概率论与数理统计(随机事件及其概率)

合集下载

概率论与数理统计目录

概率论与数理统计目录

概率论与数理统计目录一、随机事件及其概率1.1 随机事件的基本概念定义与分类事件的运算1.2 概率的定义与性质概率的公理化定义概率的基本性质1.3 古典概型与几何概型古典概型的计算几何概型的计算1.4 条件概率与独立性条件概率事件的独立性1.5 全概率公式与贝叶斯公式全概率公式贝叶斯公式及其应用二、随机变量及其分布2.1 随机变量的概念随机变量的定义随机变量的分类2.2 离散型随机变量及其分布常见的离散型分布分布律与分布函数2.3 连续型随机变量及其分布常见的连续型分布概率密度函数与分布函数2.4 随机变量函数的分布离散型随机变量函数的分布连续型随机变量函数的分布三、多维随机变量及其分布3.1 多维随机变量的概念联合分布函数边缘分布3.2 多维离散型随机变量联合分布律边缘分布律3.3 多维连续型随机变量联合概率密度函数边缘概率密度函数3.4 条件分布离散型条件分布连续型条件分布3.5 随机变量的独立性独立性的定义独立性的判定与性质四、数字特征4.1 数学期望数学期望的定义与性质数学期望的计算4.2 方差方差的定义与性质方差的计算4.3 协方差与相关系数协方差的定义与性质相关系数的定义与性质4.4 矩与协矩阵矩的定义与计算协矩阵的定义与计算五、大数定律与中心极限定理5.1 大数定律切比雪夫大数定律伯努利大数定律5.2 中心极限定理林德贝格-莱维中心极限定理德莫佛尔-拉普拉斯中心极限定理六、数理统计的基本概念6.1 总体与样本总体的定义与性质样本的定义与性质6.2 统计量与抽样分布统计量的定义与性质常见的抽样分布七、参数估计与假设检验7.1 参数估计点估计区间估计7.2 假设检验假设检验的基本概念单侧检验与双侧检验正态总体的假设检验八、回归分析与方差分析8.1 回归分析一元线性回归多元线性回归回归模型的检验与预测8.2 方差分析单因素方差分析双因素方差分析方差分析的应用。

概率论与数理统计知识点总结!-知识归纳整理

概率论与数理统计知识点总结!-知识归纳整理

《概率论与数理统计》 第一章随机事件及其概率§1.1 随机事件一、给出事件描述,要求用运算关系符表示事件: 二、给出事件运算关系符,要求判断其正确性: §1.2 概率古典概型公式:P (A )=所含样本点数所含样本点数ΩA 实用中经常采用“罗列组合”的想法计算补例1:将n 个球随机地放到n 个盒中去,问每个盒子恰有1个球的概率是多少?解:设A :“每个盒子恰有1个球”。

求:P(A)=?Ω所含样本点数:n n n n n =⋅⋅⋅...Α所含样本点数:!1...)2()1(n n n n =⋅⋅-⋅-⋅n n n A P !)(=∴补例2:将3封信随机地放入4个信箱中,问信箱中信的封数的最大数分别为1、2、3的概率各是多少?解:设A i :“信箱中信的最大封数为i”。

(i =1,2,3)求:P(A i )=?Ω所含样本点数:6444443==⋅⋅A 1所含样本点数:24234=⋅⋅836424)(1==∴A PA 2所含样本点数:363423=⋅⋅C1696436)(2==∴A PA 3所含样本点数:4433=⋅C161644)(3==∴A P注:由概率定义得出的几个性质:知识归纳整理1、0<P (A )<12、P(Ω)=1,P(φ) =0 §1.3 概率的加法法则定理:设A 、B 是互不相容事件(AB=φ),则: P (A ∪B )=P (A )+P (B )推论1:设A 1、 A 2、…、 A n 互不相容,则 P(A 1+A 2+...+ A n )= P(A 1) + P(A 2) +…+ P(A n )推论2:设A 1、 A 2、…、 A n 构成完备事件组,则 P(A 1+A 2+...+ A n )=1推论3: P (A )=1-P (A )推论4:若B ⊃A ,则P(B -A)= P(B)-P(A) 推论5(广义加法公式):对任意两个事件A 与B ,有P(A ∪B)=P(A)+P(B)-P(A B) 补充——对偶律:nnAA A A A A ⋂⋂⋂=⋃⋃⋃ (2)121nnAA A A A A ⋃⋃⋃=⋂⋂⋂ (2)121§1.4 条件概率与乘法法则条件概率公式:P(A/B)=)()(B P AB P (P(B)≠0)P(B/A)= )()(A P AB P (P(A)≠0)∴P (AB )=P (A /B )P (B )= P (B / A )P (A )有时须与P (A+B )=P (A )+P (B )-P (AB )中的P (AB )联系解题。

