概率论与数理统计第三节 频率与概率.ppt3(最新版)
合集下载
概率论与数理统计第三节 频率与概率.ppt3(最新版)

由概率的公理化定义可推得概率的下列性质 . 性质1 P 0 .
证 因为 由于上式右端可列个事件两两互斥 , 故由概率公
理化定义的可列可加性, 有 P P 再由概率的非负性可得,
P 0 .
性质 5 对于任何事件 A , 有
P A 1 P A .
证
因为
A A ,且 AA .
所以 1 P S P A A P A P A 即
P A 1 P A .
性质 6 设 A, B 为任意两个事件 , 则
第三节 频率与概率
上一讲中,我们了解到,随机 现象有其偶然性的一面,也有其必 然性的一面,这种必然性表现在大 量重复试验或观察中呈现出的固有 规律性,称为随机现象的统计规律 性. 而概率论正是研究随机现象统 计规律性的一门学科. 现在,就让 我们一起,步入这充满随机性的世 界,开始第一步的探索和研究.
2084 4040 12000 1061 2048 6019
频率 f n ( A) 0.518 0.5069 0.5016
Pearson
24000
12012
0.5005
频率和概率
频率的稳定性 随机事件A在相同条件下重复多次时,事件A 发
生的频率在一个固定的数值p附近摆动,随试验次数 的增加更加明显。可见, 在大量重复的试验中,随机 事件出现的频率具有稳定性.即通常所说的统计规律 性.
n
n
1
n 1
P A1 A2 An
例题
1、 设P(A)>0,P(B)>0,将下列四个数 P(A),P(AB),P(A)+P(B),
频率与概率课件

未来研究的方向
展望频率和概率研究的未 来方向。
参考文献
提供相关学术文献和资料的参考。
1 概率的应用
2 概率的局限性
阐述概率在统计学、经济学等领域的实际 应用。
探讨概率模型的局限性及可能的误差。
3 频率的应用
4 频率的局限性
介绍频率在科学实验、调查研究等领域的 应用。
讨论频率在事件发生不规律或难以测量时 的局限性。
总结
频率与概率的关系
总结频率和概率之间的联 系和差异。
应用和局限性
回顾频率和概率在实际生 活中的应用和局限性。
事件发生频率的计算 方法
介绍如何计算事件发生的 频率。
概率
概率的定义
概率是指某事件发生的可能 性。
概率公理介绍概率公理及其应用。概 Nhomakorabea的计算方法
探索如何计算事件的概率。
频率与概率的关系
1
大数定理
解释大数定理及其对频率和概率关系的影响。
2
概率的频率解释
讨论概率的频率解释并与实际案例相结合。
应用和局限性
频率与概率ppt课件
通过本课件,深入了解频率与概率的概念,探索它们之间的联系与差异,并 探讨它们在实际生活中的应用和局限性。
什么是频率与概率
频率是指某事件在一定时间内发生的次数,而概率是指某事件发生的可能性。
频率
频率的定义
频率是指某事件在一定时 间内发生的次数。
基本频率问题
探讨如何统计和比较事件 的频率。
概率论与数理统计课件:1-2 概率论的基本概念 频率和概率

A∪B = S 时P (AB ) 最小,最小值就是 P (AB ) = 0.3 □
11
随机试验 样本空间,随机事件 随机事件的运算
事件的运算 集合运算 频率的定义和性质 概率的公理化定义
12
§4 等可能概型 (古典概型)
一. 等可能概型 (古典概型) 的定义
如果一个随机试验 E 满足: (1) 试验的样本空间 S 只包含有限个样本点, (2) 每一个样本点发生的可能性相同。
fn (A1 A2 Ak ) fn (A1) fn (A2 ) fn (Ak ).
2
历史上曾有人做过试验,试图证明抛掷匀质硬币时, 出现正反面的机会均等。
实验者
De Morgan Buffon
K. Pearson K. Pearson
n
2048 4040 12000 24000
nH
1061 2048 6019 12012
1
(一)频率
定义: 在相同条件下,进行了n次试验,在这n
次值试nA验/n中称为事事件件A出A现在的n次次重数复n试A称验为中的出A现频的数频,率比,
记为
f.n (即A) fn (A) nA / n.
频率的性质:
(1)0 fn (A) 1; (2) fn (S) 1; (3)若 A1,A2 , , Ak 是 两两互不相容的事件,则
(3) 加法公式,P (A∪B ) = P (A ) + P (B ) – P (AB ) 。 推论: P (A∪B ) ≤ P (A ) + P (B )
8
阅读材料
一般的加法公式
对于任意的
n
个随机事件
n
A1,A2,···,An
பைடு நூலகம்
11
随机试验 样本空间,随机事件 随机事件的运算
事件的运算 集合运算 频率的定义和性质 概率的公理化定义
12
§4 等可能概型 (古典概型)
一. 等可能概型 (古典概型) 的定义
如果一个随机试验 E 满足: (1) 试验的样本空间 S 只包含有限个样本点, (2) 每一个样本点发生的可能性相同。
fn (A1 A2 Ak ) fn (A1) fn (A2 ) fn (Ak ).
2
历史上曾有人做过试验,试图证明抛掷匀质硬币时, 出现正反面的机会均等。
实验者
De Morgan Buffon
K. Pearson K. Pearson
n
2048 4040 12000 24000
nH
1061 2048 6019 12012
1
(一)频率
定义: 在相同条件下,进行了n次试验,在这n
次值试nA验/n中称为事事件件A出A现在的n次次重数复n试A称验为中的出A现频的数频,率比,
记为
f.n (即A) fn (A) nA / n.
频率的性质:
(1)0 fn (A) 1; (2) fn (S) 1; (3)若 A1,A2 , , Ak 是 两两互不相容的事件,则
(3) 加法公式,P (A∪B ) = P (A ) + P (B ) – P (AB ) 。 推论: P (A∪B ) ≤ P (A ) + P (B )
8
阅读材料
一般的加法公式
对于任意的
n
个随机事件
n
A1,A2,···,An
பைடு நூலகம்
《频率与概率》课件

