《概率论与数理统计04》由会员分享,可在线阅读,更多相关《概率论与数理统计04(51页珍藏版)》请在金锄头文库上搜索。
1、1(四)王 柱2013.03.122样本空间 随机试验 E必然事件,基本事件,不可能事件。包含关系,相等关系。随机事件 A A第一章 概率论的基本概念相交关系,互斥关系,对立关系。并(和)事件,交(积)事件,补(对立)事件。(差事件)3运算原理:交换结合分配对偶41。P(A) 0 ; 非负性2。P() =1 ; 完全性3。可列可加性称为概率空间,是指 在随机试验E的样本空间上,对每个事件A赋予 一个实数,记为P(A),称为事件A的概率,如果这 个集合函数P()满足下列条件:即可列个 Ai , i=1,2,.,则有*概率的定义( ,A, P)5有性质:1。P( )=02。有穷可加3。P(A) 1
2、4。5。6。加法公式。 也可写成6(S,A ,P)为概率空间。A, B为两个事件,且P(A)0 。则称 P(B|A)=P(AB)/P(A) 为“ 在事件A发生的条件下,事件B发生的条件概 率 ”。条件概率定义:乘法定理: 设P(AB)0,则有 P(ABC)=P(C|AB)P(B|A)P(A)设P(A1A(n-1)0, 则有 P(A1An)=P(An|A1A(n-1)P(A(n-1)|A1A(n-2).P(A2|A1)P(A1)设P(A)0,则有 P(AB)=P(B|A)P(A)又设P(B)0,还有 P(AB)=P(A|B)P(B)7定义;随机试验E的样本空间为 。B1,B2,,Bn为E的一组事
3、件。若(1)两两不相容且,(2)它们的和集为,则称B1,B2,,Bn为的一个划分。也叫完备事件组。 定理;随机试验E的样本空间为 。B1,B2,,Bn为的一个划分。且P(Bi)0, i=1,n 。A为E的一个事件,则P(A)=P(A|B1)P(B1)+P(A|Bn)P(Bn) 称为全概率公式。8定理;随机试验E的样本空间为 。(,A,P) AA为E的一个事件, P(A)0 。B1,B2,,Bn为S的一个划分。且P(Bi)0, i=1,n 。则P(Bi|A)= P(A|Bi)P(Bi)/P(A)=P(A|Bi)P(Bi)/P(A|B1)P(B1) +P(A|Bn)P(Bn)称为贝叶斯公式。9例0
4、4-1八支枪中,有三支未经试射校正,五支已 经试射校正。校正过的枪射击时,中靶的概率为 0.8,未校正的枪射击时,中靶的概率为0.3,今从 8支枪中任取一支射击中靶。问所用这枪是校正过 的概率是多少? 解 设事件 B =射击中靶,A1 =任取一枪是校 正过的, A2 =任取一枪是未校正过的。则故所求概率为10独立性定义;A,B为两事件。如果等式 P(AB)=P(A)P(B)成立,则称A, B为互相独立的事件。可以证明, A与B互相独立,则Ac与B, A与Bc, Ac与Bc互相独立。定理; A,B为两事件,且P(A)0。 则 “A与B相互独立”与“P(B|A)=P(B)” 等价。11一般, A1
5、,A2,,An为E的一组n个事件。 相似的可定义:两两、三三、.,及n个相互独立。定义;A,B,C为三个事件。如果三个等式P(AB)=P(A)P(B) P(AC)=P(A)P(C) P(BC)=P(B)P(C)成立,则称A, B,C为两两独立的事件。若再加一个等式P(ABC)=P(A)P(B)P(C)成立,则称A, B,C为互相独立的事件。12例04-2若生产某产品经过5道工序,每道工序 的不合格率分别为0.01, 0.02, 0.03, 0.04, 0.05, 假定工序之间是相互独立的,求该产品的合 格率和不合格率。解 设 =第i 道工序生产合格, ,则13例04-3设某科学工作者每次试验成
6、功的概率是0.01 。试问他要做多少次试验才能十拿九稳的做到试 验成功(假定试验与试验之间是相互独立的)?解 设某科学工作者要做 N 次试验才能十拿九稳 的使试验成功。又设 F =某科学工作者一次试 验失败, C =某科学工作者N 次试验失败,由 题设知,14 例04-4. 如下之并(联起)串连电路并串图设继电器闭合与否相互独立,每个继电器闭合的 概率为p。求L至R为通路的概率? 1234LR注意: A=A1A2 A3A4 P(A)=P(A1A2)+P(A3A4)-P(A1A2A3A4) =P(A1)P( A2)+P(A3)P( A4)-P(A1)P( A2)P( A3)P( A4) =p2+
7、p2-p4=2p2-p415 再看 串(连起)并联电路串并图由于: A=(A1 A3)(A2 A4 ) =(A1c A3c) (A2c A4c)c1234LR设继电器闭合与否相互独立,每个继电器闭合的 概率为p。求L至R为通路的概率? P(A)=1-P(Ac)=1-P(A1c A3c) (A2c A4c) =1-(1-p)2+(1-p)2-(1-p)4=1-2(1-p)2+(1-p)416独立试验序列假若一串试验具备下列三条:(1)每一次试验只有两个结果,一个记为“成功”,一个记为“失败”, (2)成功的概率 p 在每次试验中保持不变;(3)试验与试验之间是相互独立的。则这一串试验称为独立试验
