概率论第一章
(完整版)概率论第一章随机事件与概率
解题思路
1、将事件定义为某个参数，如A,B,C； 2、确定总样本空间样本数与事件对应的样本数 技巧：可以采用概率的性质和事件的运算关系灵 活变换。
2. 样本点 ω—— 随机试验的每一个可能结果.
3. 样本空间(Ω) —— 随机试验的所有样本点构成的集合.
4. 两类样本空间： 离散样本空间 样本点的个数为有限个或可列个. 连续样本空间 样本点的个数为无限不可列个.
1.1.3 随机事件
1. 随机事件 —— 某些样本点组成的集合, Ω的子集，常用A、B、C…表示.
• 重复排列：nr
•
选排列： Pnr
n! n(n 1)......(n r 1) (n r)!
组合
•
组合：
Cnr
n r
n! r!(n r)!
Pnr r!
注意
求排列、组合时，要掌握和注意： 加法原则、乘法原则.
加法原理
完成某件事情有 n 类途径， 在第一类途径中有m1种方 法，在第二类途径中有m2种方法，依次类推，在第 n 类 途径中有mn种方法，则完成这件事共有 m1+m2+…+mn种 不同的方法.
§1.1 随机事件及其运算 §1.2 概率的定义及其确定方法 §1.3 概率的性质 §1.4 条件概率 §1.5 独立性
§1.1 随机事件及其运算
1.1.1 随机现象：自然界中的有两类现象 1. 必然现象
• 每天早晨太阳从东方升起; • 水在标准大气压下加温到100oC沸腾;
2. 随机现象
• 掷一枚硬币，正面朝上？反面朝上？ • 一天内进入某超市的顾客数; • 某种型号电视机的寿命;
乘法原理
概率第一章 概 率 论
第三节 概率的加法与乘法公式
由条件概率计算公式，可直接推得概率的乘法公式： 例6 讨论抓阄的公平性.设有10个阄中只有一个物阄，10个人不论 先后顺序抓阄，每人只能抓一次、一个阄，试讨论其结果与顺序 无关.
解 设Ａｉ表示第ｉ(ｉ＝１，２，…，１０)个人抓到物阄，则第
６）是随机试验的６个基本事件，由于骰子的对称性，出现各个 基本事件的可能性相同，都为１/６，这个结果是可信的，没有人 会怀疑的．这种计算方法就叫做概率的古典概型方法． (1)有限性——样本空间的元素(基本事件)只有有限个，即Ω＝｛ω １，ω２，ω３，…，ωｎ｝； (2)等可能性——每一个基本事件发生的可能性都相同，即 例2 先后抛掷两枚均匀的硬币，求出现一个正面一个背面的概率.
表格
例1 为实验炮弹在正常条件下的合格率，
第二节 随机事件的概率
对100000发炮弹中的100发炮弹进行发射试验，结果有90发炮弹正 常，合格的频率为９０/１００＝0.9，因此，可以认为该批炮弹的 合格率基本在0.9左右，即任意从中抽取一发炮弹，能正常发射的 可能性为0.9. (1)０≤Ｐ(Ａ)≤１； (2)Ｐ(Ω)＝１； (3)Ｐ(⌀)＝０； (4)若Ａ⊂Ｂ，则Ｐ(Ａ)≤Ｐ(Ｂ)； (5)Ｐ(Ａ)＝１－Ｐ(). 二、概率的古典定义
事件组合而成的事件称为复合事件. 二、事件的关系与运算
在随机试验中有许多事件发生，而这些事件之间往往又有联 系．研究事件之间的各种关系与运算，可以帮助我们更深刻地认 识随机事件． 1.事件的包含与相等
第一节 随 机 事 件
2.事件的和(或并)
图 1-1
第一节 随 机 事 件
事件Ａ与事件Ｂ至少有一个发生的事件，称为事件Ａ与事件 Ｂ的和（或并）事件，记为Ａ∪Ｂ（或Ａ＋Ｂ）（图1⁃2中的阴影 部分）．因此，事件的和可以描述为：当且仅当事件Ａ，Ｂ中至 少有一个发生时，事件Ａ∪Ｂ发生．即Ａ∪Ｂ＝{A，B至少有一 个发生}．
概率第一章
随机试验：不能事先准确地预见它的
结果，而且在相同条件下可以重复进行。
1-4
概率论与数理统计
E
随机试验：不能事先准确地预见它的
结果，而且在相同条件下可以重复进行用 符号 E 表示。 随机事件 ：在条件下事件可能发生也 可能不发生的事件用大写字母 A , B , C ,表
指出
件，并表示事件 1-9
事件中哪些是基本事 B, C, D
。 概率论与数理统计
E
1.2.2 事件间的关系与运算
1．事件的包含与相等 若事件 A 中的每个基本事件都包含在 B
A
事件 B 之中，即 A 的发生必然导致 B 的发
生，则称事件 A 包含于事件 B ，或事件 B
包含事件 A ，也称是的特款 ，记为 A B 。
1-19
概率论与数理统计
E 与B B)( A与 A与B 如果事件A与事件B A A (1) (B 的和 A B) ;
(2) AB AB BC;
(3) ( A B)( A B)(B C ).
例1.2.4 化简下列各事件：
(1) ( A B)( A B) ; (2) AB AB BC; (3) ( A B)( A B)(B C ).
(2) AB AB BC;
(3) ( A B)( A B)(B C ).