大学概率论与数理统计公式全集

大学概率论与数理统计公式全集

大学概率论与数理统计公式全集一、随机事件和概率1、随机事件及其概率2、概率的定义及其计算二、随机变量及其分布1、分布函数性质P(X 乞b) =F(b) P(a :: X 冬b) = F(b) _ F(a)2、离散型随机变量3、连续型随机变量三、多维随机变量及其分布1、离散型二维随机变量边缘分布 P i =P(X =X i )二% P(X = xi ,丫二 yj ) = ' pij pj =P( Y=yj )=' P(X 二 X j , 丫二 yj )=' pij j j离散型二维随机变量条件分布P(X =X j ,Y =yj )pij…= P(X =X j Y =y j ),i=1,2jP(丫 =yj )P j P(X=X j ,Y=y j )p j2、 P i j P ji3、x yf(u,v)dvdu4、连续型二维随机变量边缘分布函数与边缘密度函数 边缘分布函数: F x (x) = [「f(u,v)dvdu 边缘密度函数:f x (x)二.-^o a-bof(u,y)du*^0.■bof (x, v)y ■:: F y (y)f (u,v)dudv f Y (y)二 5、二维随机变量的条件分布fYx (yx)二■■■■■y < fxY (xy)二<x ::: ■::x Y四、随机变量的数字特征1、数学期望离散型随机变量:E(X)=.;「X k P k连续型随机变量:E(X)二=xf(x)dx2、数学期望的性质(1)E(C) =C,C为常数E[E(X)] =E(X) E(CX) =CE(X)(2)E(X _Y) =E(X) _E(Y) E(aX _b) =aE(X) _b E(C^X^ ■ C n X n^C1E(X1^ ■ C n E(X n) ⑶ 若GY相互独立则:E(XY) =E(X)E(Y)(4) [E(XY)]2 <E2(X)E2(Y)3、万差:D(x) =E(X2) —E2(x)4、方差的性质(1) D(C) =0 D[D(X)] =0 D(aX _b) =a2D(X) D(X) :::E(X -C)2⑵ D(X _Y)二D(X) • D(Y) _2Cov(X,Y)若 GY相互独立则:D(X _Y)二D(X) • D(Y)5、协方差:Cov(X,Y)二E(X,Y) _E(X)E(Y)若 GY相互独立则:Cov(X,Y)=06、相关系数:认「(X,Y)〜Cov(X,丫)若GY相互独立则:认=0即GY不相关J D(X)阿石7、协方差和相关系数的性质(1)Cov(X,X) =D(X) Cov(X,Y)二Cov(Y, X)(2)Cov(X1 X2,Y) =Cov(X1,Y) Cov(X2,Y) Cov(aX c, bY • d)二abCov(X,Y)&常见数学分布的期望和方差五、大数定律和中心极限定理1、 切比雪夫不等式若 E(X)-」.,D(X)=:;2,对于任意'.0 有 P{X _E(X) _ }空里^2 或 P{X _E(X) ::: }n n2、 大数定律:若X i …X n 相互独立且「时,—、• X i —D r-7 E(X i )ni 4ni二nn(1)若 X i X n 相互独立,E(X i ) =A i , D(X i ) =52且 O i 2兰M 贝y : -Z X i — 1瓦 E(X i ),(n T ©nyny1n⑵若X i …X n 相互独立同分布,且E(X j )=n 则当n 时:―、X, P> Jn y3、 中心极限定理(1) 独立同分布的中心极限定理:均值为 」,方差为C 20的独立同分布时,当n 充分 大时有:n' X k —n ・iY n = ------------------- 二 N(0,1)U n cr(2) 拉普拉斯定理:随机变量n (n =1,2 )~B( n, p)则对任意G 有:xt 2lim P { :n np兰x} = f -j^e 2dt =Q (x) x -°p(1-p) - : .2 二六、数理统计1、总体和样本n _(5) 样本 k 阶中心距:B k =Mk(X i -X)k ,^2,3'nm(1)样本平均值: n n n2X 」、X i (2)样本方差:S 2匚、(X i -X)2L' (X i 2-nx )n-1y n -1(3)样本标准差:,彳 n ns= 1v(X i-X)2(4)样本 k 阶原点距:A k X i k,k=1,2 … ,n -1^(X 1,X 2 X n )的联合分布为 F(X 1,X 2 X n )F (X k )心(3)近似计算:nP(a 乞、X k Eb) =P(生' X k -n 」■k'.nc<^n 1才一门.」:泸- nc、、..总体X 的分布函数F(X)样本 2、统计量(6)次序统计量:设样本(X1,X2…X n)的观察值凶七和,将为,X?…X.按照由小到大的次,记取值为X(i)的样本分量为X(i),则称X(1宀(2)「乞x(n) 序重新排列,得到X(1)乞X(2) <X(n)为样本(X1,X2…X n)的次序统计量。

