《精编》统计学之机率概论与机率分配

上传人:tang****xu5 文档编号:133779894 上传时间:2020-05-30 格式:DOC 页数:64 大小:349.51KB
返回 下载 相关 举报
《精编》统计学之机率概论与机率分配_第1页
第1页 / 共64页
《精编》统计学之机率概论与机率分配_第2页
第2页 / 共64页
《精编》统计学之机率概论与机率分配_第3页
第3页 / 共64页
《精编》统计学之机率概论与机率分配_第4页
第4页 / 共64页
《精编》统计学之机率概论与机率分配_第5页
第5页 / 共64页
点击查看更多>>
资源描述

《《精编》统计学之机率概论与机率分配》由会员分享,可在线阅读,更多相关《《精编》统计学之机率概论与机率分配(64页珍藏版)》请在金锄头文库上搜索。

1、授 课 目 录第一章 质量管理概说第二章 统计学概论第三章 机率概论及机率分配第四章 统计制程管制与管制图第五章 计量值管制图第六章 计数值管制图第七章 制程能力分析第八章 允收抽样的基本方法第九章 计数值抽样计划第十章 计量值抽样计划第十一章 量具之再现度与再生度第十二章 质量管理之新七大手法第三章 机率概论及机率分配3.1 集合论 集合论(Set Theory)机率论(Probability)群体分配 集合是元素的聚合,而元素是集合的单位。A=1, 2, 31, 2, 3为A集合的单位 1A无元素的集合存在,称之为空集合,记做 或例 集合B=X|X2+6X+5=0求B=-1, -5 元素和

2、集合的关系A=1, 2, 31A; 4A 集合和集合的关系(1) 子集关系:AB(A含于B或B包含A)即A中任一元素均在B集合中可找到A=1, 2, 3B=1, 2, 3, 4ABBA(2) 等集关系:A=B(A等于B)即集合A与集合B中的元素完全相同A=0, 1B=X|X(X-1)=0A=BA=B(3) 对等关系:AB(A对等于B) 即集合A中每一元素可与集合B中的每一元素一对一对应关系合格品不合格品A集合合B集合合10A=0, 1B=合格品,不合格品 集合之运算(1) 联集运算:AB(2) 交集运算:AB(3) 去集运算:A-BABBA(4) 结合律:ABC=(AB)C=A(BC)(5)

3、交换律:AB =BA(6) 分配律:A(BC)=(AB)(AC)(7) 余集:设W为全集,则W-A称之为A之余集,记作A,W-A=AAA若AA=WAA=(A)=A另A-B= A B(8) 分割:设W为全集,集合A、B均含于W,当满足(a)AB=W(b) AB=时,则称为A、B为W上的分割。AB(9) 余集律:(AB)=AB(AB)=AB*符号说明:X:随机变数,P:机率,p:不合格率p(x):机率密度函数(离散型)f(x):机率密度函数(连续型)F(x):累积机率分配函数(连续型、离散型)EX = m (期望值),VX = s2 (变异数)m :母体平均值,s2:母体变异数:样本平均值,S2:

4、样本变异数*3.2 机率的概念 机率论是现代统计学的基础。机率是为了衡量不确定结果,而建构出来的一种测度。其中基本的概念为: 机率空间(Probability Space):系统中,集合所有可能出现的事件而构成的一个抽象空间,通常以W表示。有时亦称样本空间(Sample Space)或结果空间(Outcome Space)。 事件(Events):系统中我们所要讨论合理且可能发生的现象,是机率空间的基本元素。 随机实验(Random Experiment):可能出现的结果有很多种,重复实验时无法明确预知得到什么结果的实验方式。 随机变数(Random Variables):定义在机率空间的一个

5、量测机率的工具,通常以一个一对多的不确定函数表示。它对实验的每一种结果指定一数值与之对应。或将文字叙述转换成数字叙述(将实验结果以数值表示,省略一一列出可能实验结果的烦杂)。常以X表示之,且其结果常符合某一特定分配。函数系针对定义域与对应域(值域)之间一对一或多对一的关系,即输入某一数值就对应输出另一数值,过程与结果均是确定的(Deterministic)。但当输入一事件却可能出现好几种其它情况时,如掷一骰子对应的是可能出现6种情况,此即随机变量。简言之,随机变量是一种多的广义函数。实数值x(事件)之机率P(X=x)决定机率分配函数p(x)。范例、某品牌相同原子笔n支,内有不合格品,某同学任意

6、选1支,试写出样本空间?(合格品=G,不合格品=NG)W = G,NG=21若以不格合品数目表示(随机变量之概念,转换成数字)X的可能值有0,1;W = X|0,1;如x=1=NG(X:随机变数表选得不合格品数;x:事件)范例、承上题,某同学任意选2支,试写出样本空间?W = (G,G),(G,NG),(NG,G),(NG,NG) =22若以不格合品数目表示(随机变量之概念,转换成数字)X 的可能值有0,1,2;X = X|0,1,2如x=1=(G,NG),(NG,G)范例、承上题,某同学任意选3支,试写出样本空间?W = (G,G,G),(G,G,NG),(G,NG,G),(NG,G,G),

