第一章 概率论的基本概念
主要内容:
(1)理解随机事件的概念,了解样本空间的概念,掌握事件之间的关系与运算;(2)理解事件频率的概念,了解概率的统计定义;
(3)理解概率的古典定义,会计算简单的古典概率;
(4)理解概率的公理化定义;
(5)掌握概率的基本性质及概率的加法定理;
(6)理解条件概率的概念,掌握概率的乘法公式,全概公式及贝叶斯(Bayes)公式;
(7)理解事件独立性概念,会计算相互独立事件的有关概率。
前言
1、 确定性现象:有一类现象,在一定条件下必然发生,例如:向上抛一石子必然下落,同性电荷必不相互吸引,等等。
2、 随机现象:这种在个别试验中其结果呈现出不确定性;在大量重复试验中结果又具有统计规律性的现象。
3、 概率论与数理统计是研究和提示随机现象统计规律的一门数学学科。它具有广泛的应用性:在日常生活中、社会生产中等等。
§1随机试验
具有以下的特点:
1、 可以在相同的条件下重复地进行;
2、 每次试验的可能结果不止一个,并且能事先明确试验的所有可能结果;
3、 进行一次试验之前不确定哪一个结果会出现。
在概率论中, 我们将具有上述三个特点的试验称为随机试验。记为E
§2样本空间、随机事件
(一) 样本空间
对于随机试验,尽管在每次试验之前不能预知试验的结果,但试验的所有可能结果组成的集合是已知的,我们将随机试验E的所有可能结果组成的集合称为E的样本空间,记为S,样本空间的元素,即E的每个结果,称为样本点。例如:(见教材3页)
(二) 随机事件
一般,我们称试验E有样本空间S的子集这E的随机事件,简称事件。在每次试验中,当且仅当这一子集中的一个样本点出现时,称这一事件发生。由一个样本点组成的单点集,称为基本事件。
例如:(1)在一定的条件下,投掷一枚硬币,结果会是:“正面朝上”,或“反面朝上”。在硬币落地之前,是不能断定结果的。
(2)在一定的气象条件下,明天北京的天气如何。“下雨”,“刮风”。都可能出现,但是却不一定。
(3)下期福利彩票的结果,36选7,结果会是什么。事件“1,3, 6,7,20,30,36”是一种可能。也可能出现另外的事件。
样本空间S包含所有样本点,它是S的子集,在每次试验中它总是发生的,称为必然事件。空集
例如:(1) 从我们的课堂上,采取抓阄的方式任意地挑选1名同学,“这名同学来自月球”这是不可能事件。“这名同学来自地 球”是必然事件。“这名同学是女同学”是随机事件。“这名同学有手机并且手机开着”是 ?
(2)有一个100人的组织中,混进了两个奸细。任意地选取3个人,则“3个人都是奸细”是不可能事件。“至少一个人是奸细”是随机事件。“3个人都不是奸细”也是随机事件。“至少一个人不是奸细”则是必然事件。
(三) 事件间关系与事件的运算
事件的本质是集合,事件遵循着集合的运算关系。
1、 包含关系:若
若
2、 事件
3、 事件
4、 事件
5、 若
6、 若
7、 事件满足以下运算规律:见教材6页)
例2、例3(见教材6页)
§3频率与概率
(一) 频率
在相同条件下,进行了
频率具有下述基本性质:
1、
2、
3、若
(二)概率
设E是随机试验,
1、对于每一个事件A,有
2、
3、若
称为
由概率的定义,可以得到一些重要的性质。
性质1:
性质2:若
即对于
称为概率的有限可加性。
性质3:设A,B是两个事件,若
性质4:对于任一事件A
性质5:对于任一事件A,有
性质6:对于任意事件A,B有
推广为任意三个事件A,B,C有
事件的运算规律:
(1) A+B=B+A
(2) A+(B+C)=(A+B)+C
(3) A+A=A
(4) A+
(5) A+U=U
(6) A+V=A
(7) AB=BA
(8) (AB)C=A(BC)
(9) AA=A
(10) A
(11) AU=A
(12) AV=V
(13) A(B+C)=AB+BC
(14) A+BC=(A+B)(A+C)(分配律)
(15)
(16)
§4古典概型
