107521-概率统计随机过程课件-第一章(第二节)古典概率

合集下载

随机过程课件打印版

随机过程课件打印版
当An An 1 , n 1
当An An 1 , n 1
9
A1 A2
连续性定理
A1 A2

则称P为(Ω,F)上的概率,(Ω,F,P)称 为概率空间,P(A)为事件A的概率。
An Ai 新事件:lim n i 1
lim An Ai
n i 1
3 对于R n中的任意区域, a1 , b1; a2 , b2 ;;a n , bn ,其中 ai bi , i 1,, n
F b1 , b2 ,, bn F b1 ,, bi 1 , ai , bi 1 ,bn F b1 ,, bi 1 , ai , bi 1 ,, b j 1 , a j , b j 1 ,, bn ,
d P({e : g( X ) y, e X }) dy
如果上式右端概率的导数对于y处处存在,那么这 个导数就给出了随机变量Y的概率密度
fY ( y)
19
20
n维联合分布函数F x1 , x 2 , x n 具有下列性质 :
三、边缘分布
若二维联合分布函数中有一个变元趋于无 穷,则其极限函数便是一维分布函数,对于这 种特殊性质,我们称其为边缘分布。 对于任意两个随机变量X,Y,其联合分布函数为: F ( x, y ) 则: FX ( x ) P ( X x ) P ( X x , Y ) F ( x , )
P( X x,Y y) P((X x) (Y y)) P( X x)P(Y y)kFra biblioteknpkq
nk
, k 0 ,1 , 2 n
p
P(X k)

k
k!

随机过程第一章课件

随机过程第一章课件

5.2 随机过程分类和举例
【二】举例:
【例二】参数连续离散型随机过程:脉冲数字通信系统。 该系统传送的信 号是脉宽为 T0 的脉冲信号,每隔 T0 送出一个脉冲。脉冲幅度X t 是一个随机变量,它可能取四个值 2,1,1,2 ,且取这四个值的 概率是相等的,即
PX t 2 PX t 1 PX t 1 PX t 2 1 / 4
【分析】设 V 0,1,
1 2 , 得到几个样本函数,可以画出它们的波形(略) 4 3
5.2 随机过程分类和举例
【二】举例:
【例三分析续】正弦波随机过程:
X (2)当 t 0 时, 0 V ,故 X 0 的概率密度就是 V 的概率密度,即
otherwise 时, 1 当 t1 X t1 X 1 V cos V ,故 4 4 2 1 2 0 x f X1 x 2 0 otherwise 3 3 1 V ,故 当 t2 时,X t2 X 2 V cos 4 4 2 1 2 x 0 f X 2 x 2 0 otherwise
P X i 1 p, P X i 1 1 p 设质点在 t n 时偏离原点的距离为 Yn ,Yn 也是一随机变量,
于是
Yn X i ,
i 1
n
Y0 0
又设质点每次游动与该质点所处的位置无关,当 i k 时 X i 与 X k 是相互统计独立的随机变量。
则称
X t, , t T ,
为随机过程,简记为
X t , t T 。
一个随机过程 X t , t T 实际上是两个变量的二元函 数,其中 一个变量为样本空间 中 的 ,另一个为参 T 数集 t 中的 。

随机过程课件

随机过程课件


1
m X (t1 )][ x2 m X (t 2 )] f ( x1 x2 ; t1 , t 2 )dx1dx 2 f ( x1, x2 ; t1 , t 2 )dx1dx 2
x x


1 2
X(t) 协方差与相关函数的关系为 当 mx (t ) 0 时 C X (t 1 , t 2 ) R X (t 1 , t 2 ) 在协方差定义中取t1=t2=t,就有
为XT 的均值函数或数学期望。其中F(x,t)是过程 的一维分布函数。 若是连续型随机变量,有 mX (t) xf(x,t)dx 其中f(x,t)是一维分布密度。 12

