ,在事件B 发生的条件下,事件A 的条件概率定义为)()()|(B P AB P B A P = 根据条件概率的定义,不难验证条件概率满足概率定义中的三条公理:(1)非负性:对任一事件B ,有0)|(≥A B P ;(2)规范性:1)|(=ΩA P ;(3)可列可加性:设⋅⋅⋅⋅⋅⋅,,,,21n B B B 是两两互不相容的事件,则有∑∞=∞==⋃11)|()|(n n n n A B P A B P 自然地,条件概率也具有三条公理导出的一切性质. 比如)|(1)|(A B P A B P -=,)|()|()|()|(212121A B B P A B P A B P A B B P -+=⋃.例2 将一骰子掷两次, 已知两次的点数之和为6,求第一次的点数大于第二次点数的概率. 解:设事件=A “两次的点数之和为6”, 事件=B “第一次的点数大于第二次点数2” 方法一(在缩减的样本空间中计算).在事件A 发生的条件下,样本空间缩减为)}3,3(),2,4(),4,2(),1,5(),5,1{(=ΩA在此样本空间中考虑,事件B 包含2个样本点,所以52)|(=A B P . 方法二.365)(=A P , 362)(=AB P ,所以 5236/536/2)|(==A B P . 例 3 对于寿险产品设计而言,需关注不同年龄的人能继续存活若干年的概率.假设根据经验或某种寿命分布理论,人的寿命超过60岁的概率为0.9, 超过70岁的概率为0.8.求60岁的人能继续存活10年的概率.解:设事件=A “人的超过60岁”, =B “人的超过70岁”,则9.0)(=A P ,8.0)(=B P ,且A B ⊂,所求的概率为98)()()()()|(===A P B P A P AB P A B P . 思考:1.考虑恰有2个小孩的家庭,从这样的家庭中任选一家,已知这个家有男孩,那么这家两个小孩都是男孩的概率是多少?2.随机地遇到一男孩,并发现他属于两个孩子的家庭,那么他家的另一个小孩也是男孩的概率是多少?3.有3张完全相同的卡片,第一张卡片两面全涂成红色,第二张卡片两面全涂成黑色,第三张卡片一面涂成红色一面涂成黑色.现从3张卡片中随机取1张并放在桌面上,如果朝上的一面是红色,那么另一面是黑色的概率有多大?4.(领奖问题)某人参加了有奖竞答活动,他全过关了,现到领奖阶段,领奖规则是:有三个房间,其中一个房间里放有奖品,而另外二个房间没有奖品,全过关的选手任选一个房间,若房间里有奖品则他获得此奖品,否则没有奖品.现此人选了一房间,在他还没有打开房门时主持人打开了另外二个房门中的一个,结果没有奖品,这时该选手还有重新选择的机会,你认为应该坚持原来的选择还是换一个选择或两者皆可?二.条件概率的应用下面给出条件概率的三个非常实用的公式: (1)乘法公式;(2)全概率公式;(3)贝叶斯公式.1. 乘法公式由条件概率的定义易知)|()()(A B P A P AB P =上面公式只是条件概率定义的平凡变形,但在具体的概率计算问题中如果)|()(A B P A P ,都可方便地算出,那么利用上式就可方便地算出)(AB P .上面公式可推广至多个事件的情形:)|()|()|()()(12121312121-⋅⋅⋅⋅⋅⋅=⋅⋅⋅n n n A A A A P A A A P A A P A P A A A P ,为保证上面公式中涉及到的条件概率有意义,需要前提:0)(121>⋅⋅⋅-n A A A P .上面公式称为乘法公式.例4 一个袋有7个球,其中5个红球,2个白球.从中依次取3次球,每次取一个,取后不放回.试求事件=A “前2次取到红球,最后1次取到白球”的概率.解:设=i A “第i 次取到红球”,3,2,1=i ,则321A A A A =,从而 214526475)|()|()()()(213121321=⨯⨯===A A A P A A P A P A A A P A P .例5(Polya 罐子模型) 设一罐子有b 个黑球,r 个红球,每次随机地取一个球,取出的球放回罐子中,还加进c 个同色球和d 个异色球,如此反复取3次球.记i B 为事件“第i 次取出的球是黑球”, j R 为事件“第j 次取出的球是红球”,求)(321R R R P ,)(321R B R P . 解:)(321R R R P )(22)|()|()(213121d c r b c r d c r b c r r b r R R R P R R P R P ++++⋅++++⋅+==, )(321R B R P )(2)|()|()(213121d c r b d c r d c r b d b r b r B R R P R B P R P +++++⋅++++⋅+==.Polya 罐子模型包含有多种模型.(1) 如0,1=-=d c ,则为不放回抽样模型;(2) 如0,0==d c ,则为放回抽样模型;(3) 如0,0=>d c ,则称为传染病模型;(4) 如0,0>=d c ,则称为安全生产模型.例6 甲袋子里有n 个红球,乙袋子里有n 个黑球,按以下方式操作:从甲袋中随意地取走一个球,然后从乙袋中取出一球放入甲袋中(如果乙袋中还有球的话).一直如此操作直至n 2个球全被取走,求最后取走的是红球的概率,如n 很大,这个概率近似值是多少?解:设想甲袋中的n 个红球分别编号n ,2,1⋅⋅⋅,.记=i A “最后取走的是i 号红球”,n i ,,2,1⋅⋅⋅=,则n A A ,,1⋅⋅⋅两两互不相容,由对称性知)()()(21n A P A P A P =⋅⋅⋅==.又记=A “最后取走的是红球”,则i n i A U A 1==,从而)()()()()(121A nP A P A P A P A P n =+⋅⋅⋅++=,下面来求)(1A P .设i N 表示事件“在甲袋中的第i 次取球没有取走1号红球”,n i ,,2,1⋅⋅⋅=,那么 1211A N N N A n ⋅⋅⋅=,并且n n n N P 111)(1-=-=,n N N P 11)|(12-=,…,nN N N P n n 11)|(11-=⋅⋅⋅-, n N N A P n 1)|(11=⋅⋅⋅. 由乘法公式知)|()|()|()()(11111211n n n N N A P N N N P N N P N P A P ⋅⋅⋅⋅⋅⋅⋅⋅⋅=- nn n 1)11(-= 从而得n nA nP A P )11()()(1-== 易见, n 很大时,这个概率近似值为1)(-≈e A P .2. 全概率公式定义 设n A A A ,,,21⋅⋅⋅为n 个事件,若满足(1)j i A A j i ≠φ=,;(2)Ω=⋃=i n i A 1, 则称n A A A ,,,21⋅⋅⋅为样本空间Ω的一个分割.易见对任一事件A ,A 与A 构成一个分割.思考:一个分割n A A A ,,,21⋅⋅⋅,用概率的语言该怎么说?如果n 个事件构成样本空间Ω的一个分割,B 为该样本空间的另一个事件,那么事件B A B A B A n ,,,21⋅⋅⋅将构成B 的一个分割,即有B B A B A B A n ⋅⋅⋅=21且上式右边的n 个事件互不相容,从而有)(B P )()()(21B A P B A P B A P n +⋅⋅⋅++=)|()()|()()|()(2211n n A B P A P A B P A P A B P A P +⋅⋅⋅++=.这便证明了下面定理.定理(全概率公式) 设n A A A ,,,21⋅⋅⋅为样本空间Ω的一个分割,且n i A P i ,,2,1,0)(⋅⋅⋅=>,则对于任一事件B ,有∑==ni i i A B P A P B P 1)|()()(.上面公式叫作全概率公式,该公式表示事件B 的概率等于诸条件概率)|(i A B P 的加权平均,权重为)(i A P .另外也能看出:n A A A ,,,21⋅⋅⋅两两互不相容且i ni A B 1=⊂U (可以不要求Ω==i ni A 1U )时,全概率公式亦成立. 例7 (续抽签与顺序无关问题)求第2次取到红球的概率;第3次取到红球的概率. 解:设i A 表示事件“第i 次取到红球”,3,2,1=i 。
《概率论与数理统计》第三版--课后习题答案.-
![《概率论与数理统计》第三版--课后习题答案.-](https://img.taocdn.com/s3/m/590b4a50bceb19e8b9f6bab1.png)
习题一:1.1 写出下列随机试验的样本空间:(1)某篮球运动员投篮时, 连续5 次都命中, 观察其投篮次数;解:连续5 次都命中,至少要投5次以上,故;(2)掷一颗匀称的骰子两次, 观察前后两次出现的点数之和;解:;(3)观察某医院一天内前来就诊的人数;解:医院一天内前来就诊的人数理论上可以从0到无穷,所以;(4)从编号为1,2,3,4,5 的5 件产品中任意取出两件, 观察取出哪两件产品;解:属于不放回抽样,故两件产品不会相同,编号必是一大一小,故:(5)检查两件产品是否合格;解:用0 表示合格, 1 表示不合格,则;(6)观察某地一天内的最高气温和最低气温(假设最低气温不低于T1, 最高气温不高于T2);解:用表示最低气温, 表示最高气温;考虑到这是一个二维的样本空间,故:;(7)在单位圆内任取两点, 观察这两点的距离;解:;(8)在长为的线段上任取一点, 该点将线段分成两段, 观察两线段的长度.解:;1.2(1)A 与B 都发生, 但C 不发生; ;(2)A 发生, 且B 与C 至少有一个发生;;(3)A,B,C 中至少有一个发生; ;(4)A,B,C 中恰有一个发生;;(5)A,B,C 中至少有两个发生; ;(6) A,B,C 中至多有一个发生;;(7) A;B;C 中至多有两个发生;(8) A,B,C 中恰有两个发生. ;注意:此类题目答案一般不唯一,有不同的表示方式。
1.3 设样本空间, 事件=,具体写出下列各事件:(1); (2) ; (3) ; (4)(1);(2) =;(3) =;(4) =1.6 按从小到大次序排列, 并说明理由.解:由于故,而由加法公式,有:1.7解:(1) 昆虫出现残翅或退化性眼睛对应事件概率为:(2)由于事件可以分解为互斥事件,昆虫出现残翅, 但没有退化性眼睛对应事件概率为:(3) 昆虫未出现残翅, 也无退化性眼睛的概率为:.1.8解:(1) 由于,故显然当时P(AB) 取到最大值。
概率论1.3条件概率
![概率论1.3条件概率](https://img.taocdn.com/s3/m/909c3b19c281e53a5802ffd7.png)
四、贝叶斯(Bayes)公式
• 例8 由医学统计数据分析可知,人群中由 某种病菌引起的疾病的人数占总人数的 0.5%。一种血液化验以95%的概率将患有此 疾病的人检查出呈阳性,但也以1%的概率 误将此疾病的人检验出阳性。现设某人检 查出呈阳性反应,问他确患有此疾病的概 率是多少?