如果试验E具有如下两个特点:
1、 试验的样本空间只包含有限个基本事件;
2、 试验中每个基本事件发生的可能性相同。
则称这种试验模型叫做古典概型,也称等可能概型。
基本公式为:
例1、 例2、例3、例4 (见教材12页)
§5条件概率与乘法公式
一、条件概率
由例6(见书14)得到条件概率的定义及公式
定义:设A、B为两个随机事件,且
为在事件A发生的条件下事件B发生的条件概率。
条件概率符合的三个条件:
1、 对于每一事件B,有
2、
3、 设
二、乘法定理
设
推广A、B、C为任意三个事件,且P(AB)>0,则有
例7:已知在20个同种零件中有3个次品,从这20个零件中任取3次,每次取一个零件作不放回抽样,求:
(1)三个都是合格品的概率,
(2)三个都是次品的概率;
(3)一个是合格品二个是次品的概率。(见教材15页)
三、全概率公式
定义 设
(1)
(2)
则称
公式 设试验E的样本空间为
例8、(见教材17页)
四、贝叶斯(Bayes)公式
设试验E的样本空间
例9:(见教材19页)
§6独立性
例10:设试验E为“抛甲、乙两枚硬币,观察正反面出现的情况”设事件A为“甲币出现H”,事件B为“乙币出现H”。E的样本空间为
在这里我们看到
定义:设A、B是两事件,如果具有等式
则称A、B为相互独立事件。
容易证明:
(1)若事件A与事件B相互独立,则
(2)若
定理:设A、B是两事件,且
定义:设A、B、C是三事件,如果具有等式
则称三事件A、B、C两两独立。
定义:设A、B、C是三事件,如果具有等式
则称A、B、C为相互独立的事件。
还可以将上述定义推广任意多个事件(略)。
问题:区别“相互独立”和“互不相容”两概念(见书21页)。
例11、例12 (见教材21页)
§7重复独立试验与二项概率公式
定义:若试验E只有两个可能结果,
在
定理:在
并且
例13 、 例14 (见教材23页)
第二章 随机变量及其分布
主要内容:
(1)理解随机变量的概念,离散型随机变量及概率函数(分布律)的的概念和性质、连续型随机变量及概率密度函数的概念;
(2)理解分布函数的概念和性质,会利用概率分布计算有关事件的概率;
(3)掌握两点分布、二项分布、泊松(poisson)分布、几何分布、均匀分布、正态分布和指数分布;
(4)会求简单随机变量函数分布。
1随机变量
随机变量是概率论中另一个重要的概念。
定义:对于一个随机试验E,由于随机因素的作用,试验的结果有多种可能性。记E的基本空间为
举例:见教材29页
按照随机变量的取值情况,可以将随机变量分为两类:
一类是只取有限个或无穷可列多个值的随机变量,称为离散型随机变量;
另一类是非离散型随机变量,它可能在整个数轴上取值,或至少有一部分取值是某实数区间的全部值。
§2离散型随机变量的概率分布
一、离散型随机变量及其分布
定义:离散型随机变量X的一切可取值
称为X的概率分布或分布律,分布律也可以用表格的形式来表示:
由概率的定义知离散型随机变量X的公布
1、
2、
例1 社会上定期发行某种奖券,每券1元,中奖率为p。某人每次购买1张奖券,如果没有中奖下次再继续购买1张,直互中奖为止,求该人购买次数X的概率分布。(见教材31页)
例2 设一批产品的次品率为5%,从中任取一产品进行检验,若合格品则记X=1,否则记X=0。可见X是一离散型随机变量,其概率分布为
二、四种常用的离散型随机变量及其分布
1、(0-1)分布
定义:如果随机变量X可能取0与1两个值,其概率分布为
或用表格表示
3、 二项分布
在
若变量X表示在
显然有
所以说
是随机变量X的概率分布。
定义:如果随机变量X的概率分布为
其中
特别,当
例3、例4(见教材33页)
3、几何分布
设试验E只有两个可能的对立的结果
我们称随机变量X服从几何分布。易知
例5:某人有10把形状大致相同的钥匙,只有一把钥匙能打开房门,他每次随机地取出一把钥匙开门,试开后放回(若无放回开锁),问他第三次试开能打开房门的概率是多少?(见教材35页)