例1.3.1 设事件A, B 的概率分别为 和
，试求下列三种情况下的值： （1） B 互不相容； A, （2） A B ； （3） ( AB ) 1 . P
8
1 3
1 2
1-27
概率论与数理统计
E 与B B)( A与 A与B 如果事件A与事件B A A (1) (B 的和 A B) ;
第一章 概率论的基本概念(第3讲)
第1.7节 事件的独立性
三、n个事件相互独立定义
n个事件 A1 , A2 , A3 ,..., An 相互独立的定义为：
P( Ai Aj ) = P( Ai )P( Aj ), i < j, i, j = 1,2,..., n P( Ai Aj Ak ) = P( Ai )P( Aj )P( Ak ), i < j < k, i, j, k = 1,2,..., n ... P( A1 A2 ...An ) = P( A1 )P( A2 )...P( An )
解: (1)设A=甲中, B=乙中, C=目标被击中, 所求
P(A|C)=P(AC)/P(C) =P(A)/[P(A)+P(B)-P(A)P(B)]
(C=A∪B)
=0.6/0.8=3/4
第1.7节 事件的独立性
二、三个事件相互独立定义
对于三个事件 A, B, C 的相互独立定义为： P ( AB ) = P ( A ) P ( B ) P ( AC ) = P ( A ) P (C ) P ( BC ) = P ( B ) P (C ) P ( ABC ) = P ( A ) P ( B ) P (C )
C
k n
pk q n−k
(k
=
0,1,L, n)
P( A1 A2 ...Ak Ak+1 Ak+2 ...An ) = pkqn−k (前k次成功)
第1.8节 独立试验序列
二、考察概率
(2) 第 k 次试验首次“成功”的概率为
qk−1 p(k = 0,1,2,L)
第1.8节 独立试验序列
三、例题：Leabharlann 第1.9节 几何概率和概率的数学定义
概率论第一章
下面我们讨论事件之间的关系与运算
1、包含关系
⑶ 两个特殊事件
必然事件U ★ 必然事件U ★ 不可能事φ 不可能事φ
3、随机试验
如果一个试验可能的结果不止一个， 如果一个试验可能的结果不止一个，且事先不能肯定 会出现哪一个结果，这样的试验称为随机试验。 会出现哪一个结果，这样的试验称为随机试验。
例如, 掷硬币试验 例如, 寿命试验 测试在同一工艺条件下生产 掷骰子试验 掷一枚硬币，观察出正还是反. 掷一枚硬币，观察出正还是反 出的灯泡的寿命. 出的灯泡的寿命 掷一颗骰子， 掷一颗骰子，观察出现的点数
第一章 随机事件及其概率
随机事件及样本空间 频率与概率 条件概率及贝努利概型
§1 随机事件及样本空间
一、随机事件及其有关概念
1、随机事件的定义
试验中可能出现或可能不出现的情况叫“随机事件” 试验中可能出现或可能不出现的情况叫“随机事件”, 简称“事件” 记作A 简称“事件”。记作A、B、C等任何事件均可表示为样本空 间的某个子集。称事件A发生当且仅当试验的结果是子集A 间的某个子集。称事件A发生当且仅当试验的结果是子集A中 的元素。 的元素。
例如，一个袋子中装有10个大小、形状完全相同的球。 例如，一个袋子中装有10个大小、形状完全相同的球。 10个大小 将球编号为1 10。把球搅匀，蒙上眼睛，从中任取一球。 将球编号为1－10。把球搅匀，蒙上眼睛，从中任取一球。
因为抽取时这些球是完全平等的， 因为抽取时这些球是完全平等的， 我们没有理由认为10个球中的某一个会 我们没有理由认为10个球中的某一个会 10 比另一个更容易取得。也就是说，10个 比另一个更容易取得。也就是说，10个 球中的任一个被取出的机会是相等的， 球中的任一个被取出的机会是相等的， 均为1/10 1/10。 均为1/10。
概率第一章
第1章 随机事件1．1 随机事件1.1.1 随机现象与随机试验概率论与数理统计是研究随机现象统计规律的一门数学分科．什么是随机现象呢？下面让我们先做两个简单的试验：试验一：一个盒子中有10个完全相同的白球，搅匀后从中任意摸取一球；试验二：一个盒子中有10个相同的球，其中5个是白色的，另外5个是黑色的，搅匀后从中任意摸取一球．分析上述两个试验结果给出下述两个基本概念：确定性现象：在一定条件下必然发生的现象称为确定性现象．试验一所代表的类型即是确定性现象．试验二所代表的类型，有多于一种可能的试验结果，而且在一次试验之前不能确定会出现哪一个结果，这一类试验称为随机试验．在客观世界中随机现象也是极为普遍的，例如：某地区的年降雨量；检查流水生产线上的一件产品，是合格品还是不合格；打靶射击时，弹着点离靶心的距离，等等．在条件相同的一系列重复观察中，会时而出现时而不出现，呈现出不确定性，并且在每次观察之前不能准确预料其是否出现，这类现象称之为随机现象．在相同条件下多次重复某一试验或观察时，虽然结果具有不确定性，但会表现出一定的规律性，这种规律性称之为统计规律性．那么如何来研究随机现象的统计规律呢?对随机现象进行的实验与观察统称为试验．具有下列特征的试验称为随机试验：1．可在相同的条件下重复进行；2．试验结果不止一个，但在试验之前能明确试验所有可能的结果；3．试验前不能确定到底会出现哪一个结果．随机试验一般用大写英文字母E 表示．如：1E ：抛一枚硬币，观察出现正面还是反面（分别用“H ” 和“T ” 表示出现正面和反面）；2E ：抛两枚硬币，观察出现的结果；3E ：掷一颗骰子，观察出现的点数；4E ：记录某网站一分钟内被点击的次数；5E ：对一目标进行射击，直到命中为止，观察其结果；6E ：在一批灯泡中任取一只，测其寿命．1.1.2 样本空间与随机事件对于随机试验，虽然在我们试验之前不能预知试验的结果，但可以确定试验的所有可能的结果．定义1.1.1 样本空间：随机试验所有可能的结果组成的集合称为样本空间，通常用字母Ω表示．定义1.1.2 样本点：随机试验每一个可能的结果称为样本点，通常用字母ω表示样本点，即为Ω中的元素．例1.1.1 一盒子中有黑球、白球，从中任取一球，观察其颜色，记1ω={取得白球}，2ω={取得黑球}，则12{,}ωωΩ=．例 1.1.2 一个盒子中有十个完全相同球，分别标以号码1210，，，，从中任取一球，令 i ={取得球的号码为i }，则{1,210}Ω=．例1.1.3 写出16~E E 的样本空间．解 16~E E 的样本空间分别为：(1) 1{,}H T Ω=；(2) 2{,,,}HH HT TH TT Ω=；(3) 3{1,2,3,4,5,6}Ω=；(4) 4{0,1,2}Ω=；(5) 5{(,)|0,0}x y x y Ω=>>；(6) 6{|0}t t Ω=≥．在实际中，我们通常并不关心所有的样本点，而是只关注一些满足一定条件的样本点，如在随机试验6E 中，若规定这种灯泡的寿命超过1000小时为一级品，那么我们只关心{|1000}t t >中的样本点，所以我们有如下定义：定义1.1.3 随机事件：样本空间Ω的子集，称为随机事件，用大写字母,,,,A B C D 表示，即随机事件为满足一定条件的样本点组成的集合．特别的，仅由一个样本点的事件称为基本事件，它是随机试验的直接结果，每次试验必定发生且只可能发生一个基本事件；全体样本点组成的事件称为必然事件，记为Ω，每次试验必然事件必定发生；不包含任何样本点的事件称为不可能事件，记为∅，每次试验不可能事件必定不发生．