四、贝叶斯(Bayes)公式
P(B ) = P( A)P(B | A) + P A P B | A
()(
)
– 利用全概率公式,可通过综合分析一事件发生 的不同原因、情况或途径及其可能性来求得该 事件发生的概率。
三、全概率公式
• 例5 某工厂的两个车间生产同型号的家用电 器,据以往经验,第1车间的次品率为0.15, 第2车间的次品率为0.12。两个车间生产的 产品混合堆放在一个仓库且无区分标志,假 设第1,2车间生产的产品比例为2:3. (1)在仓库中随机地取一件成品,求它是次 品的概率; (2)在仓库中随机地取一只成品,若已知取 到的是次品,问此次品分别由第1,2车间生 产的概率是多少?
四贝叶斯bayes公式贝叶斯公式设为试验e的样本空间a为e的事件贝叶斯公式主要用于当观察到一个事件已经发生时去求导致该事件发生的各种原因情况或途径的可能性大小
1.3 条件概率
一、条件概率
• 设A、B是两个事件,且P(A)>0,称 是两个事件, 是两个事件 ,
P( AB ) P (B | A ) = P ( A)
n j =1 j j
P( A | Bi )P(Bi )
(i = 1,L , n )
• 意义
– 贝叶斯公式主要用于当观察到一个事件已经发 生时,去求导致该事件发生的各种原因、情况 或途径的可能性大小。
四、贝叶斯(Bayes)公式
概率论与数理统计公式
![概率论与数理统计公式](https://img.taocdn.com/s3/m/d347ce90250c844769eae009581b6bd97f19bc37.png)
概率论与数理统计公式1.概率公式:
1.1概率加法公式:
P(A∪B)=P(A)+P(B)-P(A∩B)
1.2条件概率公式:
P(A,B)=P(A∩B)/P(B)
P(B,A)=P(A∩B)/P(A)
1.3乘法公式:
P(A∩B)=P(A)*P(B,A)
P(A∩B)=P(B)*P(A,B)
1.4全概率公式:
P(A)=ΣP(A,B_i)*P(B_i)
1.5贝叶斯公式:
P(B,A)=P(A,B)*P(B)/P(A)
2.数理统计中的基本概念和公式:
2.1样本均值:
样本均值 = (x1 + x2 + ... + xn) / n
2.2总体均值:
总体均值=(样本均值*n-x)/(n-1)
2.3样本方差:
样本方差 = Σ(xi - x̄)² / (n-1)
2.4总体方差:
总体方差= Σ(xi - µ)² / N
2.5样本标准差:
样本标准差=√(样本方差)
2.6总体标准差:
总体标准差=√(总体方差)
2.7样本中位数:
样本中位数=(x[n/2]+x[(n+1)/2])/2(当n为偶数时)
2.8样本四分位数:
样本四分位数Q1=x[(n+3)/4]
样本四分位数Q3=x[(3n+1)/4]
2.9标准正态分布的累积分布函数的逆函数:
Zα=Φ^(-1)(α),其中Φ(z)表示标准正态分布的累积分布函数。
2.10卡方分布的累积分布函数的逆函数:
x^2α=χ^2^(-1)(α),其中χ^2(x)表示卡方分布的累积分布函数。
概率论与数理统计 第三节 条件概率与独立性
![概率论与数理统计 第三节 条件概率与独立性](https://img.taocdn.com/s3/m/aece426e25c52cc58bd6bebe.png)
一、条件概率
4. 条件概率的计算
P ( AB ) 1) 用定义计算 P ( A | B ) P( B)
2)用缩减的样本空间计算
例:A={掷出2点}, B={掷出偶数点} 掷骰子
1 P(A|B) = 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
一、条件概率
例1 掷两颗均匀骰子,已知第一颗掷出6点,问“掷 出点数之和不小于10”的概率是多少?
一、条件概率
2. 条件概率的定义
设A、B是两个事件,且P(B)>0,则称 P ( AB ) (1) P( A | B) P( B)
为在事件B发生的条件下,事件A的条件概率.
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).
A={取到一等品}, B={取到正品} P(A ) =3/10,
3 10 P ( AB ) 3 P(A|B) 7 10 P( B) 7
一、条件概率
A={取到一等品}, B={取到正品}
P(A)=3/10, P(A|B)=3/7 本例中,计算P(A)时,依据的前提条件是10件 产品中一等品的比例. 计算P(A|B)时,这个前提条件未变,只是加上 “事件B已发生”这个新的条件. 这好象给了我们一个“情报”,使我们得以在 某个缩小了的范围内来考虑问题.
故抓阄与次序无关.
二、乘法公式
练习3 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.
概率论与数理统计-第1章-第4讲-条件概率与乘法公式
![概率论与数理统计-第1章-第4讲-条件概率与乘法公式](https://img.taocdn.com/s3/m/740c1181b90d6c85ec3ac6cb.png)
P( AB) P( A)
100
100 99
4
01 条件概率
定义 设A、B为两事件, P ( A ) > 0 , 则称
P B A P(AB)
P( A)
为事件 A 发生的条件下事件 B 发生的条件概率.
同理
P( A | B) P( AB) P(B)
称为在事件B发生的条件下事件A的条件概率.
5
01 条件概率
解 由前例可知无论有放回抽样和无放回抽样都有 P(B) 72
100
(1)有放回抽样
P(B | A) 72 100
P(B)
独立性
(2)无放回抽样
P(B | A) 71 99
P(B)
如何定义?
P( A) 72
72 71
100 P( AB) 72 71
P(B|A) Nhomakorabea71 99
100 99 72
在解决许多概率问题时,往往需要在某些附加条件下求事件的概率. 如 在事件A发生的条件下求事件B发生的概率,将此概率记作P(B|A).
P(B|A) =? P(B)
3
01 条件概率
例 在100件产品中有72件为一等品,从中取两件产品,记A表示“第 一件为一等品”,B表示“第二件为一等品”. 求P(B) ,P(B|A).
概率论与数理统计
第1章 随机事件与概率
第4讲 条件概率与乘法公式
主讲教师 |
本章内容
01 条件概率 02 乘法公式
01 条件概率
1.条件概率
世界万物都是互相联系、互相影响的,随机事件也不例外.在同一个试验 中的不同事件之间,通常会存在着一定程度的相互影响.例如,在天气状 况恶劣的情况下交通事故发生的可能性明显比天气状况优良情况下要大得 多.
概率论与数理统计教程ppt课件
![概率论与数理统计教程ppt课件](https://img.taocdn.com/s3/m/17d80ee527d3240c8547ef2b.png)
• 每天早晨太阳从东方升起; • 水在标准大气压下加温到100oC沸腾;
2. 随机现象
• 掷一枚硬币,正面朝上?反面朝上? • 一天内进入某超市的顾客数; • 某种型号电视机的寿命;
16 March 2020
华东师范大学
第一章 随机事件与概率
第3页
1.1.1 随机现象
• 随机现象:在一定的条件下,并不总出现相 同结果的现象称为随机现象.
16 March 2020
华东师范大学
第一章 随机事件与概率
例1.2.1 六根草,头两两相接、
尾两两相接。求成环的概率.
解:用乘法原则直接计算 所求概率为
644221 8 6 5 4 3 2 1 15
第30页
16 March 2020
华东师范大学
第一章 随机事件与概率
3. 若 AnF ,n=1, 2, …, 则
UFA.n
n 1
16 March 2020
华东师范大学
第一章 随机事件与概率
第21页
§1.2 概率的定义及其确定方法
• 直观定义 —— 事件A 出现的可能性大小.
• 统计定义 —— 事件A 在大量重复试验下 出现的频率的稳定值称为该事件的概率.
2. 样本点 —— 随机试验的每一个可能结果.
3. 样本空间(Ω) —— 随机试验的所有样本点构成的集合.
4. 两类样本空间: 离散样本空间 样本点的个数为有限个或可列个. 连续样本空间 样本点的个数为无限不可列个.
16 March 2020
华东师范大学
第一章 随机事件与概率
第5页
1.1.3 随机事件
华东师范大学
第一章 随机事件与概率
概率论与数理统计 第4节 条件概率
![概率论与数理统计 第4节 条件概率](https://img.taocdn.com/s3/m/510adc97aef8941ea76e057f.png)
于是A的样本点为A (男,女), (女,男), (女,女), B (女,女),
因此P(B A) 1 ; 即另一个也是女孩的概率为1 .
3
3
但是P(B) 1 P(B A); 4
目录 上页 下页 返回 结束
一、条件概率的定义
在例1中,有P(B) P(B A), 原因是: P(B A)是在A发生的条件下B的概率,此时样本空间的 样本点发生了改变,即P(B A)是在新样本空间A A中的 的古典概率。
为 1 ;若第一次落下未打破,第二次落下打破的概率为 7 ;
2
10
若前两次落下未打破,第三次落下打破的概率为 9 ,求透镜
10
落下三次而未打破的概率.
目录 上页 下页 返回 结束
练习答案
1. 解 设A 活到50岁, B 活到51岁,则B A,
于是P(AB) P(B),现求P(B A). 因为P(A) 0.90718 , P(B) 0.901356 ,所以 P(B A) P( AB) 0.90135 0.99357 . P(B) 0.90718
目录 上页 下页 返回 结束
练习答案
2. 解 设Ai表示“第 i次落下透镜打破”, i 1,2,3, 于是所求概率为:
P( A1A2 A3) P( A1)P(A2 A1)P( A3 A1A2 )
(1 1) (1 7 ) (1 9 ) 3 .