4、 泊松分布
设随机变量X可能取的值为0、1、2、…、,并且
其中
三、二项分布和泊松的关系
泊松定理 设
泊松定理表明,当
其中
例6:一电话交换台每分钟接到的呼叫次数服从参数为4的泊松分布,求:
(1) 每分钟恰有6次呼叫的概率;
(2) 每分钟的呼叫次数大于5的概率。
例7:设一批产品共2000个,其中有40个次品。从中每次任取1个产品作放回抽样检查,求机检的100个样品中次品数X的概率分布。
(见教材37页)
§3 随机变量的分布函数
一、分布函数
定义 设X是一个随机变量,
对于任意实数
分布函数是一个普通的函数,正是通过它我们将能用数学分析的方法来研究随机变量。
分布函数
(1)
(2)
(3)
二、离散型随机变量的分布函数
例8 :设随机变量X的分布律为
求X的分布函数,求
(见教材39页)
§4连续型随机变量的概率密度及其分布函数
一、连续型随机变量的概率密度
定义:设
则称X为连续型随机变量,其中函数
由定义知道,概率密度函数
1、
2、
3、
4、若
二、几种重要的连续型随机变量的分布
1、 均匀分布
如果随机变量X的概率密度函数为
则称X服从
对于
表明X取值任意一小区间的概率与该小区间的具体位置无关,而只与小区间的长度有关. 即在小区间的取值是均匀的. 所以称为均匀随机变量.
2、 指数分布
如果随机变量X的概率密度函数为
则称X服从指数分布(参数为
例9、例10、例11(见教材46页)
3、正态分布
如果随机变量X的概率密度为
则称X服从正态分布
标准正态分布 参数
易知
通过查表计算正态分布清形下的概率
例1.设X~
解:由定义知道
设
例2.设X~
解:
特别
例3. 设X~
解:
§5随机变量函数的分布
设
我们现在根据X的分布来求Y的分布。
1、离散型
设X的概率分布(表)为
记
这是因为
例1:已知X的概率分布为:
0 | 1 | 2 | 3 | 4 | 5 | |
1/12 | 1/6 | 1/3 | 1/12 | 2/9 | 1/9 | |
令Y=2X+1,则
1 | 3 | 5 | 7 | 9 | 11 | |
1/12 | 1/6 | 1/3 | 1/12 | 2/9 | 1/9 | |
如果有些
例2:求
4 | 1 | 0 | 9 | |
1/12+2/9 | 1/6+1/12 | 1/3 | 1/9 | |
2、连续型
例5:设X~
解:记X和Y的分布函数分别为
=
=
=
两端对
可以知道
这表明Y遵从标准正态分布.即Y~
例6 :设X~
解:如果b>0,
=
=
=
类似可以知道,如果b<0
两端求导得到
将
例7: 设圆片的直径是[5,6]区间上的均匀分布,求圆片面积的概率分布.
解: 设圆片的直径为X, 圆片的面积为
先求出X的分布函数,再给出Y的分布函数。
第三章 多维随机变量及其分布
主要内容:
(1)理解二维随机变量的概念,理解二维随机变量的联合分布的概念、性质及两种基本形式:离散型联合概率分布、边缘分布和条件分布;连续型联合概率密度、边缘概率密度和条件密度,会利用二维概率分布求有关事件的概率。
(2)理解随机变量的独立性及不相关性的概念,掌握离散型和连续型随机变量独立条件。
(3)会求两个随机变量简单函数分布。
§1二维随机变量
一、二维随机变量函数的分布
定义:设E是一个随机变量,它的样本空间是
定义:设(X,Y)是二维随机变量,对于任意实数
称为二维随机变量(X,Y)的分布函数。
分布函数
1、
2、
对于任意固定的
对于任意固定的
3、
二、二维离散型随机变量
如果二维随机变量(X,Y)有所可能取的值是有限对或可列无限多对,则称(X,Y)是离散型随机变量。
设二维随机变量(X,Y)所有可能取的值为
记作
我们称
例1:(见教材63页)
三、二维连续型随机变量
与一维随机变量相似,对于二维随机变量(X,Y)的分布函数
则称(X,Y)是二维连续型随机变量,函数
按照定义概率密度