在每次试验中，当且仅当事件A 中的一个样本点出现时，称事件A 发生．例如在3E 中，如果用A 表示事件“掷出奇点数”，那么A 是一个随机事件．由于在一次投掷中，当且仅当掷出的点数是1,3,5中的任何一个时才称事件A 发生了，所以我们把事件A 表示为{}1,3,5A =；“掷出的点数不超过6”就是必然事件，用集合表示这一事件就是3E 的样本空间{}1,2,3,4,5,6Ω=．而事件“掷出的点数大于6”是不可能事件，这个事件不包括3E 的任何一个可能结果，所以用空集∅表示．一个样本空间Ω中，可以有很多的随机事件．概率论的任务之一，是研究随机事件的规律，通过对较简单事件规律的研究去掌握更复杂事件的规律．下面我们来介绍事件之间的关系和事件之间的运算规律．1.1.3 事件的关系及运算因为事件是一个集合，因而事件间的关系和运算是按集合间的关系和运算来处理的．下面给出这些关系和运算在概率中的提法，并根据“事件发生”的含义，给出它们在概率中的含义．设随机试验E 的样本空间为Ω，,,(1,2,)k A B A k =是Ω的子集．1． 事件的关系(1) 事件的包含与相等：若事件A 发生必然导致事件B 发生，则称事件A 包含于事件 B ，记为A B ⊃或者B A ⊂．:{}A B A,B ⊂∈∈ωω则．见文氏（Venn ）图1．1．若B A ⊂且A B ⊂，即B A =，则称事件A 与事件B 相等．(2) 事件的和：事件A 与事件B 至少有一个发生的事件称为事件A 与事件B 的和事件， 记为A B ．事件A B 发生意味着：或事件A 发生，或事件B 发生，或事件A 与事件B 都发生．{}A B A,B =∈∈ωω或．见文氏（Venn ）图1．1．推广121ni n i A A A A ==，表示12,,,n A A A 至少有一个发生， 121i i A A A ∞==，表示12,,A A 至少有一个发生．(3) 事件的积：事件A 与事件B 都发生的事件称为事件A 与事件B 的积事件，记为A B ，也简记为AB ．事件A B （或AB ）发生意味着事件A 发生且事件B 也发生，即A 与B 都发生．{}A B A,B =∈∈ωω且．见文氏图1．1．推广121ni n i A A A A ==，表示12,,,n A A A 同时发生， 121i i A A A ∞==，表示12,,A A 同时发生．(4) 事件的差：事件A 发生而事件B 不发生的事件称为事件A 与事件B 的差事件，记为B A -，}A B {A,B -=ω∈ω∉且．见文氏图1．1．注：A B A AB -=-．(5) 互不相容事件(互斥)： 若事件A 与事件B 不能同时发生，即AB =∅，则称事件A 与事件B 是互斥的，或称它们是互不相容的．见文氏图1．1．若事件12,,,n A A A 中的任意两个都互斥，则称这些事件是两两互斥的． (6) 对立事件：“A 不发生”的事件称为事件A 的对立事件，记为A ．A 和A 满足：A A =Ω，AA =∅．见文氏图1．1：注：① __A A =Ω-；②在一次随机试验中A 和A 有一个发生而且只有一个发生．图1．1事件的关系图 由上述可见概率论中事件间的关系与集合论中集合之间的关系是一致的，于是事件之间的运算规律与集合之间的运算规律也是一致的．２．事件的运算规律设C B A ,,为事件，则事件之间的运算满足：(1) 交换律：A B B A =，BA AB =．(2) 结合律：()()A B C A B C =，)()(BC A C AB =．(3) 分配律：()()()A B C AC BC =，()()()AB C A C B C =． (4) 对偶律：A B AB =；___AB A B =．例1.1.4 甲，乙，丙三人各射一次靶，记事件A ＝｛甲中靶｝，事件B ＝｛乙中靶｝，事件C ＝｛丙中靶｝，用上述三个事件的运算来分别表示下列各事件：(1)“甲未中靶”；(2)“甲中靶而乙未中靶”；(3)“三人中只有丙未中靶”；(4)“三人中恰好有一人中靶”；(5)“ 三人中至少有一人中靶”；(6)“三人中至少有一人未中靶”；(7)“三人中恰有两人中靶”；(8)“三人中至少两人中靶”；(9)“三人均未中靶”；(10)“三人中至多一人中靶”；(11)“三人中至多两人中靶”．解（1）“甲未中靶”=A；=；(2)“甲中靶而乙未中靶”AB=；(3)“三人中只有丙未中靶”ABC=；(4)“三人中恰好有一人中靶”ABC ABC ABC=；(5)“三人中至少有一人中靶”A B C==ABC；(6)“三人中至少有一人未中靶”A B C=；(7)“三人中恰有两人中靶”ABC ABC ABC=；(8)“三人中至少两人中靶”AB AC BC=；(9)“三人均未中靶”ABC=；(10)“三人中至多一人中靶”ABC ABC ABC ABC==A B C．(11)“三人中至多两人中靶”ABC注：用其它事件的运算来表示一个事件，方法往往不唯一，如上例1.1.4中的(6)和(11)所表示的事件实际上是同一事件．1．2 随机事件的概率在一次随机试验中，除必然事件一定发生，不可能事件不发生外，一般的随机事件可能发生，也可能不发生，于是需要知道它发生的可能性到底有多大．概率是用来描述随机事件发生的可能性的大小的一种数量指标，它是逐步形成和完善起来的．下面我们就先引入频率的概念，然后研究频率的性质，进而引出概率的定义．1.2.1事件的频率定义 1.2.1 对于一个随机事件A 来说，在n 次重复试验中，记A n 为随机事件A 出现的次数，又A n 称为事件A 的频数，称()n f A = A n n为事件的频率． 由上述定义，对于事件的频率，我们很容易得到如下性质：（1）0()1n f A ≤≤；（2）()1n f Ω=；（3）对于k 个两两互斥的事件12,,,k A A A ，有11()k kn i n i i i f A f A ==⎛⎫= ⎪⎝⎭∑．根据上述定义可知频率反应了一个随机事件发生的频繁程度，人们经过长期的实践发现，虽然个别随机事件在某次试验或观察中可能出现也可能不出现，但在大量试验中它却呈现出明显的规律性——频率稳定性．在掷一枚均匀的硬币时，既可能出现正面，也可能出现反面，在大量试验中出现正面和反面的频率，都应接近于50％，为了验证这点，历史上曾有不少数学家做过这个试验，其结果如下：又如，在英语中某些字母出现的频率远远高于另外一些字母．而且各个字母被使用的频率相当稳定．例如，下面就是英文字母使用频率的一份统计表．对一随机事件来说，如果它发生的频率越大，自然这个事件在一次试验中发生的可能性就越大，所以频率在一定程度上反映了事件发生可能性的大小．如上述两个试验，尽管每做n 次试验，所得到的频率()n f A 各不相同，但随着试验次数n 的增加，事件A 的频率()n f A 与会逐渐稳定在一个常数附近，而实际上这一常数即为事件A 的概率．下面给出概率的一个严密的定义．20世纪30年代中期，柯尔莫哥洛夫给出了概率的严密的公理化定义．定义1.2.2 设Ω是随机试验E 的样本空间，对于E 的每一个随机事件A ，定义一个实数()P A 与之对应．若实值集合函数()P ⋅满足下列条件：（1）非负性：对于每个随机事件A ，都有()0;P A ≥（2）规范性：()1P Ω=；（3）可列可加性：若事件12,,,A A 两两互斥，则有 11()i i i i P A P A ∞∞==⎛⎫= ⎪⎝⎭∑， (1.2.1)则称()P ⋅为概率，()P A 为事件A 的概率．