2.随机过程的方差 若 DX (t) 2 (t) E[X(t) mX (t)]2 存在,t∈T, X 称为X(t)的方差。 x (t) Dx (t) 称为X(t)的标准差。 它们描绘过程的样本曲线在各个t时刻对均 值 m X ( t ) 的离散程度, 对每个t1∈T, EX (t1 ) 反映t1状态取值的概率平均。 DX (t1 ) 反映t1状态取值与 EX (t1 ) 离散程度。 在工程中随机过程的均方值具有物理意义,比 较有用。均方值定义为: E[ X 2 (t )] X (t ) DX (t ) E( X 2 (t )) E 2 ( X (t )) 有关系式: 13 Dx (t ) x (t ) [mx (t )]2 即
第一章. 随机过程的基本概念
§1.1 随机过程及其概率分布
在实际问题中,有时需要对随机现象的变化进 行研究,这时就必须考虑无穷个随机变量或一族 随机变量, 我们就称这种随机变量族为随机过程。 例1: 生物群体的增长问题。在描述群体的发展 或演变过程中, 以 Xt 表示在时刻 t 群体的个数, 则 对每一个 t ,Xt 是随机变量。假设我们从 t =0 开 始每隔24小时对群体的个数观测一次, 则{Xt , t =0, 1, 2, ...}是一个随机过程。 例2: 电话呼唤问题。某电话总机在[0,t]时间 内收到的呼唤次数用 Xt 来表示, 则对于固定的 t , 1 Xt 是随机变量。于是{Xt , t ∈[0, ∞)}是随机过程。

随机过程课件PPT资料(正式版)

随机过程课件PPT资料(正式版)
应怎样分才合理呢➢?」
☞随机事件:样本空间的子集,常记为 A ,B ,…它是满足某些条件的样本点所组成的集合.
排队和服务系统 ◙A∩勤B 奋⇔、A刻B :苦A、与合➢B作的、积探事索件;; 更新过程 为从事科学研究打下坚实的基础;
☞抽取的是精装中➢文版数学书 ⇒
➢ 时间序列分析
➢ 鞅过程
绪论
《随机过程》基础
概率(或然率或几率) ——随机事件出现的可能 性的量度;
概率论其起源与博弈、 、天气预报等问题有 关
⊕16世纪意大利学者开始研究掷骰子等赌博 中的一些问题;
⊕17世纪中叶,「现有两个赌徒相约赌若干 局,谁先赢S局就算赢了,当赌徒A赢K局(K<S), 而赌徒B赢L局(L<S)时,赌博中止,赌资应怎 样分才合理呢?」
随机过程课件
《随机过程》
➢ 教材: ◙ 张卓奎,陈慧婵,随机过程.西安电子科技大 学.2003.
➢ 主要参考文献: ◙ 胡奇英编著,随机过程.西安电子科技大学.1998. ◙ 周荫清 ,随机过程习题集. 清华大学出版社, 2004. ◙ 林元纟金烈 ,应用随机过程. 清华大学出版社, 2002.
……
➢ 随机过程理论在社会科学中例如在社会统计, 学、经 济、金融工程、管理中也得到极其广泛的应用。
➢ 为从事科学研究打下坚实的基础;
绪论
教学目标
➢ 充分理解、熟练掌握教材的内容 ◙ 熟练掌握基本的数学概念和定理;
◙ 熟练掌握随机过程研究对象的数学描述;
Hale Waihona Puke ➢ 通过学习和练习,具备一定的分析、解决本专业具体 问题的能力;
☞拉普拉斯曾说:“生活中最重要的问题,其中 绝大多数在实质上只是概率的问题”。
☞概率论是研究随机现象数量规律的数学分支。 在实际中,人们往往还需要研究在时间推进中某 一特定随机现象的演变情况,描述这种演变的就 是概率论中的随机过程。

随机过程课件第一章概率复习

随机过程课件第一章概率复习
( x a )2 2 2
f ( x)
1 2
e

指数分布
e x , f ( x) 0,
x0 x0
随机变量函数的分布
在给定某任意的随机变量X,以及它的概率分布函数FX(x),希望进一步求 出给定的随机变量的某些可测函数(如Y=g(X))的概率分布函数。
X
非线性放大器