概率论与数理统计第1章随机事件及其概率

概率论与数理统计第1章随机事件及其概率
骰子朝上的点数为 i ,第二颗骰子朝上的点数为 j . (3) (i) S1 {( 正品,次品 ),( 正品,正品 ),( 次品,正品 )} ;
(ii) S2 {( 正品,次品 ),( 正品,正品 )} .
若用“1 ”表示“正品”,“ 0 ”表示“次品”,这里的两个样本空
间又可表示为
(i) S1 {(1,0),(1,1),(0,1)} ;(ii) S2 {(1,0),(1,1)}. (4) (i) S1 {t t 0};(ii) S2 { 合格品, 不合格品} . 若用“1 ”表示“合格品”,“ 0 ”表示“不合格品”, S2 又可表示为 S2 {1,0} . (5) S5 {(x, y) x2 y2 100}.
字母 E T A O I N S R H
使用频率 0.126 8 0.097 8 0.078 8 0.077 6 0.070 7 0.070 6 0.063 4 0.059 4 0.057 3
字母 L D U C F M W Y G
使用频率 0.039 4 0.038 9 0.028 0 0.026 8 0.025 6 0.024 4 0.021 4 0.020 2 0.018 7
第1章 随机事件及其概率
§1.1 随机事件
1.1.1 随机现象
在自然界以及生产实践和科学实验中普遍存在着两类现象.一类是 在一定条件下,重复进行试验,某一结果必然发生或必然不发生,即是可 以事前预言的,称为确定性现象.
除去确定性现象,人们发现还存在另一类现象,它是事前不可预言 的,即在相同条件下重复进行试验,每次的结果不一定相同,这一类现象 我们称之为偶然性现象或随机现象.
在一定条件下,随机现象有多种可能的结果发生,事前不能预知 将出现哪种结果,但通过大量的重复观察,出现的结果会呈现出某种 规律,称为随机现象的统计规律性.