由概率的定义，可得到概率的以下性质：性质1 ()0P ∅=．性质2 (有限可加性) 设12,,,n A A A 是两两互斥的事件，则 121()()nn k k P A A A P A ==∑ (1.2.2)性质3 对任意事件A ，有()1()P A P A =-．性质4 对任意事件,A B ，若,A B ⊂则()()()P B A P B P A -=-． (1.2.3)性质5 若,B A ⊂则有()()P B P A ≥．性质6 对于任一事件A ，有0()1P A ≤≤．性质7(减法公式) 对任意事件,A B ，有()()()P B A P B P AB -=-． (1.2.4) 证 因为B A B AB -=-，且AB B ⊂，由(1．2．3)，()()()()P B A P B AB P B P AB -=-=-．性质8 (加法公式) 对任意事件,A B ，有()()()() P P AB A P B P AB =+-．(1．2．5) 证 由于 ()A B A B AB =-，且(),A B AB -=∅于是有()()()()()()P A B P A P B AB P A P B P AB =+-=+-．推广 ,,A B C 是任意三个事件，则有()()()()()()()().P A B C P A P B P C P AB P AC P BC P ABC =++---+一般，对于任意n 个事件12,,,n A A A 有1121111()()()()...(1)()n n n i i i j i j k n i i j n i j k n i P A P A P A A P A A A P A A A -=≤<≤≤<<≤==-+++-∑∑∑．1．3 古典概率模型古典概型是人们最初讨论的一种随机试验，本节即要讨论古典概型中随机事件的概率．下面先看第１节的三个例子：1E ： 抛一枚硬币，观察出现正面还是反面．（分别用“H ” 和“T ” 表示出正面和反面）； 2E ：抛两枚硬币，观察出现的结果；3E ：掷一颗骰子，观察出现的点数．上述三个例子即为古典概型随机试验，它们有共同的特点：(1)样本空间只包含有限个样本点；(2)每个样本点在每次随机试验中等可能出现．凡是具有上述两个特点的随机试验就称为是古典概型，那么在古典概型中随机事件的概率应该如何计算？定义1.3.1 随机试验E 是古典概型，样本空间Ω共含有n 个样本点，随机事件A 含有r 个样本点，则定义事件A 的概率为： () A r P A n==Ω中本中本样点个数 样点个数． (1.3.1) 古典概型中许多概率的计算相当困难而富有技巧，按照上述概率的计算公式，计算的要点是给定样本点，并计算它的总数，而后再计算所求事件中含的样本点的数目．下面我们看一些典型的古典概率计算的例子．例1.3.1 将一枚硬币抛掷两次，设事件1A ={恰有一次出现正面}；事件2A ={至少有一次出现正面}，求1()P A 和2()P A ．解 正面记为“H ”，反面记为“T ”，则随机试验的样本空间为{,,,}HH HT TH TT Ω=， 而 {}1,A HT TH =，{},,2A HH HT TH =，于是121()42P A ==，23()4P A =． 例1.3.2 有10个电阻，其电阻值分别为1210ΩΩ⋯Ω，，，，从中取出三个，求取出的三个电阻，一个小于5Ω，一个等于5Ω，另一个大于5Ω的概率．解 把从10个电阻中取出3个的各种可能取法作为样本点全体，这是古典概型，样本空间的样本点数为103⎛⎫ ⎪⎝⎭，所求事件含样本点数为⎪⎪⎭⎫ ⎝⎛⎪⎪⎭⎫ ⎝⎛⎪⎪⎭⎫ ⎝⎛151114．故所求概率为 41511111063P ⎛⎫⎛⎫⎛⎫ ⎪⎪⎪⎝⎭⎝⎭⎝⎭==⎛⎫ ⎪⎝⎭． 例1.3.3 30名学生中有3名运动员，将这30名学生平均分成3组，求：（1）每组有一名运动员的概率；（2）3名运动员集中在一个组的概率．解 设事件A={每组有一名运动员}，B={3名运动员集中在一组}，30名学生平均分成3组共有30201030!10101010!10!10!⎛⎫⎛⎫⎛⎫= ⎪⎪⎪⎝⎭⎝⎭⎝⎭种分法． （1）保证每组有一名运动员则有27!3!9!9!9!分法，所以50()30!20310!10!10!P A =27!3!9!9!9!=； （2）让3名运动员集中在一个组，则有272010371010⎛⎫⎛⎫⎛⎫⨯ ⎪⎪⎪⎝⎭⎝⎭⎝⎭分法，所以27201037101018()30!20310!10!10!P B ⎛⎫⎛⎫⎛⎫⨯ ⎪⎪⎪⎝⎭⎝⎭⎝⎭==． 例1.3.4（摸球模型）(1) （无放回地摸球）设袋中有M 个白球和N 个黑球，现从袋中无放回地依次摸出m n +个球，求所取球恰好含m 个白球，n 个黑球的概率．解 样本空间所含样本点总数为,M N m n +⎛⎫⎪+⎝⎭所求事件含的样本点数为,M N m n ⎛⎫⎛⎫ ⎪⎪⎝⎭⎝⎭所以所求概率为 M N m n P M N m n ⎛⎫⎛⎫ ⎪⎪⎝⎭⎝⎭=+⎛⎫ ⎪+⎝⎭． (2) 有放回地摸球设袋中有4只红球和6只黑球，现从袋中有放回地摸球3次，求前2 次摸到黑球、第3 次摸到红球的概率．解 样本空间点总数为310101010⨯⨯=，所求事件所含样本点数为664⨯⨯，故 366410P ⨯⨯= 0.144=． 例1.3.5（盒子模型）设有n 个球，每个都能以相同的概率被放到N 个盒子()N n ≥的每一个盒子中，试求：(1)某指定的n 个盒子中各有一个球的概率；(2)恰好有n 个盒子中各有一个球的概率．解 设事件A={某指定的n 个盒子中各有一个球}，B={任意n 个盒子中各有一个球}． 由于每个球可落入N 个盒子中的任一个，所以n 个球在N 个盒子中的分布相当于从N 个元素中选取n 个进行有重复的排列，故共有nN 种可能分布．对于事件A ，相当于n 个球在那指定的n 个盒子中全排列，总数为!n ，所以 !()n n P A N=． 对于事件B ，n 个盒子可以任意，即可以从N 个盒子中任意选出n 个来，这种选法共有⎪⎪⎭⎫ ⎝⎛n N 种，对于每种选定的n 个盒子，再全排列，所以事件B 放法共有!N n n ⎛⎫ ⎪⎝⎭种，所以!()n N n n P B N⎛⎫ ⎪⎝⎭=． 上述例子是古典概型中一个比较典型的问题，不少问题都可以归结为它．例如概率论历史上有一个颇为有名的问题：要求参加某次集会的n 个人中没有两个人生日相同的概率．若把n个人看作上面问题中的n 个球，而把一年的365天作为盒子，则365N =，这时按照上述事件B 概率的求法就给出所求的概率．例如当40n =时，0109P =．，即40人中至少有两个人生日相同的概率为0891．，这个概率已经相当大了．例1.3.6 袋中有a 只黑球，b 只白球，它们除颜色不同外，其他方面没有差别，把球均匀混合，然后随机取出来，一次取一个，求第k 次取出的球是黑球的概率()1k a b ≤≤+． 解 设事件A ={第k 次取出的球是黑球}．法1 把a 只黑球及b 只白球都看作是不同的(例如设想把它们进行编号)，若把取出的球依次放在排列成一行的a b +个位置上，则可能的排列法相当于把a b +个元素进行全排列，总数为()!a b +，把它们作为样本点全体．A 事件所含样本点数为(1)!a a b ⨯+-，这是因为第k 次取得黑球有a 种取法，而另外1a b +-次取球相当于1a b +-只球进行全排列，有(1)!a b +-种取法，故所求概率为(1)!