2
10
10 200
目录 上页 下页 返回 结束
解(2)由于第二次取球发生在
第一次取球后 ,
因此
的
B
样本点数不好确定 ,于是用定义 2计算. 因为
P(
AB)
1.3概率与数理统计
![1.3概率与数理统计](https://img.taocdn.com/s3/m/ff759e32b90d6c85ec3ac66d.png)
例4 一个工厂有甲、乙、丙三个车间生产同一种产 品,每个车间的产量分别占总产量的25%,35%,40%, % % % 而产品中的次品率分别为5%,4%,2%.今将这些产品 % % % 混在一起,并随机地抽取一个产品,问它是次品的 概率为多少? 解 设事件A1,A2,A3分别表示抽到的产品是甲、乙、 丙车间生产的产品;事件B表示抽到的一个产品是 次品. 由于A1,A2,A3互不相容,故由全概率公式
= P(B1 | A) + P(B2 | A) +L+ P(Bn | A) +L
由于条件概率满足概率定义中的三条,所以由定义 推得的一切结果对于条件概率同样成立. 即 推论1 推论1 P(Φ|A)=0. 推论2 推论2 设B1,B2,…,Bn是互不相容的事件,则 P {(B1+B2+…+Bn +…)|A} =P(B1|A)+P(B2|A)+…+P(Bn|A). 推论3 推论3 0≤P(B|A)≤1. ≤ 推论4 推论4 P(B | A) =1− P(B | A)
P{( B1 + B2 + L + Bn + L) A} P{( B1 + B2 + L + Bn + L) | A} = P ( A)
P ( B1 A + B2 A + L + Bn A + L) P ( B1 A) + P ( B2 A) + L + P ( Bn A) + L = = P ( A) P ( A)
设 A=“从100个零件中任取一个为合格品”, B=“从100个零件中任取一个是第一台机床加工的”, 求(a)P(A)和P(B); (b)P(AB); (c)P(A|B)和P(B|A).
概率论与数理统计理工类第四版简明版1-3章课后答案
![概率论与数理统计理工类第四版简明版1-3章课后答案](https://img.taocdn.com/s3/m/a8a56103ba1aa8114431d985.png)
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.1.2 随机事件的概率1.3 古典概型1.4 条件概率1.5 事件的独立性复习总结与总习题解答习题3. 证明下列等式: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,观察号码是“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.解答:分别用ω1,ω2,ω3表示试验的三个结果“小于5”,“等于5”,“大于5”,则样本空间S={ω1,ω2,ω3}, 定义随机变量X如下:X=X(ω)={0,ω=ω11,ω=ω2,2,ω=ω3则X取每个值的概率为P{X=0}=P{取出球的号码小于5}=5/10,P{X=1}=P{取出球的号码等于5}=1/10,P{X=2}=P{取出球的号码大于5}=4/10.2.2 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.解答:由P{X=1}=P{X=2}, 得λe-λ=λ^2/2e^-λ,解得λ=2.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}.解答:(1)P{12<X<52=P{X=1}+P{X=2}=115+215=15;(2)P{≤X≤3}=P{X=1}+P{X=2}+P{X=3}=115+215+315=25;(3)P{X>3}=P{X=4}+P{X=5}=415+515=35.习题4一袋中装有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只球中的最大号码,写出随机变量X的分布律.解答:随机变量X的可能取值为3,4,5.P{X=3}=C22⋅1C53=110, P{X=4}=C32⋅1C53=310, P{X=5}=C42⋅1C53=35,所以X的分布律为P{X≤m-1}=∑k=0m-1(0.9)k(0.1)=1-(0.9)m,故上式化为1-0.9m=0.4, 解上式得m≈4.85≈5,因此,以0.6的概率保证在两次调整之间的合格品数不少于5.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.解答:此运动员一次投篮的投中次数是一个随机变量,设为X, 它可能的值只有两个,即0和1. X=0表示未投中,其概率为 p1=P{X=0}=1-0.6=0.4,X=1表示投中一次,其概率为 p2=P{X=1}=0.6.则随机变量的分布律为2.3 随机变量的分布函数习题1F(X)={0,x<-20.4,-2≤x<01,x≥0,是随机变量X的分布函数,则X是___________型的随机变量.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设F(x)={0x<0x20≤1,1x≥1问F(x)是否为某随机变量的分布函数.解答:首先,因为0≤F(x)≤1,∀x∈(-∞,+∞).其次,F(x)单调不减且右连续,即F(0+0)=F(0)=0, F(1+0)=F(1)=1,且 F(-∞)=0,F(+∞)=1,所以F(x)是随机变量的分布函数.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.解答:由题意知X的分布律为:X 135Pk 0.30.50.2所以其分布函数F(x)=P{X≤x}={0,x<10.3,1≤x<30.8,3≤x<51,x≥5.F(x)的图形见图.习题4设离散型随机变量X的分布函数为 F(x)={0,x<-10.4,-1≤x<10.8,1≤x<31,x≥3,试求:(1)X的概率分布; (2)P{X<2∣X≠1}.解答:(1)X -113pk 0.40.40.2(2)P{X<2∣X≠1}=P{X=-1}P{X≠1}=23.习题5设X的分布函数为F(x)={0,x<0x2,0≤x<1x-12,1≤x<1.51,x≥1.5,求P{0.4<X≤1.3},P{X>0.5},P{1.7<X≤2}.解答:P{0.4<X≥1.3}=P{1.3}-F(0.4)=(1.3-0.5)-0.4/2=0.6,P{X>0.5}=1-P{X≤0.5}=1-F(0.5)=1-0.5/2=0.75,P{1.7<X≤2}=F(2)-F(1.7)=1-1=0.习题7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]中任意小区间内的概率与这个小区间的长度成正比例,试求X的分布函数.解答:F(x)=P{X≤x}={0,x<0xa,0≤x<a.1,x≥a2.4 连续型随机变量及其概率密度习题1设随机变量X的概率密度为f(x)=12πe-(x+3)24(-∞<x<+∞),则Y=¯∼N(0,1).解答:应填3+X2.由正态分布的概率密度知μ=-3,σ=2由Y=X-μσ∼N(0,1), 所以Y=3+X2∼N(0,1).习题2已知X∼f(x)={2x,0<x<10,其它, 求P{X≤0.5};P{X=0.5};F(x).解答:P{X≤0.5}=∫-∞0.5f(x)dx=∫-∞00dx+∫00.52xdx=x2∣00.5=0.25,P{X=0.5}=P{X≤0.5}-P{X<0.5}=∫-∞0.5f(x)dx-∫-∞0.5f(x)dx=0.当X≤0时,F(x)=0;当0<x<1时,F(x)=∫-∞xf(t)dt=∫-∞00dt+∫0x2tdt=t2∣0x=x2;当X≥1时,F(x)=∫-∞xf(t)dt=∫-∞00dt+∫0x2tdt+∫1x0dt=t2∣01=1,故F(x)={0,x≤0x2,0<x<1.1,x≥1习题3设连续型随机变量X的分布函数为F(x)={A+Be-2x,x>00,x≤0,试求:(1)A,B的值;(2)P{-1<X<1}; (3)概率密度函数F(x).解答:(1)\becauseF(+∞)=limx→+∞(A+Be-2x)=1, ∴A=1;又 \becauselimx→0+(A+Be-2x)=F(0)=0, ∴B=-1.(2) P{-1<X<1}=F(1)-F(-1)=1-e-2.(3)f(x)=F′(x)={2e-x,x>00,x≤0.习题5某型号电子管,其寿命(以小时计)为一随机变量,概率密度f(x)={100x2,x≥1000,其它,某一电子管的使用寿命为X, 则三个电子管使用150小时都不需要更换的概率.解答:设电子管的使用寿命为X, 则电子管使用150小时以上的概率为P{X>150}=∫150+∞f(x)dx=∫150+∞100x2dx=-100x∣150+∞=100150=23,从而三个电子管在使用150小时以上不需要更换的概率为 p=(2/3)3=8/27.习题6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分钟内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.解答:设X为每位乘客的候车时间,则X服从[0,5]上的均匀分布. 设Y表示车站上10位乘客中等待时间超过4分钟的人数. 由于每人到达时间是相互独立的.这是10重伯努力概型. Y服从二项分布,其参数n=10,p=P{X≥4}=15=0.2,所以P{Y=1}=C101×0.2×0.89≈0.268.习题7设X∼N(3,22).(1)确定C, 使得P{X>c}=P{X≤c};(2)设d满足P{X>d}≥0.9,问d至多为多少?解答:因为X∼N(3,22), 所以X-32=Z∼N(0,1).