概率论与数理统计随机事件与概率全概率公式与贝叶斯公式

概率论与数理统计随机事件与概率全概率公式与贝叶斯公式

概率论与数理统计第1章随机事件与概率第5讲全概率公式与贝叶斯公式全概率公式和贝叶斯公式主要用于计算比较复杂事件的概率, 它们实质上是加法公式,乘法公式以及条件概率的综合运用.全概率公式加法公式P(A+B)=P(A)+P(B)A、B互斥.乘法公式P(AB)= P(A)P(B|A)P(A)>0.设甲、乙、丙三个厂生产同一种产品,其产量Ὅ例1分别占总数的25%,35%,40%,次品率分别为5%,4%,2%,从这批产品中任取一件,求它是次品的概率.解分别表示产品由甲、乙、丙厂生产完备事件组全概率公式两两互斥B 表示产品为次品01 全概率公式02 贝叶斯公式本 讲 内容O F (x )x1)O f (xx称满足上述条件的A1,A2,…,A n为完备事件组.全概率公式设S为随机试验的样本空间,A1,A2,…,A n是两两互斥的事件,且有P(Ai)>0,i =1,2,…,n, 则对任一事件B,有证明两两互不相容,得也两两互不相容;乘法公式B加法公式某一事件B 的发生有各种可能的原因(i =1,2,…,n ),如果B 是由原因A i 所引起,则B 发生的概率是:每一原因都可能导致B 发生,故B 发生的概率是各原因引起B 发生概率的总和,即全概率公式.P (BA i )=Ὅ 全概率公式的关键数学模型完备事件组P (A i )P (B |A i ).设某人有三个不同的电子邮件账户,有70%的邮Ὅ例2件进入账户1,另有20%的邮件进入账户2,其余10%的邮件进入账户3. 根据以往经验,三个账户垃圾邮件的比例分别为1%,2%, 5%,问某天随机收到的一封邮件为垃圾邮件的概率.解分别表示邮件来自账户1、2、3B表示邮件为垃圾邮件全概率公式完备事件组甲、乙、丙三个厂生产同一种产品,其产量分别占总数的25%, 35%, 40%,次品率分别为5%,4%,2%,随机地从中任取一件,发现是次品,问它来自哪个厂的可能性大?Ὅ例3解实际中还有另一类问题:已知结果求原因乙厂生产的可能性最大贝叶斯公式有一批同一型号的产品,已知其中由一厂生产的Ὅ例4占 20%,二厂生产的占 70%,三厂生产的占10%,又知这三个厂的产品次品率分别为2%, 1%, 3%, 问从这批产品中任取一件是次品的概率是多少?解对于这个问题,大家都有一个直观的认识,容易求出这一概率为若记A表示“产品为次品”,B1,B2,B3表示“产品分别来自一、二、三厂”,则上式可以表示为:其中B1,B2,B3正是样本空间的一个划分.01全概率公式02 贝叶斯公式本 讲 内容该公式于1763年由贝叶斯(Bayes)给出. 它是在观察到事件B 已发生的条件下,寻找导致B 发生的每个原因的概率.设A 1,A 2,…,A n 是完备事件组,则对任一事件B ,有贝叶斯公式贝叶斯公式在实际中有很多应用,它可以帮助人们确定某结果发生的最可能原因.——后验概率在B 已经发生的前提下,再对导致 B 发生的原因的可能性大小重新加以修正.P ( A i ) ——先验概率它是由以往的经验得到的,是事件 B 的原因.(医学模型——稀有病症的诊断率问题)甲胎蛋Ὅ例5白(AFP)免疫检测法被普遍用于肝病的早期诊断和普查. 已知肝病患者经AFP检测呈阳性的概率为95%,而非肝病患者经AFP检测呈阳性(误诊)的概率为2%. 设人群中肝病的发病率为0.04%,现有一人经AFP检测呈阳性,求此人确实患肝病的概率.解记A={肝病患者},{经"AFP" 检测呈阳性} ,B=由贝叶斯公式经AFP检测显阳性的人,真患有肝病的人不到2%. 可见,对于稀有病症,一次检测的结果不必过于担心.对以往数据分析结果表明, 当机器调整良好时, 产品的合格率为98%, 而当机器发生某种故障时, 其合格率为55%.每天早上机器开动时, 机器调整良好的概率为95%.已知某日早上第一件产品是合格品时,试求机器调整良好的概率.Ὅ例6解A1=B=显然A1∪A2=“机器未调整良好”,“机器调整良好”,A2=“产品是合格品”,S,由题意,A1A2=∅由贝叶斯公式,有即机器调整良好的概率为97%.某机器由A、B、C三类元件构成,其所占比例分Ὅ例7别为0.1,0.4,0.5,且其发生故障的概率分别为0.7,0.1,0.2. 现机器发生了故障,问应从哪类元件开始检查?解设D表示“机器发生故障”,A表示“元件是A类”,B表示“元件是B类”,C表示“元件是C类”,由全概率公式由贝叶斯公式同理故应从C元件开始检查.第5讲 全概率公式与贝叶斯公式这一讲我们学习了两个重要的公式——全概率公式与贝叶斯公式.家需要牢记,并会熟练运用.在概率的计算中,经常用到这两个公式,大 知识点解读——全概率公式与贝叶斯公式学海无涯,祝你成功!概率论与数理统计。