()()!a a b a P A a b a b⨯+-==++， 结果与k 无关．实际上本例就是一抽签模型，例如在体育比赛中进行抽签，对各队机会均等，与抽签的先后次序无关．法2 把a 只黑球看作是没有区别的，把b 只白球也看作是没有区别的．仍把取出的球依次放在排列成一行的a b +位置上，因若把a 只黑球的位置固定下来则其他位置必然是放白球，而黑球的位置可以有⎪⎪⎭⎫⎝⎛+b b a 种放法，以这种放法作为样本点．对于事件A ，由于第k 次取得黑球，这个位置必须放黑球，剩下的黑球可以在1a b +-个位置上任取1a -个位置，因此共有⎪⎪⎭⎫ ⎝⎛--+11a b a 种放法．所以所求概率为b a a a b a a b a P k +=⎪⎪⎭⎫ ⎝⎛+⎪⎪⎭⎫ ⎝⎛--+=11． 两种不同的解法答案相同，两种解法的区别在于，选取的样本空间不同．在[法一]中把球看作是“有区别的”，而在[法二]中则对同色球不加区别，因此在第一种解法中要顾及各黑球及各白球间的顺序而用排列，第二种解法则不注意顺序而用组合，但最后还是得出了相同的答案．由本例，我们必须注意，在计算样本点总数及所求事件含的样本点数时，必须对同一个确定的样本空间考虑，因此其中一个考虑顺序，另一个也必须考虑顺序，否则结果一定不正确．1．4 条件概率在许多实际问题中，除了考虑()P B 外，有时还需要考虑在一定条件下事件B 发生的概率，比如，已知事件A 发生的条件下，事件B 发生的概率，我们称这种概率为事件A 发生的条件下事件B 发生的条件概率，记为(|)P B A ．1.4.1 条件概率的定义引例 盒中有4个外形相同的球，分别标有1,2,3,4，现在从盒中有放回的取两次球，每次取一球．则该试验的所有可能的结果为(1，1) (1，2) (1，3) (1，4)(2，1) (2，2) (2，3) (2，4)(3，1) (3，2) (3，3) (3，4)(4，1) (4，2) (4，3) (4，4)其中(,)i j 表示第一次取i 号球，第二次取j 号球，设A ={ 第一次取出球的标号为2}，B ={ 取出的两球标号之和为4}， 则事件{(13),(2,2),(3,1)}B =，，因此事件B 的概率为 ()316P B =． 下面我们考虑在事件A 发生的条件下，事件B 发生的概率(|)P B A ．由于已知事件A 已经发生，{(21),(2,2),(2,3),(2,4)}A =，，这时，事件B 在事件A 已经发生的条件下发生，那么只可能出现样本点(2,2)，因此A 发生的条件下B 发生的概率为14，即 1(|)4P B A =． 由引例可以看出，事件B 在“条件A 已发生”这附加条件下的概率与不附加这个条件的概率是不同的．那么如何计算条件概率(|)P B A 呢？定义1.4.1 设A 、B 是两个随机事件，()0P A >，称()(|)()P AB P B A P A = (1.4.1) 为在事件A 已发生的条件下事件B 发生的条件概率． 在上述引例中，41(),()1616P A P AB ==，显然有()(|)()P AB P B A P A ==14． 例1.4.1 10个产品中有7个正品，3个次品，按照不放回抽样，每次一个，抽取两次，求(1) 两次都抽到次品的概率；(2 ) 第二次才取到次品的概率；(3）已知第一次取到次品，第二次又取到次品的概率．解 设A ，B 分别表示第一次和第二次抽到的是次品．(1) ()P AB ＝32110915⨯⨯＝； (2) 737()10930P AB ⨯==⨯；(3) 12()215(|)39()1510P AB P B A P A ====．例 1.4.２ 某种动物由出生算起活20岁以上的概率为0.8，活到25岁以上的概率为0.4， 如果现在有一个20岁的这种动物，问它能活到25岁以上的概率是多少?解 设事件A ={能活20岁以上}，事件B ={能活25岁以上}，即要求条件概率P(B A)，由题()0.8P A =，()0.4P B =，()()P AB P B =，于是()(|)()P AB P B A P A =0.410.82==． 1.4.2 条件概率)|(A P ⋅的性质容易验证条件概率|P A ⋅（）也有非负性、规范性和可列可加性三条性质： (1) 非负性：对任意的B ，(|)P B A ≥0； (2) 规范性： (|)1P A Ω=；(3) 可列可加性：对任意的一列两两互斥的事件,(1,2,)i B i ⋯＝，有 11(|)(|)i i i i P B A P B A ∞∞===∑．因此，条件概率仍然是概率，所以条件概率也具有有限可加性、减法公式、加法公式等无条件概率所具有的一些性质．如对任意的12,B B ，有：(1) 121212(|)(|)(|)(|)P B B A P B A P B A P B B A =+-；（2）12112(|)(|)(|)P B B A P B A P B B A -=-； （3）若()(|)1()P B A B P B A P A ⊂==，则． 例1.4.３ 一张储蓄卡的密码共6位数字，每位数字都可从0~9中任选一个．某人在银行自动提款机上取钱时，忘记了密码的最后一位数字，求：(1）任意按最后一位数字，不超过2次就按对的概率；(2）如果他记得密码的最后一位是偶数，不超过2次就按对的概率．解 设事件A ={任意按最后一位数字，不超过2次就按对}，事件i A ={第i 次按对密码}(1,2i =)，则__112()A A A A =，(1）因为事件1A 与事件12A A 互斥，由概率的加法公式得__1121911()()()101095P A P A P A A ⨯=+=+=⨯；(2）事件B =｛最后一位按偶数｝，则____112112(|)(()|)(|)(|)P A B P A A A B P A B P A A B ==+14125545⨯=+=⨯． 1.4.3 乘法公式由条件概率定义的（1.4.1）可得，当()0P A >时，有()(|)P AB P A P B A =（）， （1.4.2） 及()0P B >时，()(|)P AB P B P A B =（）． （1.4.3） 推广 12,,,n A A A 为n 个事件，且12n-1()0P A A A >，则有 12n 121321n 121()()(|)(|)(|)n P A A A P A P A A P A A A P A A A A -=． （1.4.4）特别的，当3n ＝时，有()(|)(|)P ABC P A P B A P C AB =（）．乘法公式一般用于计算多个事件同时发生的概率．例1.4.4设袋中装有r 只红球，t 只白球．每次取一只观察其颜色并放回，并同时再放入a 只同色球，连续取四次，试求第一次、第二次取到红球且第三、四次取到白球的概率．解 以i A 表示事件“第i 次取到红球”1,2,3,4i =，则43,A A 分别表示第三次、第四次取到白球，即要求事件1234A A A A 的概率，由乘法公式(1.4.4)得12341213124123()()(|)(|)(|)P A A A A P A P A A P A A A P A A A A =r r a t t ar t r t a r t a a r t a a a ++=⋅⋅⋅++++++++++ ()()()()(2)(3)rt r a t a r t r t a r t a r t a ++=+++++++．