X(e)就是一个函数,它把样本点映射到实数轴上, 随机变量就是从原样本空间Ω到新样本空间的一
种映射,我们通常把这样一种对应关系称之为在
概率空间上的一个随机变量。
离散型随机变量: 只取有限个数值或可列无穷多个值。 连续型随机变量: 从原样本空间到新样本空间的映射是某一 个范围,是一段(或几段)实线(也可能 是整个坐标轴)。
fA


nA n
f A P( A)
当试验次数n增大时,其中大量的频率聚集在一个常数周围; 这个常数是客观存在的,反映了事件A出现可能性的大小, 我们认为这个常数就是事件的概率。
公理化定义概率

1. 2. 3.
对于一个事件A∈样本空间Ω,假定满足以下3个 条件的数P(A): 0≤P(A) ≤1; P(Ω)=1; 若A1,A2,……..,Ak两两互斥,则
P ( Ai | B ) P ( Ai ) P ( B | Ai )
P( A ) P( B | A )
i 1 i i
N
独立事件
P( A B) P( A) P( B)
随机变量
定义:
设( Ω ,F,P)是概率空间,X=X(e)是定义在Ω 上的实函数,如果对任意实数x,{e:X(e) ≤x} ∈F, 则称X(e)是F上的随机变量。 由于数学分析不能直接利用来研究集合函数, 这样影响对随机现象的研究。解决这个问题的方 法,主要是设法在集合函数与数学分析中所研究 的点函数间建立某种联系,从而能用数学分析法 研究随机现象。

概率统计和随机过程课件11概率统计及随机过程绪论

概率统计和随机过程课件11概率统计及随机过程绪论

i 1
n
n
Ai Ai
i 1
i 1
2021/3/11
27
B
A
C
A (BC)
( A B)( A C)
B
A
C
2021/3/11
28
例2 化简事件 ( AB C ) AC
解 原式 AB C AC ABC AC (A B)C AC
AC BC AC A(C C) BC A BC A BC
测都与 概率论 紧密相关;
2. 产品的抽样验收,新研制的药品能否在
临床中应用,均需要用到 假设检验;
3. 寻求最佳生产方案要进行 实验设计 和
数据处理;
2021/3/11
9
4. 电子系统的设计离不开 可靠性估计; 5. 探讨太阳黑子的规律时,经济数据,
时间序列分析方法非常有用;
6. 研究化学反应的时变率,要以 马尔可夫 过程 来描述;
2021/3/11
数理统计最早著作
4
教材: 《概率统计与随机过程 》 北航出版社
参考书:《概率统计与随机过程》学习辅 导材料
数学学院
2021/3/11
5
概率( 几率) —— 随机事件出现的可能性 的量度—— 其起源与博弈问题有关.
概率论是一门研究客观世界随机现象数量 规律的 数学分支学科.
16世纪意大利学者开始研究掷骰子等赌博 中的一些问题;17世纪中叶,法国数学家帕
3 {0,1,2,3}
2021/3/11
16
E4 : 投一颗骰子,观察向上一面出现的点数
4 {1,2,3,4,5,6}
有限样本空间
E5 : 观察电话总机每天9:00~10:00接到的电话 次数

几率统计与随机过程第一章第二节古典几率

几率统计与随机过程第一章第二节古典几率

第一章随机事件的概率第二节概率的定义及性质内容、目的1、古典概率的定义与计算;2、几何概率的定义与计算;3、概率的公理化定义;概率性质与计算公式。

4、认识随机现象的概率观点。

概率的实践验证实例。

概率概念的来源:所谓随机事件的概率,概括地说就是用来描述随机事件出现(或发生)的可能性大小的数量指标.其实概率的思想术语在我们日常生活中经常出现.对未来的不确定事件,我们经说有把握、希望、机会有多大,高考上线率,各种升学率等.概率论与数理统计是研随机现象及其规律性的一门学科。