概率论与数理统计总结

概率论与数理统计总结

第一章随机事件与概率第一节随机事件及其运算1、随机现象:在一定条件下,并不总是出现相同结果的现象2、样本空间:随机现象的一切可能基本结果组成的集合,记为Ω={ω},其中ω表示基本结果,又称为样本点。

3、随机事件:随机现象的某些样本点组成的集合常用大写字母A、B、C等表示,Ω表示必然事件,∅表示不可能事件.4、随机变量:用来表示随机现象结果的变量,常用大写字母X、Y、Z等表示。

5、时间的表示有多种:(1)用集合表示,这是最基本形式(2)用准确的语言表示(3)用等号或不等号把随机变量于某些实属联结起来表示6、事件的关系(1)包含关系:如果属于A的样本点必属于事件B,即事件 A 发生必然导致事件B发生,则称A被包含于B,记为A⊂B;(2)相等关系:若A⊂B且B⊃A,则称事件A与事件B相等,记为A=B。

(3)互不相容:如果A∩B=∅,即A与B不能同时发生,则称A与B互不相容7、事件运算(1)事件A与B的并:事件A与事件B至少有一个发生,记为 A∪B。

(2)事件A与B的交:事件A与事件B同时发生,记为A∩ B或AB。

(3)事件A对B的差:事件A发生而事件B不发生,记为 A-B。

用交并补可以表示为。

(4)对立事件:事件A的对立事件(逆事件),即“A不发生”,记为.对立事件的性质:。

8、事件运算性质:设A,B,C为事件,则有(1)交换律:A∪B=B∪A,AB=BA(2)结合律:A∪(B∪C)=(A∪B)∪C=A∪B∪C A(BC)=(AB)C=ABC(3)分配律:A∪(B∩C)=(A∪B)∩(A∪C)、A(B∪C)=(A∩B)∪(A∩C)= AB∪AC(4)棣莫弗公式(对偶法则):9、事件域:含有必然事件Ω,并关于对立运算和可列并运算都封闭的事件类ξ称为事件域,又称为σ代数。

具体说,事件域ξ满足:(1)Ω∈ξ;(2)若A∈ξ,则对立事件∈ξ;(3)若A n∈ξ,n=1,2,···,则可列并ξ。

概率论与数理统计 随机事件及其概率

概率论与数理统计 随机事件及其概率

作业1随机事件及其概率1.在10把钥匙中有3把能打开锁,任取2把,求能开锁的概率.2.某企业由甲、乙两家公司提供货源,根据历史统计资料,甲公司按时供货的概率为0.9,乙公司按时供货的概率为0.8,两公司都按时供货的概率为0.72,求甲、乙两公司中恰有一家公司按时供货的概率.3.盒中装有10个乒乓球,其中4个黄色,6个白色,从中任取3个球,求:(1)恰有2个白色乒乓球的概率;(2)都是白色乒乓球的概率;(3)都是同一种颜色的概率.4.现有6件正品,3件次品,每次取一个,取后不放回,共取3次,求(1)3次都取到正品的概率;(2)恰有1次取到正品的概率;5.有5件产品,其中有3件正品,2件次品.每次任取1件,取后放回,共取3次,求:(1)3次都取到次品的概率;(2)最多取到一次正品的概率.6.有两种花籽,发芽率分别为0.8和0.7,从中各取一颗,设两种花籽是否发芽相互独立.求:(1)两颗都能发芽的概率;(2)至少有一颗发芽的概率;(3)恰有一颗发芽的概率.7.某射手射击目标的命中率为0.8p ,他向目标独立射击3枪,求(1)恰好击中2次的概率;(2)至少击中1次的概率.8.已知在所有男子中有5%,所有女子中有0.25%患有色盲症,求:(1)人群中患有色盲的概率;(2)随机抽取一人发现患有色盲症,问其为男子的概率是多少?(设男子、女子的人数相等)9.设一个仓库里有十箱同样规格的产品,已知其中的五箱、三箱、二箱依次是甲、乙、丙厂生产的,且已知甲、乙、丙厂生产的该种产品的次品率依次为111,,101520.从这十箱产品中任取一箱,再从中任取一件产品.试求(1)取得正品的概率.(2)如果已知取出的产品是正品,问它是甲厂生产的概率是多少?。