1.4.4全概率公式和贝叶斯公式全概率公式和贝叶斯公式是概率论中两个比较重要的公式，它们将一个比较复杂事件的概率转化为不同条件下发生的比较简单的条件概率来计算．下面首先介绍一下样本空间划分的概念．定义 1.4.2 设Ω是随机试验E 的样本空间，12,,,n B B B 是E 的一列随机事件，若 (1),,,1,2,,i j B B i j i j n =∅≠=；(2)12n B B B =Ω，则称12,,,n B B B 为样本空间Ω的一个有限划分．定理 1.4.1 （全概率公式）设12,,,n B B B 是样本空间Ω的一个有限划分，且()0,1,2,i P B i n >=，则对任一事件A ，有()1()(|)iii P A P B P A B ∞==∑． （1.4.5）证1()()[()]ni i P A P A P A B ==Ω=1(())ni i P AB ==，对任意i j i j,B B ≠=∅，得()i AB ()()=Φi j AB AB ，由概率的有限可加性得11(())()nn i i i i P AB P AB ===∑=1()(|)ni i i P B P A B =∑．例1.4.5 有一批同一型号的产品，其中由甲厂生产的占30%，乙厂生产的占50%，丙厂生产的占20%，又知这甲、乙、丙三个厂的产品次品率分别为2%，1%，1%，问从这批产品中任取一件，取到次品的概率是多少?解 设事件A 为“任取一件为次品”，事件123,,B B B 分别为产品由甲、乙、丙厂生产，显然123,B B B =Ω且,,1,2,3i j B B i j =∅=，即123B ,B ,B 构成样本空间的划分．所以由（1.4.5）112233()()()()()()()P A P A B P B P A B P B P A B P B =++，123()0.02()0.01()0.01P A B P A B P A B ===，，，故112233()()()()()()()P A P A B P B P A B P B P A B P B =++0020300105001020013.......=⨯+⨯+⨯=．定理 1.4.2 （贝叶斯公式）设12,,,n B B B 是样本空间Ω的一个划分，()i P B 0>，1,2,3,,i n =，对任意事件A ，有1()(|)(|),1,2,...()(|)i i i njjj P B P A B P B A i n P B P A B ===∑． (1.4.6)证 i i P(B A )P(B A )P(A )=1i i njj j P(A B )P(B ),P(A B)P(B )==∑ 1,2,,i n =．例1.4.6 （续例1．4．5） 有一批同一型号的产品，其中由甲厂生产的占30%，乙厂生产的占50%，丙厂生产的占20%，又知这甲、乙、丙三个厂的产品次品率分别为2%，1%，1%，问从这批产品中任取一件，发现是次品，那么它分别由甲、乙、丙厂生产的概率是多少?解 123(),(),()P B A P B A P B A 即为所要求的条件概率，由贝叶斯公式(1.4.6)，11131()(|)0.020.3(|)0.460.020.30.010.50.010.2()(|)jjj P B P A B P B A P B P A B =⨯===⨯+⨯+⨯∑；22231()(|)0.010.5(|)0.380.020.30.010.50.010.2()(|)jjj P B P A B P B A P B P A B =⨯===⨯+⨯+⨯∑；33331()(|)0.010.2(|)0.150.020.30.010.50.010.2()(|)jjj P B P A B P B A P B P A B =⨯===⨯+⨯+⨯∑．例1.4.7袋中有4个红球，6个白球，作不放回的摸球两次，求（1）第二次摸到红球的概率；（2）已知第二次摸到红球，求第一次摸到的也是红球的概率．解 设A ={第一次摸到红球}，A ={第一次摸到白球}，B ={第二次摸到红球}．显然11114634(),(),(|),(|)101099P A P A P B A P B A ====； （1）由全概率公式(1．4．５)111143642()()(|)()(|)1091095P B P A P B A P A P B A =+=⨯+⨯=； （2）由贝叶斯公式(1.4.5)1111111()(|)1(|)()(|)()(|)3P A P B A P A B P A P B A P A P B A ==+．例1．4．8 某一地区患有癌症的人占0.005，患者对一种试验反应是阳性的概率为0.95，正常人对这种试验反应是阳性的概率为0.04，现抽查了一个人，试验反应是阳性，问此人是癌症患者的概率有多大?解 设A ={抽查的人患有癌症}，B ={试验结果是阳性}，则__A ={抽查的人没有患癌症}．()0.005, ()0.995 ,(|)0.95, (|)0.04P A P A P B A P B A ====．由贝叶斯公式(1．4．5)，得()(|)(|)0.1066 ()(|)()(|)P A P B A P A B P A P B A P A P B A ==+．这表明某人的试验结果为阳性，但此人确患癌症的概率却非常小，只有0.1066，即平均来说，1000个检查结果呈阳性的人中大约只有107人确患癌症．那是否说明该试验对于诊断一个人是否患有癌症没有意义？我们来分析一下．如果不做试验，随机抽取一人，那么他是癌症患者的概率为()0.005P A =，若进行试验，试验后呈阳性反应，则根据试验得到的信息：此人是癌症患者的概率为P (|)0.1066A B =．概率从0.005增加到0.1066，约增加了21倍，说明试验对于诊断一个人是否患癌症有意义．至于试验结果呈阳性患癌症的概率还如此低，是由癌症的患病率非常低0.005导致的．1．5 事件的独立性条件概率(|)P B A 通常来说与()P B 不相等，这反映了事件A 的发生与否对事件B 有影响；若(|)P B A 与()P B 相等，则反映了事件A 的发生与否对事件B 无影响．如：抛硬币两次，事件A ＝{第一次正面向上}，B ＝{第二次正面向上}．1()(|)2P B P B A ==． 所以两个事件A 、B 其中一个发生与否，不影响另一件事件发生的可能性大小，此时 (|)()P B A P B =，即：()(|)()()P AB P B A P B P A ==， 于是得到()()()P AB P A P B =，我们称A 与B 相互独立．定义 1.5.1 对事件A 和B ，如果()()()P AB P A P B =，则称事件A 与事件B 相互独立．定理1．5．1 设A ，B 是两个事件， 且0)(>A P ，若A ，B 相互独立，则)()|(A P B A P =． 定理1.5.2 设事件A ，B 相互独立，则A 与B ，A 与B ，A 与B 各对事件也相互独立． 证 因为____()A A A BB ABA B =Ω==，显然__,AB A B 互斥，故______()()()()()()()P A P ABAB P AB P AB P A P B P AB ==+=+，于是____()()()()()(1())()()P A B P A P A P B P A P B P A P B =-=-=，所以A 与B 相互独立．