(1)欲使P{X>c}=P{X≤c},必有1-P{X≤c}=P{X≤c},即P{X≤c}=1/2,亦即Φ(c-32)=12, 所以 c-32=0, 故c=3.(2)由P{X>d}≥0.9可得1-P{X≤d}≥0.9,即P{X≤d}≤0.1.于是Φ(d-32)≤0.1,Φ(3-d2)≥0.9.查表得3-d2≥1.282,所以d≤0.436.习题9某玩具厂装配车间准备实行计件超产奖,为此需对生产定额作出规定. 根据以往记录,各工人每月装配产品数服从正态分布N(4000,3600).假定车间主任希望10%的工人获得超产奖,求:工人每月需完成多少件产品才能获奖?解答:用X表示工人每月需装配的产品数,则X∼N(4000,3600).设工人每月需完成x件产品才能获奖,依题意得P{X≥x}=0.1,即1-P{X<x}=0.1,所以1-F(x)=0.1, 即 1-Φ(x-400060)=0.1, 所以Φ(x-400060)=0.9.查标准正态人分布表得Φ(1.28)=0.8997, 因此 x-400060≈1.28,即x=4077件,就是说,想获超产奖的工人,每月必须装配4077件以上.习题11设某城市男子身高X∼N(170,36), 问应如何选择公共汽车车门的高度使男子与车门碰头的机会小于0.01.解答:X∼N(170,36), 则X-1706∼N(0,1).设公共汽车门的高度为xcm,由题意P{X>x}<0.01, 而P{X>x}=1-P{X≤x}=1-Φ(x-1706)<0.01,即Φ(x-1706)>0.99, 查标准正态表得x-1706>2.33, 故x>183.98cm.因此,车门的高度超过183.98cm时,男子与车门碰头的机会小于0.01.习题12某人去火车站乘车,有两条路可以走. 第一条路程较短,但交通拥挤,所需时间(单位:分钟)服从正态分布N(40,102); 第二条路程较长,但意外阻塞较少,所需时间服从正态分布N(50,42), 求:(1)若动身时离开车时间只有60分钟,应走哪一条路线?(2)若动身时离开车时间只有45分钟,应走哪一条路线?解答:设X,Y分别为该人走第一、二条路到达火车站所用时间,则 X∼N(40,102),Y∼N(50,42).哪一条路线在开车之前到达火车站的可能性大就走哪一条路线.(1)因为P{X<60}=Φ(60-4010)=Φ(2)=0.97725, P{Y<60}=Φ(60-504)=Φ(2.5)=0.99379,所以有60分钟时应走第二条路.(2)因为P{X<45}=Φ(45-4010)=Φ(0.5)=0.6915,P{X<45}=Φ(45-504)=Φ(-1.25)=1-Φ(1.25)=1-0.8925=0.1075所以只有45分钟应走第一条路.解答:因为 sinxnπ2={1,当n=4k-10,当n=2k-1,当n=4k-3,所以Y=sin(π2X)只有三个可能值-1,0,1. 容易求得 P{Y=-1}=215,P{=0}=13,P{Y=1}=815故Y的分布律列表表示为总习题解答习题1从1∼20的整数中取一个数,若取到整数k的概率与k成正比,求取到偶数的概率.解答:设Ak为取到整数k, P(Ak)=ck, k=1,2,⋯,20.因为P(⋃K=120Ak)=∑k=120P(Ak)=c∑k=120k=1,所以c=1210,P{取到偶数}=P{A2∪A4∪⋯∪A20} =1210(2+4+⋯+20)=1121.习题2若每次射击中靶的概率为0.7, 求射击10炮,(1)命中3炮的概率;(2)至少命中3炮的概率;(3)最可能命中几炮.解答:若随机变量X表示射击10炮中中靶的次数. 由于各炮是否中靶相互独立,所以是一个10重伯努利概型,X服从二项分布,其参数为n=10,p=0.7, 故(1)P{X=3}=C103(0.7)3(0.3)7≈0.009;(2)P{X≥3}=1-P{X<3}=1-[C100(0.7)0(0.3)10+C101(0.7)1(0.3)9+C102(0.7)2(0.3)8]≈0.998;(3)因X∼b(10,0.7), 而k0=[(n+1)p]=[(10+1)]×0.7=[7.7]=7,故最可能命中7炮.习题3在保险公司里有2500名同一年龄和同社会阶层的人参加了人寿保险,在1年中每个人死亡的概率为0.002,每个参加保险的人在1月1日须交120元保险费,而在死亡时家属可从保险公司里领20000元赔偿金,求:(1)保险公司亏本的概率;(2)保险公司获利分别不少于100000元, 200000元的概率.解答:1)以“年”为单位来考虑,在1年的1月1日,保险公司总收入为2500×120元=30000元.设1年中死亡人数为X, 则X∼b(2500,0.002), 则保险公司在这一年中应付出200000X(元),要使保险公司亏本,则必须 200000X>300000即X>15(人).因此,P{保险公司亏本}=P{X>15}=∑k=162500C2500k(0.002)k×(0.998)2500-k≈1-∑k=015e-55kk!≈0.000069,由此可见,在1年里保险公司亏本的概率是很小的.(2)P{保险公司获利不少于100000元}=P{300000-200000X≥100000}=P{X≤10}=∑k=010C2500k(0.002)×(0.998)2500-k≈∑k=010e-55kk!≈0.986305,即保险公司获利不少于100000元的概率在98%以上.P{保险公司获利不少于200000元}=P{300000-200000X≥200000}=P{X≤5}=∑k=05C2500k(0.002)k×(0.998)2500-k≈∑k=05e-55kk!≈0.615961,即保险公司获利不少于200000元的概率接近于62%.习题4一台总机共有300台分机,总机拥有13条外线,假设每台分机向总机要外线的概率为3%, 试求每台分机向总机要外线时,能及时得到满足的概率和同时向总机要外线的分机的最可能台数.解答:设分机向总机要到外线的台数为X, 300台分机可看成300次伯努利试验,一次试验是否要到外线. 设要到外线的事件为A, 则P(A)=0.03, 显然X∼b(300,0.03), 即P{X=k}=C300k(0.03)k(0.97)300-k(k=0,1,2,⋯,300),因n=300很大,p=0.03又很小,λ=np=300×0.03=9,可用泊松近似公式计算上面的概率. 因总共只有13条外线,要到外线的台数不超过13,故P{X≤13}≈∑k=0139kk!e-9≈0.9265, (查泊松分布表)且同时向总机要外线的分机的最可能台数k0=[(n+1)p]=[301×0.03]=9.习题5在长度为t的时间间隔内,某急救中心收到紧急呼救的次数X服从参数t2的泊松分布,而与时间间隔的起点无关(时间以小时计), 求:(1)某一天从中午12至下午3时没有收到紧急呼救的概率;(2)某一天从中午12时至下午5时至少收到1次紧急呼救的概率.解答:(1)t=3,λ=3/2, P{X=0}=e-3/2≈0.223;(2)t=5,λ=5/2, P{X≥1}=1-P{X=0}=1-e-5/2≈0.918.习题6设X为一离散型随机变量,其分布律为X -101pi 1/22-13/2-2(2)由F(x)=P{X≤x}计算X的分布函数F(x)={0,1/2,2-1/2,1,x<-1-1≤x<00≤x<0x≥1.习题9设连续型随机变量X的分布密度为f(x)={x,0<x≤12-x,1<x≤20,其它,求其分布函数F(x).解答:当x≤0时,F(x)=∫-∞x0dt=0;当0<x≤1时,F(x)=∫-∞xf(t)dt=∫-∞00tdt+∫0xtdt=12x2;当1<x≤2时,F(x)=∫-∞xf(t)dt=∫-∞00dt+∫01tdt+∫1x(2-t)dt=0+12+(2t-12t2)∣1x=-1+2x-x22;当x>2时,F(x)=∫-∞00dt+∫01tdt+∫12(2-t)dt+∫2x0dt=1,故F(x)={0,x≤212x2,0<x≤1-1+2x-x22,1<x≤21,x>2.习题10某城市饮用水的日消费量X(单位:百万升)是随机变量,其密度函数为:f(x)={19xe-x3,x>00,其它,试求:(1)该城市的水日消费量不低于600万升的概率;(2)水日消费量介于600万升到900万升的概率.解答:先求X的分布函数F(x). 显然,当x<0时,F(x)=0, 当x≥0时有F(x)=∫0x19te-t3dt=1-(1+x3)e-x3故F(x)={1-(1+x3)e-x3,x≥00,x<0,所以P{X≥6}=1-P{X<6}=1-P(X≤6}=1-F(6)=1-[1-(1+x3)e-x3]x=6=3e-2,P{6<X≤9}=F(9)-F(6)=(1-4e-3)-(1-3e-2)=3e-2-4e-3.习题11已知X∼f(x)={cλe-λx,x>a0,其它(λ>0), 求常数c及P{a-1<X≤a+1}.解答:由概率密度函数的性质知∫-∞+∞f(x)dx=1,而∫-∞+∞f(x)dx=∫-∞a0dx+∫a+∞cλe-λxdx=c∫a+∞e-λxd(λx)=-ce-λx\vlinea+∞=ce-λa,所以ce-λa=1, 从而c=eλ a. 于是P{a-1<X≤a+1}=∫a-1a+1f(x)dx=∫a-1a0dx+∫aa+1λeλae-λxdx=-eλae-λx\vlineaa+1=-eλa(e-λ(a+1)-e-λa)=1-e-λ.注意,a-1<a, 而当x<a时,f(x)=0.习题12已知X∼f(x)={12x2-12x+3,0<x<10,其它, 计算P{X≤0.2∣0.1<X≤0.5}.解答:根据条件概率;有P{X≤0.2∣0.1<X≤0.5}=P{X≤0.2,0.1<X≤0.5}P{0.1<X≤0.5}=P{0.1<X≤0.2}P{0.1<X≤0.5}=∫0.10.2(12x2-12x+2)dx∫0.10.5(12x2-12x+3) dx=(4x3-6x2+3x)∣0.10.2(4x3-6x2+3x)∣0.10.5=0.1480.256=0.578125.