概率论与数理统计_ 随机事件及概率_ 概率定义及概率的性质_

概率论与数理统计_  随机事件及概率_  概率定义及概率的性质_
概率的可列可加性
小结 主要 内容
概率论与数理统计
概率的描述性定义 概率的统计定义 概率的公理化定义
Thank You!
概率的性质
概率论与数理统计
概率论与数理统计
概率的公理化定义
设 E 是随机试验, 是它的样本空间.对于 E 的每一事件 A 赋予一个实数,记为 P( A) , 称为事 件 A的概率,如果集合函数 P( )满足下列条件 :
(2) 抛硬币次数 n 较小时, 频率 f 的随机波动幅 度较大, 但随 n 的增大 , 频率 f 呈现出稳定性.即 当 n 逐渐增大时频率 f 总是在 0.5 附近摆动, 且 逐渐稳定于 0.5.
实验者
德 摩根 蒲丰
K 皮尔逊 K 皮ቤተ መጻሕፍቲ ባይዱ逊
n
2048 4040 12000 24000
概率论与数理统计
概率的可列可加性
概率论与数理统计
概率的性质
(1) P() 0.
证明 An (n 1,2,),
则 An ,且 Ai Aj , n1
由概率的可列可加性得
i j.
P()
P
n1
An
n1
P( An )
P()
n1
P()
0.
P() 0
概率论与数理统计
(2) 若A1, A2 ,, An是两两互不相容的事件,则有
P( A1 A2 An ) P( A1) P( A2 ) P( An ).
概率的有限可加性
证明 令 An1 An2 , Ai Aj , i j, i, j 1,2,.
由概率的可列可加性得
P(A1
A2
An )
P(
Ak )
P( Ak )
  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)。