8、序列,也称为Bernoulli概型。 17 在独立试验序列中主要考察下面两种事件的概率 :(1)n 次试验中恰有 k 次“成功”的概率;(2)第 k 次试验首次出现“成功”的概率。请读者自行证明第1种事件的概率为 ,此被称为二项分布。第2种事件的概率为 ,此被称为几何分布。 18例04-5. : 将一枚硬币独立的掷两次,引进事件:, , 。则(a) 相互独立。(b) 相互独立。(c) 两两独立。(d) 两两独立。 19例04-6. : 设A,B为随机事件,且 ,则必有 : (A)(B)(C)(D) 20第二章 随机变量及其分布* 2.1 随机变量定义2.1.1 : 随机试验E, ( ,A, P
9、) 为概率空间。对于每个e ,都有一个实数X(e)与之对应。这样就得到一个定义在上的单值实函数X=X(e) 。如果对于任意的实数 x , X x 表示e|X(e) x , 都是属于A 中的事件。则称 X 为随机变量。21 显然,定义域为 。X(e)所有可能取值的全体,称为值域R。对于任意的实数集合 L , X L 表示事件 e|X(e) L 。又若, ( , A, P) 为概率空间。对于任意的实数集合 L,令 PX(L) = Pe|X(e) L , 则 ( R, R, PX ) 也为概率空间。 在其上令 X*=X*(x) =x,也是随机变量。注意 X 与 X*取值的概率情况相同22例04-7
10、E: “接连抛三次硬币” “ 正面出现的次数” :HHH, HHT, HTH, HTT, THH, THT, TTH, TTT e1 e2 e3 e4 e5 e6 e7 e8 X= 3 2 2 1 2 1 1 0 * = 0 1 2 3 X* = 0 1 2 3 PX = 1/8 3/8 3/8 1/8 这样就得到一个定义在 =S上的单值实函 数 X=X(e) ,叫随机变量。实数集合 L=0,1 , X L 表示事件 e|X(e) L = e4 e6 e7 e8 。23随机变量的特性:1.随试验的结果而取不同的值;2.试验前,能知道它可能的取值范围,却不能预知它确切的取值;4. 取值有一定的概
11、率;3.定义域为样本空间, 值域R;注意: 与普通函数、概率函数的区别。例:“正面数”“ 呼叫次数”“ 寿命”24再例: E5: 纪录电话交换台一分钟内接到的呼唤次数。E6: 在一批灯泡中任意抽取一只,测试它的寿命。5: 0,1,2,3,. 6: t | t 0 X5= 0,1,2,3,. X6= t | t 0 25定义2.2.1:一个随机变量,若它全部可能取到的值是有限个或可列无限个,称为离散(型)随机变量。* 2.2 离散随机变量的概率分布例:“正面数”“ 呼叫次数” 是;“寿命”不是。26 显然,掌握一个离散随机变量 X 的统计规律, 必需且只需知道 “X 的所有可能取的值,以及 取每
12、一个可能值的概率”。 设:离散随机变量可能取的值为 xk (k=1,2,)显然, 1. Pk 0 , (k=1,2,)2. 。称为离散型随机变量的概率分布或分布律。反之满足这两点的 pk 叫概率函数。它一定是某个离散型随机变量的概率分布或分布律。X 取可能值的概率为 pk =P(X=xk) (k=1,2,)27写为:注意:离散型的概率分布是属于随机变量 的。概率空间上可以定义多个不同的随机 变量 的分布。 考虑,有4个信号灯。P为显红灯的概率 。X首次停时已通过的路口数。0 1 2 3 4p qp q2p q3p q4 28 (0)、( 0-1 )分布定义;随机变量X只可能取 0 或 1 两个
13、值。它的分布律是P(X=k)=pkq(1-k) ,k=0,1 (00 是常数。则称 X 为服从参数为 的泊松分布,记为X ()。 例:呼叫次数,印刷错误,遗失 信件,急诊人数,交通事故数, 粒子计数,.37 例04-9放射性物质在某一段时间内放射的粒子数 是服 从泊松分布的。Rutherford和Geiger观察了放射性物质 放出的 粒子个数的情况,一共做了2608次观察,每 次观察的时间是7.5秒,总共观察到10094个 粒子, 如表所示。从表中,我们看到按算出的 跟 的 频率相当接近。放射粒子数观察到 次数频率按泊松分布 计算之概率0 1 2 3 4 5 6 7 8 9 1057 203 383 525 532 408 273 1394527160.022 0.078 0.147 0.201 0.204 0.156 0.105 0.053 0.017 0.010 0.0060.021 0.081 0.156 0.201 0.195 0.151 0.097 0.054 0.026 0.011