7、(G,NG,NG),(NG,G,NG),(NG,NG,G),(NG,NG,NG) =23若以不格合品数目表示(随机变量之概念,转换成数字)X的可能值有0,1,2,3;X = X|0,1,2,3如x=1=(G,G,NG),(G,NG,G),(NG,G,G)实验检验真理,真理只有一个。然随机实验中,其产生之结果是不确定的(Uncertainty)。机率就是衡量此不确定结果,而建构出来的一种测度。如何决定机率值-决定机率值的方法(1)理论机率=古典机率=机会均等机率 样本空间W内有n(W)个元素,若事件A为W之部份集合,含n(A)个元素,则事件A的机率为:P(A)= n(A)/ n(W)范例、承上题

8、,某同学任意选1支,为不合格品之机率?n(W)=21事件= NGn(A)=1 P(A)= 1/ 2若以不格合品数目表示(随机变量之概念,转换成数字)X 的可能值有0,1;W = X|0,1;则x=1=NGP(A)= n(A)/ n(W)P(x=1) =P(NG)=1/2范例、承上题,某同学任意选2支,有1不合格品之机率?n(W)=22事件= (G,NG),(NG,G)n(A)=2 P(A)= 2/22=1/2若以不格合品数目表示(随机变量之概念,转换成数字)X 的可能值有0,1,2;X = X|0,1,2x=1=(G,NG),(NG,G) ; P(x=1) =P(G,NG),(NG,G)= 2

9、/4 =1/2范例、承上题,某同学任意选3支,有1不合格品之机率?n(W)=23事件=(G,G,NG),(G,NG,G),(NG,G,G)n(A)=3 P(A)= 3/23=3/8若以不格合品数目表示(随机变量之概念,转换成数字)X的可能值有0,1,2,3;X = X|0,1,2,3则x=1=(G,G,NG),(G,NG,G),(NG,G,G)P(x=1) =P(G,G,NG),(G,NG,G),(NG,G,G)= 3/8 计算理论机率的方法亦称古典方法,此法依靠抽象的推理与逻辑分析,而不必进行实际的试验。(2) 经验机率=客观机率 一随机实验重复试行n次,其中A事件共发生fA次,则A事件发生

10、之机率可视为发生次数与总次数比:P(A)= fA/n当实验的次数愈多,事件的相对次数比将愈趋稳定;即P(A)=fA/n(3)主观认定机率 一事件发生之机率,常由人们对此事的经验,或心理的感觉而决定。此机率较有争议。机率公设在样本空间W中,事件A发生的机率记做P(A),机率必须符合以下公设:(1) P(W)=1,P()=0(2) P(A)0(3) P(A)=1-P(A),其中A=W-A(4) 若BW,P(AB)=P(A)+P(B)-P(AB)样本空间计算基本法则法则一(加法原理):完成一件事有二种方式,第一种方式有n1种方法,第二种方式有n2种方法,则完成此事件共有n1+n2种方法。法则二(乘法

11、原理):完成一件事有k个阶段,第一阶段有n1种方法,第二阶段有n2种方法,第k阶段有nk种方法,则完成此事件共n1n2nk种方法。法则三:在n个不同事物中,任取r个予以组合,其方法有C(n, r)=n!/(n-r)!r!。范例、甲、乙二人掷骰子,约定甲掷出点数是1, 2时,甲可得2元;点数是3, 4时可得4元;点数是5时可得10元;点数是6时,则甲需付给乙20元。令X表掷骰子后甲所得的钱,求X的机率分布?W=1, 2, 3, 4, 5, 6;n(W) = 6X的可能值有2,4,10,-20;X=X|2, 4, 10, -20P(x=2) =P(1, 2)= n(A)/n(W) = 2/6 P(

12、x=4) =P(3, 4)= n(A)/n(W) = 2/6P(x=10) =P(5)= n(A)/n(W) = 1/6P(x=-20) =P(6)= n(A)/n(W) = 1/6x2410-20p(x)2/62/61/61/6p(x) (x) p(x=2)1)p(x=4)p(x=10)p(x=-20)x=2x=4x=10x=-20范例、甲掷一枚铜板2次,令X表出现正面的次数,求X的机率分布?W=正正, 正反, 反正, 反反;n(W) = 4X的可能值有0, 1, 2;X=X|0, 1, 2P(x=0) =P(反反)= n(A)/n(W) = 1/4 P(x=1) =P(正反, 反正)= n

13、(A)/n(W) = 2/4P(x=2) =P(正正)= n(A)/n(W) = 1/4x012p(x)1/42/41/4p(x)p(x=0)p(x=1)p(x=2)x=0x=1x=2上述二范例均为离散型数据系属离散型随机变量,即实验结果其对应之数值只有可数的几种可能值,且可一一列出此种情况,以机率P(X=x)决定机率分配函数p(x)(离散型)。反之,连续型数据系属连续型随机变量,即实验结果其对应之数值不能列出各种可能值,则以机率P(Xa)决定机率分配函数f(x) (连续型)。3.3 统计独立与条件机率定义:统计独立(Statistically Independent)在样本空间W中有两事件A与B,若A发生的机率不受B影响,即P(AB)=P(A)P(B),则称事件A与B为统计独立。范例:(独立无关联)爱足球不爱足球合计男648252900女7228100P(男)=900/1000=0.9;P(女)=100/1000=0.1=1-0.9P(爱足球)=(648+72)/1000=0.72P(不爱足球)=(252+28)/1000=0.28=1-0.72P(男爱足球)=648/1000=0.648P(男不爱足球)=252/1000=0.252P(女爱

展开阅读全文
相关资源
相关搜索

当前位置:首页 > 行业资料 > 其它行业文档

电脑版 |金锄头文库版权所有
经营许可证:蜀ICP备13022795号 | 川公网安备 51140202000112号