3.事件运算满足的定律 . 事件的运算性质和集合的运算性质相同,设 A,B,C为事件,则有 为事件, 为事件 交换律: ∪ 交换律:A∪B =B∪A , AB = BA. ∪ . 结合律:(A∪B)∪C=A∪(B∪C), 结合律: ∪ ∪ ∪ ∪ (AB)C= A(BC) . 分配律: 分配律:( A ∪ B)C = ( AC ) ∪ ( BC )
1.2.1 随机事件
关于随机事件概念的几点说明: 关于随机事件概念的几点说明: (1) 任一事件 是相应样本空间的一个子集,基 任一事件A是相应样本空间的一个子集 是相应样本空间的一个子集, 本事件就是只含有一个样本点的事件. 本事件就是只含有一个样本点的事件. (2) 当子集 中某个样本点出现了,就说事件 当子集A中某个样本点出现了 就说事件A 中某个样本点出现了, 发生了, 或者说事件A发生当且仅当 发生当且仅当A中某个样本 发生了 , 或者说事件 发生当且仅当 中某个样本 点出现了. 点出现了. 包含所有的样本点, (3) 样本空间Ω 包含所有的样本点,作为自身的 子集, 在每次试验中它总是发生的, 称为必然事 子集 , 在每次试验中它总是发生的 , 称为 必然事 空集∅不包含任何样本点, 件.空集∅不包含任何样本点,它作为样本空间的 子集,在每次试验中都不发生,称为不可能事件 不可能事件. 子集,在每次试验中都不发生,称为不可能事件.
( AB) ∪ C = ( A ∪ C )( B ∪ C )
对偶律: 对偶律:A ∪ B = A B , AB = A ∪ B
1.2.2 事件间的关系及运算
表示三个随机事件, 【补充例 】设A,B,C 表示三个随机事件,试将下列事 件用A,B,C 表示出来. 表示出来. 件用
发生, 至少有一个发生; (1) A 发生,且 B 与 C 至少有一个发生; 发生, 发生; (2) A 与 B 发生,而 C 不发生; (3) A , B, C 中恰有一个发生; 中恰有一个发生; 中至少有两个发生; (4) A , B, C 中至少有两个发生; 中至多有两个发生; (5) A , B, C 中至多有两个发生; 中不多于一个发生. (6) A , B, C 中不多于一个发生. A( B∪C ) ( ∪ ABC
1.2.2 事件间的关系及运算
2.事件运算 . 1) 事件A与B的和 事件 与 的
事件A与 B的和事件定义为 : 由至少属于A, B 事件 与 的和事件定义为: 由至少属于 , 的和事件定义为 之一的样本点全体组成的集合,记为A∪ , 之一的样本点全体组成的集合,记为 ∪B,其概 率含义是: , 至少有一个发生 至少有一个发生. 率含义是:A,B至少有一个发生. 实例 某种产品的合格与否是由该产品的长度 与直径是否合格所决定, 产品不合格” 与直径是否合格所决定 若C=“产品不合格”, 产品不合格 B=“长度不合格”与A=“直径不合格”, 长度不合格” 直径不合格” 长度不合格 直径不合格 则 C= A∪B. B A∪ B A
ABC ∪ ABC ∪ ABC
AB ∪ BC ∪ AC
ABC ; ABC 不发生; 不发生
AB∪ BC ∪ AC 或ABC ∪ ABC ∪ ABC ∪ ABC
1.2 随机事件及其概率
☺课堂练习
填空 表示事件“甲产品畅销,乙产品滞销” 以A表示事件“甲产品畅销,乙产品滞销”其 _____. 对立事件 A 为_____. A)“甲滞销,乙畅销” 甲滞销,乙畅销” 甲乙均畅销” B) “甲乙均畅销” 甲滞销” C) “甲滞销” D)“甲滞销或乙畅销” 甲滞销或乙畅销”
第1章 概率论基础 章
1.2 随机事件及其概率
1.2.1 随机事件
通俗地讲 随机事件是指随机试验中可能发生 也可能不发生的事件. 也可能不发生的事件. 定义1.2 随机试验的若干个基本结果组成的集合 定义 称为随机事件 简称事件 随机事件, 事件, 称为随机事件,简称事件,只含有一个基本结果的事 件称为基本事件 基本事件. 件称为基本事件. 常用大字母A,B,C,…表示. 表示. 常用大字母 表示 根据这两说法不难发现 集有一一对应关系! 集有一一对应关系! 随即事件和样本本空间为 : Ω = 】 掷一颗骰子的样本空间为: {1,2,3,4,5,6}. . 事件A 出现 出现5点 它是一个基本事件, 事件 =“出现 点”,它是一个基本事件,可 记为A 记为 ={5}; ; 事件B =“出现奇数点”,可记为 = {1,3,5}; 出现奇数点” 可记为B 事件 出现奇数点 ; 事件C =“出现的点数不大于 ,是必然事件, 事件 出现的点数不大于6”,是必然事件 出现的点数不大于 可记为C 可记为 =Ω. 事件D 出现的点数大于6”,是不可能事件, 事件 =“出现的点数大于 ,是不可能事件 出现的点数大于 可记为D 可记为 = ∅.
A∪ B = Ω 且 AB = ∅ .
B= A

1.2.2 事件间的关系及运算
对立事件与互斥事件的区别 A、B 互斥 互不相容 、 互斥(互不相容 互不相容) A、B 对立(互逆) 、 对立(互逆)
A
B

A
B = AΩ

AB = ∅
互斥
A ∪ B = Ω 且 AB = ∅
对立
1.2.2 事件间的关系及运算
1.2.2 事件间的关系及运算
(3) 互不相容
如果事件A和 没有相同的样本点 则称A与 没有相同的样本点, 如果事件 和B没有相同的样本点,则称 与B 互不相容(或互斥) 其概率含义是: , 不同 互不相容(或互斥).其概率含义是:A,B不同 时发生. 时发生. 实例 抛掷一枚硬币 “出现正面” 与 “出现反面” 抛掷一枚硬币, 出现正面 出现正面” 出现反面” 是互不相容的两个事件. 是互不相容的两个事件
则 C = A ∩ B = AB
图示事件A与 的积事件 事件. 图示事件 与B 的积事件
A AB
B

1.2.2 事件间的关系及运算
3) 事件 A 与 B 的差 由事件 A 出现而事件 B 不出现所组成的 的差. 事件称为事件 A 与 B 的差 记作 A- B. C=“长度合格但直径不合格” 实例 设 C=“长度合格但直径不合格” ,A = “长度合格”,B= “直径合格”. = A − B. 长度合格” 直径合格” 则 C 的差. 图示 A 与 B 的差
n
推广 称 ∩ Ak 为 n 个事件 A1 , A2 , ⋯, An 的积事件;
k =1
称 ∩ Ak 为可列个事件 A1 , A2 , ⋯ 的积事件 .
k =1