到目前为至,人们已发现了许多规律性了。

数学上只能对简单的随机现象进行概率定义,复杂的随机现象有待于研究.随机事件在一次试验中既可能发生,也可能不发生,似乎无什么规律。

如果在相同的条件下,把一个试验重复做许多次,我们一定会发现,某些事件发生的次数多一些,而另一些事件发生的次数少一些。

表现出一定的规律性。

例如买彩票时投注号码,有极少一部分人能预感到中奖号码的规律。

例如,将一颗骰子重复投掷100次,毫无疑问,事件“出现奇数点”比事件“出现1点”发生的次数会多得多。

那么,发生次数多的事件在每次试验中发生的可能性大一些,而发生次数少的事件在每次试验中发生的可能性小一些。

问题是:如何度量事件发生可能性的大小?对于事件,如果实数满足:A )(A P (1)数的大小表示事件发)(A P A 生可能性的大小;(2)是事件所固有的,)(A P A 不随人们主观意志而改变的一种度量。

那么数称为事件的概率。

)(A P A 它是事件发生可能性的度量。

A 在本节中,我们首先介绍一类最简单的概率模型,然后逐步引出概率的一般定义。

一、概率的古典定义古典型随机试验:如果试验的样本空间只包E S 含有限个基本事件,设,},,,{21n e e e S =并且每个基本事件发生的可能性相等,即,则称这)()()(21n e P e P e P === 种试验为古典型随机试验,简称古典概型。

《古典概率》课件

《古典概率》课件
组合
从n个不同元素中取出m个元素(m≤n),不按照顺序,叫做从n个元素中取出 m个元素的一个组合。所有组合的个数记作C(n,m),计算公式为 C(n,m)=P(n,m)/m!。
概率的加法公式
• 概率的加法公式:如果事件A和B是互斥的,那么 P(A∪B)=P(A)+P(B)。如果事件A和B不是互斥的 ,那么P(A∪B)=P(A)+P(B)-P(A∩B)。
贝努里概型
贝努里概型是一种特殊的概率模型,它涉及到n次独立重复试验中某一事件A发生 的次数。在贝努里概型中,我们可以通过古典概率计算出事件A发生的概率。
例如,在遗传学中,贝努里概型可以用来计算某一遗传特征在后代中出现的概率 。通过古典概率的计算,我们可以了解这一特征在后代中的分布情况,从而更好 地解释和预测遗传现象。
统计学
在统计分析中,古典概率常用于 假设检验和置信区间的计算。
决策理论
在决策分析中,基于等可能性和 互斥性的决策准则常被采用。
随机事件是指在一次 试验中可能发生也可 能不发生的事件。
概率的公理化定义
概率的公理化定义是指通过公 理来描述概率的性质和运算规 则。
公理化定义包括三个公理:概 率的加法公理、概率的乘法公 理和概率的可数可加性公理。
这些公理为概率论的发展奠定 了基础,使得概率论成为一个 严谨的数学分支。
概率的基本性质
识别二
避免代表性谬误
识别三
避免过度自信和确认性偏误
05
古典概率与现代概率的关系
古典概率与现代概率的区别与联系
古典概率
基于等可能性和互斥性, 计算事件发生的可能性。
现代概率
基于样本空间和事件定义 ,引入概率空间和随机变 量等概念。
联系

概率统计课件 随机过程

概率统计课件  随机过程
设{X (t),t T}是一随机过程,对于参数集 T中的任意
n 个元素: t1,t2 , ,tn , 过程的 n 个状态:
X (t1) X (e,t1), X (t2 ) X (e,t2 ), , X (tn ) X (e,tn )
( n 个随机变量)的联合分布
F (x1, , xn ;t1, ,tn ) P{X (t1 ) x1, , X (tn ) xn}
一. 随机过程的概念 概率论复习: 随机试验 E , 样本空间 S {e}. 随机变量 X X (e) ,分布函数F(x) ; 二维随机变量 (X ,Y ) ,联合分布函数F(x, y)
n 维随机变量 (X1, X 2,, X n ),联合分布
函数 F (x1, x2 , , xn )
为了研究随机现象,引入了上述这些概念工具.但 这些还不够用,还有一些随机现象,上述工具无法描述.
数学期望(均值)
EX
xf X (x)dx
xf (x, y)dxdy
E[g( X ,Y )] g(x, y) f (x, y)dxdy
二阶原点矩
EX 2
x2
f
X
(x)dx
x 2 f (x, y)dxdy
方差
DX
E( X EX )2
(x
EX
)2
f
X
(x)dx
EX 2 (EX )2
,
t
' n
)
FX
(x1, ,
xm ; t1, , tm )
FY
(
y1 ,
,
yn
; t1' ,
,
t
' n
)
都成立,则称两个随机过程相互独立.