1、
2、
3、若
4、设G是
例2:(见教材65页)
§2边缘分布
定义:二维随机变量(X,Y)作为一个整体,具有分布函数
对于离散型随机变量,可得:
知道X的分布律为
同样,Y的分布律为
记
分别称
对于连续型随机变量(X,Y),设它的概率密度为
知道,X是一个连续型随机变量,其概率密度为
同样,Y也是一个连续型随机变量,其概率密度为
分别称
例3:(见教材68页)
§3条件分布
一、二维离散型随机变量
设(X,Y)是二维离散型随机变量,其分布律为
(X,Y)关于X和关于Y的边缘分布律分别为
设
的概率。由条件概率公式,可得
可知上述条件概率具有分布律的特性:
1、
2、
定义:设(X,Y)是二维离散型随机变量,对于固定的
则称
为在
同样,对于固定的
为在
例5:(见教材73页)
二、二维连续型随机变量(略)
§4相互独立的随机变量
定义:设
即
则称随机变量X和Y是相互独立的。
当(X,Y)是连续型随机变量时,若
事实上,如果X和Y是相互独立,那么
当(X,Y)是离散型随机变量时,X与Y相互独立的条件等价于对于(X,Y)的所有可能取值
例8:(见教材79页)
§5二维随机变量的函数分布
一、
二、
第四章 随机变量的数字特征
主要内容:
(1)理解随机变量数字特征(数学期望、方差、标方差、相关系数)的概念,并会运用数字特征的基本性质计算具体分布的数字特征,掌握常用的数字特征。
(2)会根据随机变量X的概率分布求其函数
(3)掌握常用分布的数字特征。
§1 数学期望
一、数学期望
定义:设离散型随机变量X的分布律为
若级数
绝对收敛,则称级数
设连续型随机变量X的概率密度为
绝对收敛,则称积分
数学期望简称期望,又称为均值。
二、随机变量函数的期望
定理:设Y是随机变量X的函数:
1、 X是离散型随机变量,它的分布律为
若
2、 X是连续型随机变量,它的概率密度为
若
例4、例5(见教材96页)
三、期望的性质
1、 设C是常数,则有
2、 设X是一个随机变量,C是常数,则有
3、 设X、Y是两个随机变量,则有
4、 设X、Y是相互独立的随机变量,则有
例6(见教材98页)
§2 方差
一、方差
定义:设X是一个随机变量,若存在,则称
而
在实际计算中,随机变量X的方差通常采用下列公式计算,即
(证略)
例7、例8(见教材100页)
二、方差的性质
1、 设C是常数,则有
2、 设X是一个随机变量,C是常数,则有
3、 设X、Y是相互独立的随机变量,则有
4、
显然,这里
例9(见教材102页)
三、协方差及相关系数
1、 协方差
定义:量
在实际计算中,随机变量X的协方差通常采用下列公式计算,即
协方差具有的性质:
①
②
③
2、 相关系数
定义:若
称为(X,Y)相关系数,记作
相关系数的性质:
①
②
注意:相互独立的两个随机变量X和Y一定不相关;
若X和Y不相关,X和Y却不一定相互独立。
§3 几种重要分布的数学期望
(见教材108页表)
分布名称 | 期 望 | 方 差 |
(0-1)分布 | ||
二项分布 | ||
泊松分布 | ||
均匀分布 | ||
正态分布 | ||
指数分布 | ||
第五章 大数定律及中心极限定理
主要内容:
(1)了解切比雪夫不等式。
(2)了解切比雪夫大数定律、伯努利大数定律和辛钦大数定律。
§1大数定律
定理1:设随机变量
则对于任意正数
定理2:设随机变量
则序列
定理3:(贝努利定理)设
或
定理4:设随机变量
§2中心极限定理
一、 中心极限定理
定理1:(独立同分布的中心极限定理)设随机变量
则随机变量
的分布函数
定理2:设随机变量
记
若存在正数
则随机变量
的分布函数
二、二项分布的正态近似
三、泊松分布的正态近似(见教材119页)
本文来源:https://www.2haoxitong.net/k/doc/963117473b68011ca300a6c30c2259010202f324.html
文档为doc格式