习题15设K在(0,5)上服从均匀分布,求x的方程4x2+4Kx+K+2=0有实根的概率.解答:因为K∼U(0,5), 所以 fK(k)={1/5,0<k<50,其它,方程4x2+4Kx+K+2=0有实根的充要条件为(4K)2-4⋅4(K+2)≥0,即 K2-K-2≥0,亦即(k-2)(K+1)≥0,解得K≥2(K≤-1舍去), 所以P{方程有实根}=P{K≥2}=∫2515dx=35.习题13若F1(x),F2(x)为分布函数,(1)判断F1(x)+F2(x)是不是分布函数,为什么?(2)若a1,a2是正常数,且a1+a2=1. 证明:a1F1(x)+a2F2(x)是分布函数.解答:(1)F(+∞)=limx→+∞F(x)=limx→+∞F1(x)+limx→+∞F2(x)=1+1=2≠1故F(x)不是分布函数.(2)由F1(x),F2(x)单调非减,右连续,且 F1(-∞)=F2(-∞)=0,F1(+∞)=F2(+∞)=1,可知a1F1(x)+a2F2(x)单调非减,右连续,且 a1F1(-∞)+a2F2(-∞)=0,a1F1(+∞)+a2F2(+∞)=1.从而a1F1(x)+a2F2(x)是分布函数.习题16某单位招聘155人,按考试成绩录用,共有526人报名,假设报名者考试成绩X∼N(μ,σ2), 已知90分以上12人,60分以下83人,若从高分到低分依次录取,某人成绩为78分,问此人是否能被录取?解答:要解决此问题首先确定μ,σ2, 因为考试人数很多,可用频率近似概率.根据已知条件P{X>90}=12/526≈0.0228,P{X≤90}=1-P{X>90}≈1-0.0228}=0.9772;又因为P{X≤90}=P{X-μσ≤90-μσ, 所以有Φ(90-μσ)=0.9772, 反查标准正态表得90-μσ=2 ①同理:P{X≤60}=83/526≈0.1578; 又因为P{X≤60}=P{X-μσ≤60-μσ,故Φ(60-μσ)≈0.1578.因为0.1578<0.5,所以60-μσ<0, 故Φ(μ-60σ)≈1-0.1578=0.8422, 反查标准正态表得μ-60σ≈1.0 ②联立①,②解得σ=10,μ=70, 所以,X∼N(70,100).某人是否能被录取,关键看录取率. 已知录取率为155526≈0.2947, 看某人是否能被录取,解法有两种:方法1:P{X>78}=1-P{X≤78}=1-P{x-7010≤78-7010=1-Φ(0.8)≈1-0.7881=0.2119,因为0.2119<0.2947(录取率), 所以此人能被录取.方法2:看录取分数线. 设录取者最低分为x0, 则P{X≥x0}=0.2947(录取率),P{X≤x0}=1-P{X≥x0}=1-0.2947=0.7053,P{X≤x0}=P{x-7010≤x0-7010=Φ{x0-7010=0.7053,反查标准正态表得x0-7010≈0.54, 解得x0≈75. 此人成绩78分高于最低分,所以可以录取.习题17假设某地在任何长为t(年)的时间间隔内发生地震的次数N(t)服从参数为λ=0.1t的泊松分布,X表示连续两次地震之间间隔的时间(单位:年).(1)证明X服从指数分布并求出X的分布函数;(2)求今后3年内再次发生地震的概率;(3)求今后3年到5年内再次发生地震的概率.解答:(1)当t≥0时,P{X>t}=P{N(t)=0}=e-0.1t,∴F(t)=P{X≤t}=1-P{X>t}=1-e-0.1t;当t<0时,F(t)=0,∴ F(x)={1-e-0.1t,x≥00,x<0,X服从指数分布(λ=0.1);(2)F(3)=1-e-0.1×3≈0.26;(3)F(5)-F(3)≈0.13.习题18100件产品中,90个一等品,10个二等品,随机取2个安装在一台设备上,若一台设备中有i个(i=0,1,2)二等品,则此设备的使用寿命服从参数为λ=i+1的指数分布.(1)试求设备寿命超过1的概率;(2)已知设备寿命超过1,求安装在设备上的两个零件都是一等品的概率 .解答:(1)设X表示设备寿命. A表示“设备寿命超过1”,Bi表示“取出i个二等品”(i=0,1,2),则X的密度函数为fX(x)={λe-λx,x>00,x≤0 (λ=i+1,i=0,1,2),P(B0)=C902C1002, P(B1)=C901C102C1002, P(B2)=C102C1002,P(A∣B0)=∫1+∞e-xdx=e-1, P(A∣B1)=∫1+∞2e-2xdx=e-2,P(A∣B2)=∫1+∞3e-3xdx=e-3,由全概率公式:P(A)=∑i=02P(Bi)P(A∣Bi)≈0.32.(2)由贝叶斯公式:P(B0∣A)=P(B0)P(A∣B0)P(A)≈0.93.解答:由Y=2X+3, 有 y=2x+3,x=y-32,x′=12,由定理即得 fY(x)={0,y<3(y-32)3e-(y-32),y≥3.习题21设随机变量X的概率密度fX(x)={e-x,x>00,其它,求Y=eX的概率密度.解答:因为α=min{y(0),y(+∞)}=min{1,+∞}=1,β=max{y(0),y(+∞)}=max{1,+∞}=+∞.类似上题可得fY(y)={fX[h(y)]∣h′(y)∣,1<y<+∞0,其它={1/y2,1<y<+∞0,其它.习题22设随便机变量X的密度函数为 fX(x)={1-∣x∣,-1<x<10,其它,求随机变量Y=X2+1的分布函数与密度函数.解答:X的取值范围为(-1,1), 则Y的取值范围为[1,2). 当1≤y<2时,FY(y)=P{Y≤y}=P{X2+1≤y}=P{-Y-1≤x≤y-1}=∫-y-1y-1(1-∣x∣)dx=2∫0y-1(1-x)dx=1-(1-y-1)2,从而Y的分布函数为 FY(y)={0,y<11-(1-y-1)2,1≤y<2,1,其它Y的概率密度为fY(y)={1y-1-1,1<y<20,其它.第三章多维随机变量及其分布=14+0+0=14.习题3(2)3.设二维离散型随机变量的联合分布如下表:试求:(2)P{1≤X≤2,3≤Y≤4};解答:P{1≤X≤2,3≤Y≤4}=P{X=1,Y=3}+P{X=1,Y=4}+P{X=2,Y=3}+P{X=2,Y=4}=0+116+0+14=516.习题3(3)3.设二维离散型随机变量的联合分布如下表:试求: (3)F(2,3).解答:F(2,3)=P(1,1)+P(1,2)+P(1,3)+P(2,1)+P(2,2)+P(2,3)=14+0+0+116+14+0=916.习题4设X,Y为随机变量,且P{X≥0,Y≥0}=37,P{X≥0}=P{Y≥0}=47,求P{max{X,Y}≥0}.解答:P{max{X,Y}≥0}=P{X,Y至少一个大于等于0} =P{X≥0}+P{Y≥0}-P{X≥0,Y≥0}=47+47-37=57.习题5(X,Y)只取下列数值中的值: (0,0),(-1,1),(-1,13),(2,0)且相应概率依次为16,13,112,512, 请列出(X,Y)的概率分布表,并写出关于Y的边缘分布.解答:(1)因为所给的一组概率实数显然均大于零,且有16+13+112+512=1, 故所给的一组实数必是某二维随机变量(X,Y)的联合概率分布. 因(X,Y)只取上述四组可能值,故事件:{X=-1,Y=0}, {X=0,Y=13, {X=0,Y=1},{X=2,Y=13,{X=2,Y=1}均为不可能事件,其概率必为零. 因而得到下表:函数F(x,y)在平面各区域的表达式 F(x,y)={0,x≤0或y≤0x2,0≤x≤1,y>1x2y2,0≤x≤1,0≤y≤1.y2,x>习题9设二维随机变量(X,Y)的概率密度为 f(x,y)={4.8y(2-x),0≤x≤1,x≤y≤10,其它,求边缘概率密度fY(y).解答:fX(x)=∫-∞+∞f(x,y)dy={∫0x4.8y(2-x)dy,0≤x≤10,其它={2.4x2(2-x),0≤x≤10,其它.fY(y)=∫-∞+∞f(x,y)dx={∫0y4.8y(2-x)dx,0≤y≤10,其它={2.4y(4y-y2),0≤y≤10,其它.习题6设随机向量(X,Y)服从二维正态分布N(0,0,102,102,0), 其概率密度为f(x,y)=1200πex2+y2200,求P{X≤Y}.解答:由于P{X≤Y}+P{X>Y}=1,且由正态分布图形的对称性,知P{X≤Y}=P{X>Y},故P{X≤Y}=12.3.3 二维随机变量函数的分布习题5设随机变量(X,Y)的概率密度为 f(x,y)={12(x+y)e-(x+y),x>0,y>00,其它,(1)问X和Y是否相互独立?(2)求Z=X+Y的概率密度.解答:(1)fX(x)=∫-∞+∞f(x,y)dy={∫0+∞12(x+y)e-(x+y)dy,x>00,x≤0\under2line令x+y=t{∫x+∞12te-tdt=12(x+1)e-x,x>00,x≤0,由对称性知fY(y)={12(y+1)e-y,y>00,y≤0,显然f(x,y)≠fX(x)fY(y),x>0,y>0,所以X与Y不独立.(2)用卷积公式求fZ(z)=∫-∞+∞f(x,z-x)dx.当{x>0z-x>0 即 {x>0x<z时,f(x,z-x)≠0,所以当z≤0时,fZ(z)=0;当z>0时,fZ(z)=∫0z12xe-xdx=12z2e-z.于是,Z=X+Y的概率密度为 fZ(z)={12z2e-z,z>00,z≤0.习题6设随机变量X,Y相互独立,若X服从(0,1)上的均匀分布,Y服从参数1的指数分布,求随机变量Z=X+Y的概率密度.解答:据题意,X,Y的概率密度分布为 fX(x)={1,0<x<10,其它, fY(y)={e-y,y≥00,y<0,由卷积公式得Z=X+Y的概率密度为fZ(z)=∫-∞+∞fX(x)fY(z-x)dx=∫-∞+∞fX(z-y)fY(y)dy =∫0+∞fX(z-y)e-ydy.