《概率论与数理统计》课件-随机过程

《概率论与数理统计》课件-随机过程

06
随机过程的未来发展与挑战
随机过程理论的发展趋势
随机过程与大数据的结合
随着大数据技术的快速发展,如何将随机过程与大数据分 析相结合,挖掘出更多有价值的信息和模式,是未来的一 个重要研究方向。
复杂系统中的随机过程
研究复杂系统中的随机过程,如金融市场、生态系统、社 交网络等,以揭示其内在的运行规律和动态特性。
02
随机过程的基本ቤተ መጻሕፍቲ ባይዱ型
独立增量过程
总结词
描述随机过程中事件发生次数随时间变化的过程,其中每次事件的发生都是独立 的。
详细描述
独立增量过程是指随机过程中事件发生次数在不相重叠的时间区间内相互独立, 即每次事件的发生与其他时间点的事件无关。这种过程在保险、金融等领域有广 泛应用。
马尔科夫过程
总结词
描述一个随机系统在给定当前状态的情况下,未来状态只依 赖于当前状态的过程。
详细描述
马尔科夫过程是一种特殊的随机过程,其中下一个状态只与 当前状态有关,而与过去状态无关。这种过程在自然现象、 社会现象和工程领域中都有广泛的应用,如天气预报、股票 价格波动等。
泊松过程
总结词
描述随机事件在单位时间内按照恒定速率独立发生的随机过程。
该方法通过大量随机抽样,得到概率分布的近似结果,具有简单、灵活和通用性强 的特点。
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,适用于 描述离散状态变化的过程。
该方法通过跟踪系统中的事件 发生和状态变化,来模拟系统 的动态行为。
离散事件模拟方法在交通运输 、生产制造、通信网络等领域 有广泛应用。
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

第一章随机事件的概率第二节概率的定义及性质所谓随机事件的概率,概括地说就是用来描述随机事件出现(或发生)的可能性大小的数量指标.其实概率的思想术语在我们日常生活中经常出现.对未来的不确定事件,我们经说有把握、希望、机会有多大,高考上线率,各种升学率等.“不怕一万,就怕万一”,就是人们对确定事件和不确定事件的认识,为此提前作出的思想准备,表明人类的智慧与先见之明。

古代智人(周文王,姜子牙,诸葛亮,刘伯温等)的掐指一算,就是算的样本空间和随机事件的概率。

数学上只能对简单的随机现象进行概率定义,复杂的随机现象有待于研究.随机事件在一次试验中既可能发生,也可能不发生,似乎无什么规律。

如果在相同的条件下,把一个试验重复做许多次,我们一定会发现,某些事件发生的次数多一些,而另一些事件发生的次数少一些。

表现出一定的规律性。

例如买彩票时投注号码,有极少一部分人能预感到中奖号码的规律。

例如,将一颗骰子重复投掷100次,毫无疑问,事件“出现奇数点”比事件“出现1点”发生的次数会多得多。

那么,发生次数多的事件在每次试验中发生的可能性大一些,而发生次数少的事件在每次试验中发生的可能性小一些。

问题是:如何度量事件发生可能性的大小?对于事件A ,如果实数)(A P 满足:(1)数)(A P 的大小表示事件A 发生可能性的大小;(2))(A P 是事件A 所固有的,不随人们主观意志而改变的一种度量。

那么数)(A P 称为事件A 的概率。

它是事件A 发生可能性的度量。

在本节中,我们首先介绍一类最简单的概率模型,然后逐步引出概率的一般定义。

一、 概率的古典定义古典型随机试验:如果试验E 的样本空间S 只包含有限个基本事件,设},,,{21n e e e S ,并且每个基本事件发生的可能性相等,即)()()(21n e P e P e P === ,则称这种试验为古典型随机试验,简称古典概型。