由A ，B 相互独立可以推出A 与B 相互独立，于是，A 与B 相互独立可推出A 与B 相互独立，再由B =B ，又可推出A 与B 相互独立．定理1.5.3 若事件A ，B 相互独立，且0()1P A <<，则__(|)(|)()P B A P B A P B ==．证()()()(|)()()()P AB P A P B P B A P B P A P A ===，__________()()()(|)()()()P A B P A P B P B A P B P A P A ===． 定义1.5.2 （三个事件相互独立） 设C B A ,,为三个事件，若等式),()()()(),()()(),()()(),()()(C P B P A P ABC P C P B P BC P C P A P AC P B P A P AB P ====同时满足，则称事件C B A ,,相互独立．类似的可以定义n 个事件相互独立．定义1.5.3 设12,,,n A A A 是n 个事件，若对其中任意k 个事件12,,,k i i i A A A(2)k n ≤≤有1212()()()()k k i i i i i i P A A A P A P A P A =，则称这n 个事件是相互独立的．定义 1.5.4 设有n 个事件12,,,n A A A （3≥n ），若对其中任意两个事件i A 与)1(n j i A j ≤<≤有)()()(j i j i A P A P A A P =则称这n 个事件是两两相互独立的．显然，若n 个事件12,,,n A A A 相互独立，则n 个事件一定是两两相互独立，但反之不一定成立．在实际应用中，独立性的判断一般不会采用定义判断，而是根据问题的实际意义去判断，如抛硬币两次，事件A ＝{第一次正面向上}，B ＝{第二次正面向上}，第一次出现哪一面并不影响第二次出现正面的概率，所以事件,A B 相互独立．例1.5.1甲、乙两射手独立地向同一目标射击一次，其中命中率分别为0.9和0.8， (1) 求目标被击中的概率；(2) 现已知目标被击中，求它是由甲击中的概率． 解 设A ={甲命中}，B ＝{乙命中}，C ={目标被击中}，(1) () () ()()()()0.90.80.90.80.98P C P A B P A P B P A P B ==+-=+-⨯=； (2) ()()(|)()[()()()()]P AC P A P A C P C P A P B P A P B ==+-0.90.920.98==． 例1.5.２ 设高射炮每次击中飞机的概率为0.2，问至少需要多少门这种高射炮同时独立发射（每门射一次）才能使击中飞机的概率达到95%以上？解 设需要n 门高射炮，A ＝｛飞机被击中｝，A i ＝｛第i 门高射炮击中飞机｝，12)i n =⋯（，，，，则12()()n P A P A A A =⋯=_____________________121()n P A A A -______121()n P A A A =-，由相互独立的性质____________1212()()()()n n P A A A P A P A P A =，于是______12()1()()()1(10.2)n n P A P A P A P A =-=--，令1(10.2)0.95n--≥，得08005n≤．．，即得14n ≥．即至少需要14门高射炮才能有95%以上的把握击中飞机．例 1.5.３ 一个元件能正常工作的概率称为这个元件的可靠性，一个系统能正常工作的概率称为这个系统的可靠性．设一个系统由四个元件按图示方式（图１．２）组成，各个元件相互独立，且每个元件的可靠性都等于)10(<<p p ，求这个系统的可靠性．。
概率论-第一章-随机事件与概率
第一章随机事件及其概率自然界和社会上发生的现象可以分为两大类：一类是，事先可以预言其必然会发生某种结果，即在保持条件不变的情况下重复实验或观察，它的结果总是确定的。
这类现象称为确定性现象，另一类是，事先不能预言其会出现哪种结果，即在保持条件不变的情况下重复实验或观察，或出现这种结果或出现那种结果。
这类现象称为随机现象.随机现象虽然对某次实验或观察来说，无法预言其会出现哪种结果，但在相同条件下重复进行大量的实验或观察，其结果却又呈现出某种规律性。
随机现象所呈现出的这种规律性，称为随机现象的统计规律性。
概率论与数理统计就是研究随机现象统计规律性的一门数学学科。
§1随机事件一、随机试验与样本空间我们把对随机现象进行的一次实验或观察统称为一次随机试验，简称试验，通常用大写字母E表示。
举例如下：E\：抛一枚硬币，观察正面〃、反面卩出现的情况；£：将一枚硬币抛掷两次，观察正面〃、反面7出现的情况；£：将一枚硬币抛掷两次，观察正面〃出现的次数；£.：投掷一颗骰子，观察它出现的点数；£：记录某超市一天内进入的顾客人数；&：在一批灯泡里，任取一只，测试它的寿命。
随机试验具有以下三个特点：（1）每次试验的结果具有多种可能性，并且能事先明确知道试验的所有可能结果；（2）每次试验前，不能确定哪种结果会出现；%（3）试验可以在相同的条件下重复进行。
随机试验£的所有可能结果的集合称为£的样本空间，记作0。
样本空间的元素，即£的每个结果，称为样本点，一般用e表示，可记C = {e}。
上面试验对应的样本空间：n, ={w,T}；D.2={HH、HT、TH、TT}；o, ={0,1,2}；也={123,4,5,6}；={0,1234 …};o6 = {/|/>o}o注意，试验的目的决定试验所对应的样本空间。
二、随机事件试验£样本空间。
概率论第一章
在相同的条件下，多次抛一枚均匀的硬币，设事件 A =“正面朝上” ， 观察 n 次试验中 A 发生的次数．
试验者 德.摩根 蒲丰 费勒 K.皮尔逊 K.皮尔逊
n
2048 4040 10000 12000 24000
nA
1061 2048 4979 6019 12012
f n ( A)
0.5181 0.5069 0.4979 0.5016 0.5005
第五章 大数定律和中心极限定理
第六章 数理统计的基本概念 第七章 参数估计 第八章 假设检验
第一章 概率论的基本概念
§1.1 随机事件及其运算
§1.2
§1.3 §1.4 §1.5
概率的定义及其性质
古典概型与几何概型 条件概率 独立性
§1.1 随机事件及其运算
1.1.1 随机现象
自然界的现象按照发生的可能性（或者必然 性）分为两类： 一类是确定性现象，特点是条件完全决定结果 一类是随机现象，特点是条件不能完全决定结 果 在一定条件下，可能出现这样的结果，也可 能出现那样的结果，我们预先无法断言，这类现 象成为随机现象。 如何研究随机现象呢？
1.1.2 随机试验
例1-1： E1: 抛一枚硬币，观察正面H、反面T出现的情况；
E2: 掷一颗骰子，观察出现的点数；
E3: 记录110报警台一天接到的报警次数； E4: 在一批灯泡中任意抽取一个，测试它的寿命； E5: 记录某物理量的测量误差； E6: 在区间 0， 1 上任取一点，记录它的坐标。
例1-5 设A,B为两个随机事件, P(A)=0.5, P(AB)=0.8, P(AB)=0.3, 求P(B). 解 由P(AB)=P(A)+P(B)-P(AB),得 P(B)=P(AB)-P(A)+P(AB)=0.8-0.5+0.3=0.6.