由0<z-y<1得z-1<y<z,可见:当z≤0时,有fX(z-y)=0, 故fZ(z)=∫0+∞0⋅e-ydy=0;当z>0时,fZ(z)=∫0+∞fX(z-y)e-ydy=∫max(0,z-1)ze-ydy=e-max(0,z-1)-e-z,即fZ(z)={0,z≤01-e-z,0<z≤1e1-z-e-z,z>1.习题7设随机变量(X,Y)的概率密度为f(x,y)={be-(x+y),0<x<1,0<y<+∞,0,其它.(1)试确定常数b;(2)求边缘概率密度fX(x),fY(y);(3)求函数U=max{X,Y}的分布函数.解答:(1)由∫-∞+∞∫-∞+∞f(x,y)dxdy=1,确定常数b. ∫01dx∫0+∞be-xe-ydy=b(1-e-1)=1,所以b=11-e-1,从而 f(x,y)={11-e-1e-(x+y),0<x<1,0<y<+∞,0,其它.(2)由边缘概率密度的定义得fX(x)={∫0+∞11-e-1e-(x+y)dy=e-x1-e-x,0<x<1,0,其它,fY(x)={∫0111-e-1e-(x+y)dx=e-y,0<y<+∞,0,其它(3)因为f(x,y)=fX(x)fY(y),所以X与Y独立,故FU(u)=P{max{X,Y}≤u}=P{X≤u,Y≤u}=FX(u)FY(u),其中FX(x)=∫0xe-t1-e-1dt=1-e-x1-e-1,0<x<1,所以FX(x)={0,x≤0,1-e-x1-e-1,0<x<1,1,x≥1.同理FY(y)={∫0ye-tdt=1-e-y,0<y<+∞,0,y≤0,因此 FU(u)={0,u<0,(1-e-u)21-e-1,0≤u<1,1-e-u,u≥1.习题9设随机变量X,Y相互独立,且服从同一分布,试明:P{a<min{X,Y}≤b}=[P{X>a}]2-[P{X>b}]2.解答:设min{X,Y}=Z,则P{a<min{X,Y}≤b}=FZ(b)-FZ(a),FZ(z)=P{min{X,Y}≤z}=1-P{min{X,Y}>z} =1-P{X>z,Y>z}=1-P{X>z}P{Y>z} =1-[P{X>z}]2,代入得P{a<min{X,Y}≤b}=1-[P{X>b}]2-(1-[P{X>a}]2)=[P{X>a}]2-[P{X>b}]2.证毕.复习总结与总习题解答习题1在一箱子中装有12只开关,其中2只是次品,在其中取两次,每次任取一只,考虑两种试验:(1)放回抽样;(2)不放回抽样.我们定义随机变量X,Y如下:X={0,若第一次取出的是正品1,若第一次取出的是次品, Y={0,若第二次取出的是正品1,若第二次取出的是次品,试分别就(1),(2)两种情况,写出X和Y的联合分布律.解答:(1)有放回抽样,(X,Y)分布律如下:P{X=0,Y=0}=10×1012×12=2536; P{X=1,Y=0}=2×1012×12=536,P{X=0,Y=1}=10×212×12=536, P{X=1,Y=1}=2×212×12=136,(2)不放回抽样,(X,Y)的分布律如下:P{X=0,Y=0}=10×912×11=4566, P{X=0,Y=1}=10×212×11=1066,P{X=1,Y=0}=2×1012×11=1066, P{X=1,Y=1}=2×112×11=166,习题2假设随机变量Y服从参数为1的指数分布,随机变量Xk={0,若Y≤k1,若Y>k(k=1,2),求(X1,X2)的联合分布率与边缘分布率.解答:因为Y服从参数为1的指数分布,X1={0,若Y≤11,若Y>1, 所以有P{X1=1}=P{Y>1}=∫1+∞e-ydy=e-1, P{X1=0}=1-e-1,同理P{X2=1}=P{Y>2}=∫2+∞e-ydy=e-2, P{X2=0}=1-e-2,因为P{X1=1,X2=1}=P{Y>2}=e-2,P{X1=1,X2=0}=P{X1=1}-P{X1=1,X2=1}=e-1-e-2,P{X1=0,X2=0}=P{Y≤1}=1-e-1,P{X1=0,X2=1}=P{X1=0}-P{X1=0,X2=0}=0,故(X1,X2)联合分布率与边缘分布率如下表所示:习题3在元旦茶话会上,每人发给一袋水果,内装3只橘子,2只苹果,3只香蕉. 今从袋中随机抽出4只,以X记橘子数,Y记苹果数,求(X,Y)的联合分布.解答:X可取值为0,1,2,3,Y可取值0,1,2.P{X=0,Y=0}=P{∅}=0, P{X=0,Y=1}=C30C21C33/C84=2/70,P{X=0,Y=2}=C30C22C32/C84=3/70, P{X=1,Y=0}=C31C20C33/C84=3/70,P{X=1,Y=1}=C31C21C32/C84=18/70 , P{X=1,Y=2}=C31C22C31/C84=9/70,P{X=2,Y=0}=C32C20C32/C84=9/70, P{X=2,Y=1}=C32C21C31/C84=18/70,P{X=2,Y=2}=C32C22C30/C84=3/70, P{X=3,Y=0}=C33C20C31/C84=3/70,P{X=3,Y=1}=C33C21C30/C84=2/70, P{X=3,Y=2}=P{∅}=0,所以,(X,Y)的联合分布如下:习题4设随机变量X与Y相互独立,下表列出了二维随机变量(X,Y)的联合分布律及关于X与Y的边缘分布律中的部分数值,试将其余数值填入表中的空白处:解答:由题设X与Y相互独立,即有pij=pi⋅p⋅j(i=1,2;j=1,2,3), p⋅1-p21=p11=16-18=124,又由独立性,有p11=p1⋅p⋅1=p1⋅16故p1⋅=14.从而p13=14-124-18, 又由p12=p1⋅p⋅2, 即18=14⋅p⋅2.从而p⋅2=12. 类似的有p⋅3=13,p13=14,p2⋅=34.将上述数值填入表中有习题5设随机变量(X,Y)的联合分布如下表:求:(1)a值;(2)(X,Y)的联合分布函数F(x,y);(3)(X,Y)关于X,Y的边缘分布函数FX(x)与FY(y).解答:(1)\because由分布律的性质可知∑i⋅jPij=1, 故14+14+16+a=1,∴a=13.(2)因F(x,y)=P{X≤x,Y≤y}①当x<1或y<-1时,F(x,y)=0;②当1≤x<2,-1≤y<0时,F(x,y)=P{X=1,Y=-1}=1/4;③当x≥2,-1≤y<0时,F(x,y)=P{X=1,Y=-1}+P{X=2,Y=-1}=5/12;④当1≤x<2,y>0时,F(x,y)=P{X=1,Y=-1}+P{X=1,Y=0}=1/2;⑤当x≥2,y≥0时,F(x,y)=P{X=1,Y=-1}+P{X=2,Y=-1} +P{X=1,Y=0}+P{X=2,Y=0} =1;综上所述,得(X,Y)联合分布函数为F(x,y)={0,x<1或y<-11/4,1≤x<2,-1≤y<05/12,x≥2,-1≤y<01/2,1≤x<2,y≥01,x≥2,y≥0.(3)由FX(x)=P{X≤x,Y<+∞}=∑xi<x∑j=1+∞pij, 得(X,Y)关于X的边缘分布函数为:FX(x)={0,x<114+14,1≤x<214+14+16+13,x≥2={0,x<11/2,1≤x<21,x≥2,同理,由FY(y)=P{X<+∞,Y≤y}=∑yi≤y∑i=1+∞Pij, 得(X,Y)关于Y的边缘分布函数为FY(y)={0,y<-12/12,-1≤y<01,y≥0.习题6设随机变量(X,Y)的联合概率密度为f(x,y)={c(R-x2+y2),x2+y2<R0,x2+y2≥R,求:(1)常数c; (2)P{X2+Y2≤r2}(r<R).解答:(1)因为1=∫-∞+∞∫-∞+∞f(x,y)dydx=∫∫x2+y2<Rc(R-x2+y)dxdy=∫02π∫0Rc(R-ρ)ρdρdθ=cπR33,所以有c=3πR3.(2)P{X2+Y2≤r2}=∫∫x2+y2<r23πR3[R-x2+y2]dxdy=∫02π∫0r3πR3(R-ρ)ρdρdθ=3r2R2(1-2r3R).习题7设f(x,y)={1,0≤x≤2,max(0,x-1)≤y≤min(1,x)0,其它,求fX(x)和fY(y).解答:max(0,x-1)={0,x<1x-1,x≥1, min(1,x)={x,x<11,x≥1,所以,f(x,y)有意义的区域(如图)可分为{0≤x≤1,0≤y≤x},{1≤x≤2,1-x≤y≤1},即f(x,y)={1,0≤x≤1,0≤y≤x1,1≤x≤2,x-1≤y≤1,0,其它所以fX(x)={∫0xdy=x,0≤x<1∫x-11dy=2-x,1≤x≤20,其它,fY(y)={∫yy+1dx=1,0≤y≤10,其它.习题8若(X,Y)的分布律为则α,β应满足的条件是¯, 若X与Y独立,则α=¯,β=¯.解答:应填α+β=13;29;19.由分布律的性质可知∑i⋅jpij=1, 故16+19+118+13+α+β=1,即α+β=13.又因X与Y相互独立,故P{X=i,Y=j}=P{X=i}P{Y=j}, 从而α=P{X=2,Y=2}=P{X=i}P{Y=j},=(19+α)(14+α+β)=(19+α)(13+13)=29,β=P{X=3,Y=2}=P{X=3}P{Y=2}=(118+β)(13+α+β)=(118+β)(13+13),∴β=19.习题9设二维随机变量(X,Y)的概率密度函数为f(x,y)={ce-(2x+y),x>0,y>00,其它,(1)确定常数c; (2)求X,Y的边缘概率密度函数;(3)求联合分布函数F(x,y); (4)求P{Y≤X};(5)求条件概率密度函数fX∣Y(x∣y); (6)求P{X<2∣Y<1}.解答:(1)由∫-∞+∞∫-∞+∞f(x,y)dxdy=1求常数c.∫0+∞∫0+∞ce-(2x+y)dxdy=c⋅(-12e-2x)\vline0+∞⋅(-e-y)∣0+∞=c2=1,所以c=2.(2)fX(x)=∫-∞+∞f(x,y)dy={∫0+∞2e-2xe-ydy,x>00,x≤0={2e-2x,x>00,x≤0,fY(y)=∫-∞+∞f(x,y)dx={∫0+∞2e-2xe-ydx,y>00,其它={e-y,y>00,y≤0.