下面我们来讨论古典概型中事件A 的概率)(A P 。

考虑一个具体的例子:投掷一颗匀称的骰子,观察其出现的点数。

易知,},,,{621e e e S =,其中i e 表示出现i 点,6,,2,1 =i 。

由于骰子是匀称的,所以每个基本事件i e 发生的可能性相同。

这是个古典概型。

考虑事件},,{642e e e A =。

因为事件A 包含的基本事件的个数等于基本事件总数的一半,并且每个基本事件发生的可能性都相等,因此事件A发生的可能性,即概率规定为21)(=A P是合理的。

2163=,它恰好是A 包含的基本事件的个数除以基本事件总数所得的结果。

古典概率的定义和计算公式:定义2:设试验E 的样本空间},,,{21n e e e S =,并且每个基本事件发生的可能性相等,即)()()(21ne P e P e P === ,E 中事件A 包含k 个基本事件,则称 基本事件总数所包含基本事件的个数事件A n k A P ==)( ,为事件A 的概率。

即事件A 的概率等于事件A 所包含的基本事件的个数(它们的出现对A 的出现有利,因此习惯上称为A 的有利事件,或有利场合)与基本事件总数之比值。

概率的这种定义称为概率的古典定义。

这样定义的概率称为古典概率。

由概率的古典定义,容易证明古典概率具有下列性质:(1)对任意事件1)(0,≤≤A P A ;(2)1)(=S P ;(3)若事件mA A A ,,,21 互不相容,则 ∑∑===mi i m i i A P A P 11)()(; (4) )(1)(A P A P -=,)(1)(A P A P -= .证:(1)因为任一事件A 所包含的基本事件数k 恒满足n k ≤≤0,故1)(0≤=≤nk A P ; (2)由于必然事件S 包含了全部n 个基本事件,所以1)(==nn S P ; (3)设事件i A 含有)0(n k k i i ≤≤个基本事件,由定义得nk A P i i =)( ,m i ,,2,1 = , 由于mA A A ,,,21 互不相容,故∑=m i i A 1含有∑=mi ik 1个不同的基本事件, 因此∑∑∑∑=======m i i mi i m i i m i i A P n k n k A P 1111)()( , 性质(3)称为概率的有限可加性。

(4)因为A 与A 互不相容, 且S A A =+, )()()()(1A P A P A A P S P +=+==,所以 )(1)(A P A P -=,)(1)(A P A P -= .几个记号的规定:排列数记号))1(()1(---⋅==k n n n P A k n kn ,全排列数记号12)1(!⋅-⋅=== n n n A P n n n ,组合数记号 !))1(()1(k k n n n A A A A A C k n kn k k n n k k k n k n ---⋅=⋅==-- .求解古典概型问题的关键是弄清楚样本空间中的基本事件的总数和对所求概率事件有利的基本事件个数.在弄清楚基本事件个数的时侯,必须分清楚所研究的问题是组合问题还是排列问题.先掌握以下关于排列组合的知识.1. 乘法原理设完成一件事有n 个步骤,第一步有1m 种方法, 第二步有2m 种方法,…, 第n 步有n m 种方法,必须通过每一步骤,才算完成这件事,则完成这件事共有n m m m ⋅⋅⋅ 21种方法.2. 加法原理设完成一件事有k 类方法,每类分别有k m m m ,,,21 种方法,而完成这件事只需一种方法,则完成这件事可以有k m m m +++ 21种方法.3. 不同元素的选排列从n 个不同的元素中,无放回地取出m 个元素排成一列)1(n m ≤≤,称为从n 个不同的元素中取m 个元素的选排列,共有)1()1(+--⋅=m n n n A m n (或)1()1(+--⋅=m n n n P m n )种.当n m =时,称n 个不同的元素的全排列,共有12)1(!⋅-⋅=== n n n P A n n n 种.4. 不同元素的重复排列从n 个不同的元素中,有放回地取出m 个元素排成一列,称为重复排列,共有m n 种.5. 组合从n 个不同的元素中取出m (n m ≤≤1)个元素组成一组(而不考虑元素间的次序),称为一个组合,共有mnC 种.且 m n n m n m n C m n m n m A C -=-⋅==)!(!!!,111---+=m n m n m n C C C .6. 不全相异元素的排列在n 个元素中,有m 类不同元素,每类各有m k k k ,,,21 个,将这n个元素排成一列,共有)!!!(!21m k k k n ⋅⋅⋅ 种.7.n 个不同元素分为k 组,各组元素数目分别为k r r r ,,,21 的分法总数为 )!!!(!21k r r r n ⋅,n r r r k =+++ 21,因为k k r r r r n r n C C C 211-)!!!(!21k r r r n ⋅= , (k 个组之间分顺序).如果k 个组之间不分次序,则总数为)!!!!(!21k r r r k n ⋅⋅ .8.环排列从n 个不同的元素中,选出m )1(n m ≤≤个不同元素排成一个圆圈,称为环排列,共有m A m n 种.古典概率计算举例例1 盒内装有5个红球,3个白球。