1.2.2 事件间的关系及运算
实例 某种产品的合格与否是由该产品的长度 与直径是否合格所决定,设C=“产品合格” 与直径是否合格所决定 设C=“产品合格” , A=“长度合格”,B=“直径合格” A=“长度合格”,B=“直径合格”.
B⊄ A
A− A− B B
B⊂ A
B A−A −B


1.2.2 事件间的关系及运算
4) 对立事件 中而不在A中的样本点组成的集合称为 中的样本点组成的集合称为A 由在Ω 中而不在 中的样本点组成的集合称为 的对立事件(逆事件) 其概率含义是: 不 的对立事件(逆事件)记为 A 其概率含义是:A不 发生.显然, 发生.显然, = − A, A = A . A 骰子出现1点 骰子不出现1点 实例 “骰子出现 点”对立 “骰子不出现 点” 的对立. 图示 A 与 B 的对立 A 对立,则有 若 A 与 B对立 则有 对立
1.2 随机事件及其概率
B=“甲畅销” C=“乙畅销” 解 设B=“甲畅销”,C=“乙畅销” 则
A= BC, =
A = BC = B ∪ C = B ∪ C
故 A 的对立事件为 D ) , 即 “ 甲滞销或乙畅 的对立事件为D 销”.
1.2 随机事件及其概率
1.2.3
事件的概率及性质
所谓随机事件的概率, 所谓随机事件的概率 , 概括地说就是用来描述 随机事件发生的可能性大小的数量指标, 随机事件发生的可能性大小的数量指标 , 它是概 率论中最基本的概念之一. 率论中最基本的概念之一.
1.2.3 事件的概率及性质
实例 将一枚硬币抛掷 5 次、50 次、500 次, 各做 7 遍, 观察正面出现的次数及频率 观察正面出现的次数及频率. 试验 序号
1 2 3 4 5 6 7
n=5
n = 50
nH
2 3
fn (H )
nH
fn (H )
n = 500 nH fn (H )
0.44 251 22 0.502 1 在 处 0.50 波动 较大249 25 0.498 2f 呈现出稳定性 的增大, 随n的增大 频率 的增大 0.2 1 21 0.42 256 0.512 5 1.0 1 0.494 0.50 25 247 在 处 动 小 波 较 1 24 0.48 0.2 2 251 0.502 2 波动最小 18 0.36 262 0.524 0.4 4 0.54 258 0.8 0.516 27 0.4 0.6
1.2 随机事件及其概率
1.2.2 事件间的关系及运算
1.事件间的关系 .
(1) 子事件 如果属于事件A的样本点也属于事件 , 如果属于事件 的样本点也属于事件B,则称 的样本点也属于事件 A为B的子事件,记为 ⊂B.其概率含义是:A发 的子事件, 为 的子事件 记为A⊂ .其概率含义是: 发 必发生. 生B必发生. 必发生 (2) 事件相等 如果事件A与事件 满足 如果事件 与事件B满足:A ⊂ B且B ⊂ A,则 与事件 满足: 且 , 相等, 称A与B相等,记为 = B.其概率含义是:A,B 与 相等 记为A .其概率含义是: , 中有一个发生另一个也必发生. 中有一个发生另一个也必发生.
1.2.1 随机事件
抛掷一枚骰子, 实例 抛掷一枚骰子, 观察出现的点数. “点数不大于4”,“点数为偶数” 等都为随机事件. 点数不大于4”,“点数为偶数” 等都为随机事件. 4”,“点数为偶数 它们分别可以对应了样本空间S={1,2,3,4,5,6} 它们分别可以对应了样本空间S={1,2,3,4,5,6} 的子集{1,2,3,4}和{2,4,6}. 的子集{1,2,3,4} 2,4,6}. 反过来,S的每个子集都对应了该试验的一个 反过来,S的每个子集都对应了该试验的一个 ,S 随机事件. 随机事件.
相关文档
最新文档