(3)F(x,y)=∫-∞x∫-∞yf(u,v)dvdu={∫0x∫0y2e-2ue-vdvdu,x>0,y>00,其它={(1-e-2x)(1-e-y),x>0,y>00,其它.(4)P{Y≤X}=∫0+∞dx∫0x2e-2xe-ydy=∫0+∞2e-2x(1-e-x)dx=13.(5)当y>0时,fX∣Y(x∣y)=f(x,y)fY(y)={2e-2xe-ye-y,x>00,x≤0={2e-2x,x>00,x≤0.(6)P{X<2∣Y<1}=P{X<2,Y<1}P{Y<1}=F(2,1)∫01e-ydy=(1-e-1)(1-e-4)1-e-1=1-e-4.习题10设随机变量X以概率1取值为0, 而Y是任意的随机变量,证明X与Y相互独立.解答:因为X的分布函数为F(x)={0,当x<0时1,当x≥0时, 设Y的分布函数为FY(y),(X,Y)的分布函数为F(x,y),则当x<0时,对任意y, 有F(x,y)=P{X≤x,Y≤y}=P{(X≤x)∩(Y≤y)}=P{∅∩(Y≤y)}=P{∅}=0=FX(x)FY(y);当x≥0时,对任意y, 有F(x,y)=P{X≤x,Y≤y}=P{(X≤x)∩(Y≤y)}=P{S∩(Y≤y)}=P{Y≤y}=Fy(y)=FX(x)FY(y),依定义,由F(x,y)=FX(x)FY(y)知,X与Y独立习题12设二维随机变量(X,Y)的联合分布律为若X与Y相互独立,求参数a,b,c的值.解答:关于X的边缘分布为由于X与Y独立,则有p22=p2⋅p⋅2 得b=(b+19)(b+49) ①p12=p1⋅p⋅2 得19=(a+19)(b+49) ②由式①得b=29, 代入式②得a=118. 由分布律的性质,有a+b+c+19+19+13=1,代入a=118,b=29, 得c=16.易验证,所求a,b,c的值,对任意的i和j均满足pij=pi⋅×p⋅j.因此,所求a,b,c的值为a=118,b=29,c=16.习题13已知随机变量X1和X2的概率分布为且P{X1X2=0}=1.(1)求X1和X2的联合分布律;(2)问X1和X2是否独立?解答:(1)本题是已知了X1与X2的边缘分布律,再根据条件P{X1X2=0}=1, 求出联合分布. 列表如下:再由p⋅1=p-11+p11+p01, 得p01=12, p-10=p-1⋅=p-11=14,p10=p1⋅-p11=14,从而得p00=0.(2)由于p-10=14≠p-1⋅⋅p⋅0=14⋅12=18, 所以知X1与X2不独立.习题14设(X,Y)的联合密度函数为f(x,y)={1πR2,x2+y2≤R20,其它,(1)求X与Y的边缘概率密度;(2)求条件概率密度,并问X与Y是否独立?解答:(1)当x<-R或x>R时,fX(x)=∫-∞+∞f(x,y)dy=∫-∞+∞0dy=0;当-R≤x≤R时,fX(x)=∫-∞+∞f(x,y)dy=1πR2∫-R2-x2R2-x2dy=2πR2R2-x2.于是fX(x)={2R2-x2πR2,-R≤x≤R0,其它.由于X和Y的地位平等,同法可得Y的边缘概率密度是:fY(y)={2R2-y2πR2,-R≤y≤R0,其它.(2)fX∣Y(x∣y)=f(x,y)fY(y)注意在y处x值位于∣x∣≤R2-y2这个范围内,f(x,y)才有非零值,故在此范围内,有fX∣Y(x∣y)=1πR22πR2⋅R2-y2=12R2-y2,即Y=y时X的条件概率密度为fX∣Y(x∣y)={12R2-y2,∣x∣≤R2-y20,其它. 同法可得X=x时Y的条件概率密度为fY∣X(y∣x)={12R2-x2,∣y∣≤R2-x20,其它.由于条件概率密度与边缘概率密度不相等,所以X与Y不独立.习题18设随机变量X与Y相互独立,其概率密度函数分别为fX(x)={1,0≤x≤10,其它, fY(y)={Ae-y,y>00,y≤0,求:(1)常数A; (2)随机变量Z=2X+Y的概率密度函数.解答:(1)1=∫-∞+∞fY(y)dy=∫0+∞A⋅e-ydy=A.(2)因X与Y相互独立,故(X,Y)的联合概率密度为f(x,y)={e-y,0≤x≤1,y>00,其它.于是当z<0时,有F(z)=P{Z≤z}=P{2X+Y≤z}=0;当0≤z≤2时,有F(z)=P{2X+Y≤z}=∫0z/2dx∫0z-2xe-ydy=∫0z/2(1-e2x-z)dx;当z>2时,有F(z)=P{2X+Y≤2}=∫01dx∫0z-2xe-ydy=∫01(1-e2x-z)dx.利用分布函数法求得Z=2X+Y的概率密度函数为fZ(z)={0,z<0(1-e-z)/2,0≤z<2(e2-1)e-z/2,z≥2.习题19设随机变量X,Y相互独立,若X与Y分别服从区间(0,1)与(0,2)上的均匀分布,求U=max{X,Y}与V=min{X,Y}的概率密度.解答:由题设知,X与Y的概率密度分别为fX(x)={1,0<x<10,其它, fY(y)={1/2,0<y<20,其它,于是,①X与Y的分布函数分别为FX(x)={0,x≤0x,0≤x<11,x≥1, FY(y)={0,y<0y/2,0≤y<21,y≥2,从而U=max{X,Y}的分布函数为FU(u)=FX(u)FY(u)={0,u<0u2/2,0≤u<1u/2,1≤u<21,u≥2,故U=max{X,Y}的概率密度为fU(u)={u,0<u<11/2,1≤u<20,其它.②同理,由FV(v)=1-[1-FX(v)][1-FY)]=FX(v)+FY(v)-FX(v)FY(v)=FX(v)+FY(v)-FU(v),得V=min{X,Y}的分布函数为FV(v)={0,v<0v2(3-v),0≤v<11,v≥1,故V=min{X,Y}的概率密度为fV(v)={32-v,0<v<10,其它.注:(1)用卷积公式,主要的困难在于X与Y的概率密度为分段函数,故卷积需要分段计算;(2)先分别求出X,Y的分布函数FX(x)与FY(y), 然后求出FU(u),再求导得fU(u); 同理先求出FV(v), 求导即得fV(v).。
- 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)。
§1.3 条件概率条件概率是概率论中的一个基本概念,也是概率论中的一个重要工具,它既可以帮助我们认识更复杂的随机事件,也可以帮助我们计算一些复杂事件的概率。
1. 条件概率的定义及计算在一个随机试验中或随机现象中,当我们已知一个事件B 发生了,这时对另外一个事件A 发生的概率往往需要重新给出度量.称事件A 的这个新概率为在事件B 发生的条件下事件A 发生的条件概率,记为)|(B A P .为了对条件概率有一个直观的认识以及考虑该如何给出条件概率的数学定义,我们先看一个例子.例1 一批同类产品由甲、乙两个车间生产,各车间生产的产品数及正品和次品的情况如下表甲车间 乙车间合计 正品 465 510975 次品 15 1025 合计 480520 1000 从这批产品中任取一件,则这件产品是次品的概率为%5.2100025= 现在假设被告知取出的产品是由甲车间生产的,那么这件产品为次品的概率就不再是%5.2,而是%125.348015= 在本例中,设B 表示事件“取出的产品是由甲车间生产的”,A 表示事件“取出的产品是次品”,前面算出的事件A 的概率是在没有任可进一步的信息的情况下得到的,而后面算出的事件A 的概率是在有了 “事件B 发生了”这一信息的情况下得到的.后一个概率就是在事件B 发生的条件下事件A 发生的条件概率.与此对应,我们可以把前一个概率称为无条件概率。
经过简单计算有)()(1000/4801000/1548015)|(B P AB P B A P === 这个关系式尽管是从本例得出的,但它具有普遍意义.受由启发,我们可以在一般的样本空间中给出条件概率的数学定义.定义 设B A ,是样本空间Ω中的两个事件,且0)(>B P ,在事件B 发生的条件下,事件A 的条件概率定义为)()()|(B P AB P B A P = 根据条件概率的定义,不难验证条件概率满足概率定义中的三条公理:(1)非负性:对任一事件B ,有0)|(≥A B P ;(2)规范性:1)|(=ΩA P ;(3)可列可加性:设⋅⋅⋅⋅⋅⋅,,,,21n B B B 是两两互不相容的事件,则有∑∞=∞==⋃11)|()|(n n n n A B P A B P 自然地,条件概率也具有三条公理导出的一切性质. 比如)|(1)|(A B P A B P -=,)|()|()|()|(212121A B B P A B P A B P A B B P -+=⋃.例2 将一骰子掷两次, 已知两次的点数之和为6,求第一次的点数大于第二次点数的概率. 解:设事件=A “两次的点数之和为6”, 事件=B “第一次的点数大于第二次点数2” 方法一(在缩减的样本空间中计算).在事件A 发生的条件下,样本空间缩减为)}3,3(),2,4(),4,2(),1,5(),5,1{(=ΩA在此样本空间中考虑,事件B 包含2个样本点,所以52)|(=A B P . 方法二.365)(=A P , 362)(=AB P ,所以 5236/536/2)|(==A B P . 例 3 对于寿险产品设计而言,需关注不同年龄的人能继续存活若干年的概率.假设根据经验或某种寿命分布理论,人的寿命超过60岁的概率为0.9, 超过70岁的概率为0.8.求60岁的人能继续存活10年的概率.解:设事件=A “人的超过60岁”, =B “人的超过70岁”,则9.0)(=A P ,8.0)(=B P ,且A B ⊂,所求的概率为98)()()()()|(===A P B P A P AB P A B P . 思考:1.考虑恰有2个小孩的家庭,从这样的家庭中任选一家,已知这个家有男孩,那么这家两个小孩都是男孩的概率是多少?2.随机地遇到一男孩,并发现他属于两个孩子的家庭,那么他家的另一个小孩也是男孩的概率是多少?3.有3张完全相同的卡片,第一张卡片两面全涂成红色,第二张卡片两面全涂成黑色,第三张卡片一面涂成红色一面涂成黑色.