从中任取两个,试求(1)取到两个红球的概率;(2)取到两个相同颜色球的概率。

解:设=A “取到两个红球”,=B “取到两个同颜色的球”。

从8个球中任取两个 ,每种取法为一基本事件,所有不同取法的总数就是基本事件总数。

于是基本事件总数为28C 。

由于两个红球只能在5个红球中任取,所以事件A 包含的基本事件数为25C 。

故由定义2得 145!278!245)(2825=⨯⨯==C C A P ;令=C “取到两个白球”,由于“取到两个同颜色球”意味着:或者“取到两个红球”或者“取到两个白球”。

因此有C A B +=,且∅=AC ,又两个白球只能在3个白球中任取,因此事件C 所含基本事件数为23C 。

故由概率的有限可加性及定义得 )()()()(C P A P C A P B P +=+=28132831451452823=+=+=C C .例2:一批产品中有M 件正品,N 件次品。

从中任意取n 件,求恰好取到k 件次品的概率。

解:设=k A “抽取的n 件产品中恰有k 件次品”,从N M +件产品中任意抽取n件,每一种抽取方法为一基本事件,全部不同的抽取方法的总数即为基本事件总数。

所以基本事件总数为n N M C +。

由于所取k 件次品必须在N 件次品中任意取,而k n -件正品只能从M 件正品中任意抽取。

所以,事件kA 含基本事件数为k n M k N C C -⋅。

故由概率的古典定义得n N M k n M k N k C C C A P +-⋅=)( ,l k ,2,1,0=,),min(N n l =.例3 将5本不同的数学书,3本不同的物理书和2本不同的英语书随意地摆放在书架的同一层。

试求(1)5本数学书没有两本放在一起的概率;(2)恰有3本数学书放在一起的概率。

解:设=A “5本数学书没有两本放在一起”,=B “恰有3本数学书放在一起”,10本书的每一种放法为一基本事件,由于10本书的所有不同放法共有!10101010==A P 种,故基本事件总数为!10101010==A P ;(1) 要使5本数学书没有两本放在一起,可分两步来实现。

首先将5本非数学书随意摆放在书架上,共有!5555==A P 种不同的放法。

然后将5本数学书逐一放在相邻两本非数学书之间和两端的六个位置中的任意五个位置上,共有56A 种不同放法。

故由乘法原理知,5本数学书没有两本放在一起的所有不同放法有565A P ⋅种。

即事件A 含有565A P ⋅个基本事件。

由概率定义得 421!6789102345612345)(10565=⨯⨯⨯⨯⨯⨯⨯⨯⋅⨯⨯⨯⨯=⋅=P A P A P ;(2)恰有3本数学书放在一起有两种不同的情形。

其一,3本数学书放在一起,另两本不放在一起;其二,3本数学书放一起,另两本也放在一起。

对于第一种情形,可以分两步来实现。

首先将5本非数学书任意摆放在书架上,共有5P 种不同放法。

然后,从5本数学书中任意选出3本,共有35C 种选法。

再把这3本数学书固定一种排列方式并将它们当做一本和余下的2本数学书逐一放在相邻的两本非数学书之间和两端的六个位置中的任意三个位置上,共有36A 种不同放法。

由于放一起的3本数学书有3P 种不同的排列方式。

所以由乘法原理和加法原理知,3本数学书放一起,而另两本不放一起的放法共有336355)(P A C P ⋅种。

相关文档
最新文档