- 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、"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、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)。
可列多个事件的积事件
是指一列事件A1， An，全都发生的事件，记为 Ai
i 1
16
例1：设Ａ、Ｂ、Ｃ为任意三个事件，写出下列事件的
表达式： 1)恰有二个事件发生。 2) 三个事件同时发生。 3)至少有一个事件发生。
解：（１）ABC ABC ABC
（２）ABC
（３）ABC ABC ABC ABC ABC ABC ABC
基本事件总数
22
概率的几何定义
几何概率
向某一区域Ω随机投点，则点M落入Ω的某一
部分A的概率
P( A)
A的测度 的测度
注意：随机投点是指M落入Ω内任一处均是等可能的。
AΩ
M
23
概率的公理化定义
前面学了三种概率定义，各有其局限性。 古典概率：试验结果要求有限、互不相容、等可能 几何概率：落入区域G内任一点是等可能的。 统计概率：要求作大量重复试验。
2)、 结合律 (A∪B)∪C= A∪(B∪C) (AB)C=A(BC)
3)、分配律 A (B∪C)= AB∪AC
A∪(B∩C)= (A∪B)∩(A∪C)
4)、 对偶律
AB AB
n
n
A Ai
i 1 i
i 1
AB A B
n
n
Ai Ai
i 1
i 1
19
概率的定义
• 概率的统计定义 • 概率的古典定义 • 概率的几何定义 • 概率的公理化定义
20
概率的统计定义
频率的定义
设事件Ａ在ｎ次试验中出现了ｒ次，则比值 r/n称为事件Ａ在ｎ次试验中出现的频率。
概率的统计定义
在同一组条件下所作的大量重复试验中，事 件Ａ出现的频率总是在区间[0，1]上的一个确定 的常数ｐ附近摆动，并且稳定于ｐ，则ｐ称为事 件Ａ的概率，记作P(A)。
21
概率的古典定义
7
基本事件：只含单个样本点的集合称为基本事件或 简单事件。
也可这样定义：
不能再分解的事件称为简单事件或称为基本事件。
由基本事件组合而成的事件称为复合事件。
注意：基本事件是相对的，不是绝对的。
8
一、事件的关系
1、事件的包含
如果事件A发生，事件B一定发生。则称事件B包含事件
A。记为：A B
显然：A
或 ABC
或 ABC
17
3、事件的差 事件Ａ与事件Ｂ的差Ａ－Ｂ，是指Ａ发生，Ｂ不发生。 由定义Ａ－Ｂ＝A∩B，A＝Ω－A
例如：Ａ＝{出现２点或４点}，Ｂ＝{出现２点或 ６点}；则Ａ－Ｂ＝{出现４点}
18
三、事件的运算法则
对于任意三个事件Ａ、Ｂ、Ｃ，满足下列运算：
1)、交换律 A∪B=B∪A AB=BA
古典概型的随机试验要求满足下两条件： 有限性。只有有限多个不同的基本事件。 等可能性。每基本事件出现的可能性相等。
古典概率
在古典概型中，如果基本事件（样本点）的总
数为ｎ，事件Ａ所包含的基本事件（样本点）个
数为r(r≤n)，则定义事件Ａ的概率P(A)为r/n。即
r A中包含的基本事件个数
P( A) n
Ω
例如：B＝{出现偶数点}， A＝{出现４点}
BA
文氏图
10
2、事件的相等
如果事件A与事件B互相包含，即 A B且B A。
则称事件A等于事件B。记为：A＝B
11
3、事件的互斥
如事件A与事件B不能在同一次试验中都发生（但可以
都不发生），则称事件A与事件B是互斥或互不相容的。
记为：A∩B＝Ø
如事件A1，A2,…，An任意两个都互斥，则称这些 事件是两两互斥的,简称互斥。即有
试验3的样本空间含有的元素是无限的，称为无限样 本空间。
6
随机事件：样本空间的某些子集称为随机事件，简
称事件。常用A、B、C等表示。 在一次试验中，当试验结果ω∈事件A时，称这
次试验中事件A发生。
否则，当试验结果ω∈事件A时，称这次试验中
事件A不发生。
两种特殊的随机事件：
必然事件：样本空间在每次试验中均会发生，故称 为必然事件。 不可能事件：空集Ø在每次试验中均不会发生，故 称为不可能事件。
14
当A、B互斥时，A∪B可记为A＋B。
n个事件A1，…，An的和 n Ai 是指这n个事件中至少
有一个发生。
i 1
n
n
如果事件A1，A2，…，An两两互斥,则
i 1
Ai
i 1Байду номын сангаас
Ai
如果事件A1，A2，…，An两两互斥,且Ω＝A1+A2+…+An，
则称这n个事件构成互斥完备群。
可列多个事件的和事件
是指一列事件A1， An，中至少有一个发生，记为 Ai
i 1
15
2、事件的积
事件A与事件B的积是指事件A和事件B同时发生。记为 AB或A∩B。 例如：Ａ＝{出现２点或４点}，Ｂ＝{出现２点或６点}； 则ＡＢ＝{出现2点}
当A、B互为对立事件时，有：A＋B＝Ω，AB＝Ø 。
n
Ai是指事件A1， An同时发生的事件。
5
试验１：投掷一枚匀质的硬币，观察哪一面向上。规 定带有国徽图案的是正面。
Ω＝{正面，反面}
试验２：投掷一颗匀质正六面体的骰子，观察所出现的 点数。
Ω＝{1，2，3，4，5，6}
试验３：从一批灯泡中，任取一只，测定灯泡的使用 寿命
Ω＝[0，+∞)={x∈R∣0≤x< +∞}
试验1和试验2的样本空间只含有有限个元素，称为 有限样本空间。
1）试验可以在相同的条件下重复进行。
2）试验可能出现的所有结果种类已知
3）在未试验之前，不知道下次试验出现的结果，但试 验结果必是所有可能结果中的某一个。
具有这些特点的试验称为随机试验。
3
样本空间与随机事件
样本空间：随机试验所有可能结果的集合称为样本 空间。常用Ω表示。 样本点：样本空间的元素称为样本点，常用ω表示。
第一章 随机事件与概率
随机现象与随机事件 概率的定义
条件概率与独立性
1
随机现象与随机事件
2
随机现象与随机试验
试验１：在相同的条件下，投掷一枚匀质的硬币。观察哪 一面向上。 试验２：在相同条件下，投掷一颗匀质正六面体的骰子。 观察所出现的点数 试验３：从一批灯泡中，任取一只，测定灯泡的使用寿命 这些试验具有如下特点：
Ai∩Aj= Ø，1≤i＜j≤n
Ω
B
A
12
4、事件的对立
所谓事件Ａ与事件Ｂ为对立事件，就是指Ａ与Ｂ不同时 发生，但必发生一个。
由定义AB＝Ø A＋B＝Ω
记B＝A，则B＝A 例如：Ａ＝{出现偶数点}，Ｂ＝{出现奇数点}；Ａ与Ｂ 互为对立事件。
Ω
A
A
13
二、事件的运算
1、事件的和
事件A与事件B的和是指事件A和事件B中至少有一个发 生。记为A∪B。 例如：Ａ＝{出现２点或４点}，Ｂ＝{出现２点或６点}； 则A∪B ＝{出现偶数点}