现从3张卡片中随机取1张并放在桌面上,如果朝上的一面是红色,那么另一面是黑色的概率有多大?4.(领奖问题)某人参加了有奖竞答活动,他全过关了,现到领奖阶段,领奖规则是:有三个房间,其中一个房间里放有奖品,而另外二个房间没有奖品,全过关的选手任选一个房间,若房间里有奖品则他获得此奖品,否则没有奖品.现此人选了一房间,在他还没有打开房门时主持人打开了另外二个房门中的一个,结果没有奖品,这时该选手还有重新选择的机会,你认为应该坚持原来的选择还是换一个选择或两者皆可?二.条件概率的应用下面给出条件概率的三个非常实用的公式: (1)乘法公式;(2)全概率公式;(3)贝叶斯公式.1. 乘法公式由条件概率的定义易知)|()()(A B P A P AB P =上面公式只是条件概率定义的平凡变形,但在具体的概率计算问题中如果)|()(A B P A P ,都可方便地算出,那么利用上式就可方便地算出)(AB P .上面公式可推广至多个事件的情形:)|()|()|()()(12121312121-⋅⋅⋅⋅⋅⋅=⋅⋅⋅n n n A A A A P A A A P A A P A P A A A P ,为保证上面公式中涉及到的条件概率有意义,需要前提:0)(121>⋅⋅⋅-n A A A P .上面公式称为乘法公式.例4 一个袋有7个球,其中5个红球,2个白球.从中依次取3次球,每次取一个,取后不放回.试求事件=A “前2次取到红球,最后1次取到白球”的概率.解:设=i A “第i 次取到红球”,3,2,1=i ,则321A A A A =,从而 214526475)|()|()()()(213121321=⨯⨯===A A A P A A P A P A A A P A P .例5(Polya 罐子模型) 设一罐子有b 个黑球,r 个红球,每次随机地取一个球,取出的球放回罐子中,还加进c 个同色球和d 个异色球,如此反复取3次球.记i B 为事件“第i 次取出的球是黑球”, j R 为事件“第j 次取出的球是红球”,求)(321R R R P ,)(321R B R P . 解:)(321R R R P )(22)|()|()(213121d c r b c r d c r b c r r b r R R R P R R P R P ++++⋅++++⋅+==, )(321R B R P )(2)|()|()(213121d c r b d c r d c r b d b r b r B R R P R B P R P +++++⋅++++⋅+==.Polya 罐子模型包含有多种模型.(1) 如0,1=-=d c ,则为不放回抽样模型;(2) 如0,0==d c ,则为放回抽样模型;(3) 如0,0=>d c ,则称为传染病模型;(4) 如0,0>=d c ,则称为安全生产模型.例6 甲袋子里有n 个红球,乙袋子里有n 个黑球,按以下方式操作:从甲袋中随意地取走一个球,然后从乙袋中取出一球放入甲袋中(如果乙袋中还有球的话).一直如此操作直至n 2个球全被取走,求最后取走的是红球的概率,如n 很大,这个概率近似值是多少?解:设想甲袋中的n 个红球分别编号n ,2,1⋅⋅⋅,.记=i A “最后取走的是i 号红球”,n i ,,2,1⋅⋅⋅=,则n A A ,,1⋅⋅⋅两两互不相容,由对称性知)()()(21n A P A P A P =⋅⋅⋅==.又记=A “最后取走的是红球”,则i n i A U A 1==,从而)()()()()(121A nP A P A P A P A P n =+⋅⋅⋅++=,下面来求)(1A P .设i N 表示事件“在甲袋中的第i 次取球没有取走1号红球”,n i ,,2,1⋅⋅⋅=,那么 1211A N N N A n ⋅⋅⋅=,并且n n n N P 111)(1-=-=,n N N P 11)|(12-=,…,nN N N P n n 11)|(11-=⋅⋅⋅-, n N N A P n 1)|(11=⋅⋅⋅. 由乘法公式知)|()|()|()()(11111211n n n N N A P N N N P N N P N P A P ⋅⋅⋅⋅⋅⋅⋅⋅⋅=- nn n 1)11(-= 从而得n nA nP A P )11()()(1-== 易见, n 很大时,这个概率近似值为1)(-≈e A P .2. 全概率公式定义 设n A A A ,,,21⋅⋅⋅为n 个事件,若满足(1)j i A A j i ≠φ=,;(2)Ω=⋃=i n i A 1, 则称n A A A ,,,21⋅⋅⋅为样本空间Ω的一个分割.易见对任一事件A ,A 与A 构成一个分割.思考:一个分割n A A A ,,,21⋅⋅⋅,用概率的语言该怎么说?如果n 个事件构成样本空间Ω的一个分割,B 为该样本空间的另一个事件,那么事件B A B A B A n ,,,21⋅⋅⋅将构成B 的一个分割,即有B B A B A B A n ⋅⋅⋅=21且上式右边的n 个事件互不相容,从而有)(B P )()()(21B A P B A P B A P n +⋅⋅⋅++=)|()()|()()|()(2211n n A B P A P A B P A P A B P A P +⋅⋅⋅++=.这便证明了下面定理.定理(全概率公式) 设n A A A ,,,21⋅⋅⋅为样本空间Ω的一个分割,且n i A P i ,,2,1,0)(⋅⋅⋅=>,则对于任一事件B ,有∑==ni i i A B P A P B P 1)|()()(.上面公式叫作全概率公式,该公式表示事件B 的概率等于诸条件概率)|(i A B P 的加权平均,权重为)(i A P .另外也能看出:n A A A ,,,21⋅⋅⋅两两互不相容且i ni A B 1=⊂U (可以不要求Ω==i ni A 1U )时,全概率公式亦成立. 例7 (续抽签与顺序无关问题)求第2次取到红球的概率;第3次取到红球的概率. 解:设i A 表示事件“第i 次取到红球”,3,2,1=i 。
由全概率公式有 7565726475)|()()|()()(1211212=⨯+⨯=+=A A P A P A A P A P A P 。
)|()()|()( )|()()|()()(213212132121321213213A A A P A A P A A A P A A P A A A P A A P A A A P A A P A P +++= 16712546725546752536745⨯⨯⨯+⨯⨯⨯+⨯⨯⨯+⨯⨯⨯= 75=. 例8(续Polya 罐子模型) 设一罐子有b 个黑球,r 个红球,每次随机地取一个球,取出的球放回罐子中,还加进c 个同色球,如此反复进行.求第2次取到黑球的概率.解:设=A “第1次取到黑球”, =B “第2次取到黑球”,则 )|()()|()()(A B P A P A B P A P B P += cr b b r b r c r b c b r b b ++⋅+++++⋅+=rb b +=. 思考:在上例中,第k 次取到黑球的概率是多少?例9 保险公司认为某险种的投保人可分为两类:一类为易出事故者,另一类为安全者.统计表明:一个易出事故者在一年内发生事故的概率为4.0,而安全者为1.0.假定第一类人占此险种投保人的%20.现有一个新投保人,问该投保人在一年内将出事故的概率.解:记=A “投保人为易出事故者”, =B “投保人第一年出事故”,则有2.0)(=A P , 8.0)(=A P ,4.0)|(=A B P ,1.0)|(=A B P由全概率公式得 )|()()|()()(A B P A P A B P A P B P +=16.01.08.04.02.0=⨯+⨯=.下面介绍全概率公式的一个应用:敏感性问题调查方案的设计.敏感性问题的调查是社会调查的一类,如一群人中有赌博习惯的比例,吸毒人的比例,偷税漏税的比例等等.这类调查如直接调查,被调查者很少会如实地回答问题,因比需设计调查方案以使被调查者愿意如实地回答问题.下面介绍两种调查方案.沃纳模型(Warner model )沃纳模型是沃纳1965年提出的,它的提出开创了随机化回答的先河.其设计原则是这样的:根据敏感性特征设计两个相互对立的问题,比如,问题A:你是否吸毒过? 问题B:你是否没吸毒过? 再让被调查者按预定的概率从中任选一个问题回答,比如被调查者先从一袋中任取一球如取到红球则回答问题A,否则回答问题B.调查者无权过问被调查者究竟回答的是哪个问题,比如被调查者独自一人在一房间里操作和回答问题,并且只需在答卷上的“是”和“否”中选其一打钩,然后把答卷放入一密封的投票箱内.假设调查了n 个人即有n 张答卷,其中有k 张回答“是”,袋中的红球所占比例为%100α.如何估计人群中吸过毒的人的比例呢?记事件=A “被调查者回答的问题是A 问题”, =B “被调查者的答案是“是””,假设人群中吸过毒的人的比例为%100p ,p 是未知的,我们需估计p .那么有α=)(A P ,p A B P =)|(,p A B P -=1)|(由全概率公式得)|()()|()()(A B P A P A B P A P B P +=)1)(1(p p -α-+α= ①从而可得 12)1()(-αα--=B P p 由调查结果可得)(B P 的估计值为n k B P=)(ˆ,因此可得p 的估计值为12)1(ˆ-αα--=n k p Simmons 模型是1967年由Simmons 提出的,其设计思想仍是基于沃纳的随机化回答思想,只是在设计中,用与问题A 毫无关联的另一个问题代替与A 对立的问题(要求在人群中对此问题的答案为“是”的比例是已知的),比如在上面的问题中把问题B:“你是否没吸毒过?”改为“你的生日是否在7月1日之前?”,那么5.0)|(=A B P ,①式变为 )(B P )1(5.0α-+α=pp 的估计值为 αα--=)1(5.0ˆn k p 下面介绍全概率公式在遗学中的应用,下面问题作为思考题留给同学们去解决。