参考资料
书籍和教材
- 《概率论与数理统计》——郑晓龙 - 《统计学基础》——康建文
课程网站链接
- 大数据分析与应用——机器学习 - 概率与统计——斯坦福大学公开课
其他相关学习资源
- Coursera《Probabilistic Graphical Models》 - Khan Academy Statistics and probability
概率分布
1
随机变量的定义和特征
随机变量通常用来描述随机事件中的数值特征。例如,投掷一枚硬币多次,计算正面 向上的有两种可能结果的试验,例如抛硬币或投篮命中。
3
正态分布
正态分布适用于连续变量的随机事件,例如身高或体重分布。
4
泊松分布
泊松分布适用于估计在一段时间内某事件发生的次数,例如地震发生的次数。
案例分析
本章讲述实际的案例,包括投资组合、医疗保 健和市场营销的例子。
结论
1 频率是概率的估计量
当试验次数足够大时,频率可以用来估计概率。但是,频率只是概率的近似值,并不等 于概率。
2 概率和统计学密切相关
概率和统计学的基本概念广泛应用于科学、工程和行业中的决策和预测。
3 课程总结
本门课程希望能帮助你掌握概率和频率的基本概念,并了解它们在实际生活中的应用。 希望您能在今后的生活和工作中灵活运用它们。
频率
定义和计算
频率是某一事件在多次试验中出现的次数除以总的试验次数。频率越高,意味着事件发生的 可能性越大。
作为概率的估计量
当试验次数足够大时,频率可以作为概率的估计量。但是,频率只是概率的一种估计,而不 是实际的概率值。
样本均值和频率的关系
样本均值是多次试验中所有结果的平均值。当试验次数趋近于无穷时,样本均值将趋近于概 率。
《频率与概率》课件

$P(A|B) = frac{P(B|A) cdot P(A)}{P(B)}$,其中$P(A|B)$表示在 事件B发生的条件下,事件A发生的概率。
贝叶斯定理应用
贝叶斯定理在统计学、机器学习、决策理论等领域有广泛应用, 尤其是在处理不确定性和主观概率方面。
全概率公式
全概率公式定义
全概率公式用于计算一个复杂事件发生的概率,该复杂事件可以分 解为若干个互斥且完备的子事件。
市场调查
在市场调查中,全概率公式可以用于计算某个事件发生的概率,例如消费者购买某产品的概率,可以通过考虑不 同市场细分和购买行为的条件概率来计算。
感谢您的观看
THANKS
概率的乘法性质是指一个事件发生后,另一个事件接着发生的概率等于前一事 件的概率乘以后一事件的概率。
详细描述
如果事件A和事件B有因果关系,即B的发生依赖于A的发生,那么 P(AB)=P(A)P(B)。如果事件A和事件B没有因果关系,那么P(AB)=P(A)P(B)。
条件概率与独立性
总结词
条件概率是指在某个已知条件下,一个事件发生的概率。独立性是指两个事件之 间没有相互影响。
中心极限定理的实例
在投掷骰子实验中,随着投掷次数的增加,出现3.5次朝上的频率 逐渐接近正态分布。
大数定律与中心极限定理的应用
在统计学中的应用01 Nhomakorabea大数定律和中心极限定理是统计学中的基本原理,用于估计样
本均值和方差,以及进行假设检验和置信区间的计算。
在金融领域的应用
02
大数定律和中心极限定理用于金融风险管理和资产定价,例如
方差
方差是随机变量取值与其期望的差的 平方的平均值,表示随机变量取值的 离散程度。
05
大数定律与中心极限定理
贝叶斯定理应用
贝叶斯定理在统计学、机器学习、决策理论等领域有广泛应用, 尤其是在处理不确定性和主观概率方面。
全概率公式
全概率公式定义
全概率公式用于计算一个复杂事件发生的概率,该复杂事件可以分 解为若干个互斥且完备的子事件。
市场调查
在市场调查中,全概率公式可以用于计算某个事件发生的概率,例如消费者购买某产品的概率,可以通过考虑不 同市场细分和购买行为的条件概率来计算。
感谢您的观看
THANKS
概率的乘法性质是指一个事件发生后,另一个事件接着发生的概率等于前一事 件的概率乘以后一事件的概率。
详细描述
如果事件A和事件B有因果关系,即B的发生依赖于A的发生,那么 P(AB)=P(A)P(B)。如果事件A和事件B没有因果关系,那么P(AB)=P(A)P(B)。
条件概率与独立性
总结词
条件概率是指在某个已知条件下,一个事件发生的概率。独立性是指两个事件之 间没有相互影响。
中心极限定理的实例
在投掷骰子实验中,随着投掷次数的增加,出现3.5次朝上的频率 逐渐接近正态分布。
大数定律与中心极限定理的应用
在统计学中的应用01 Nhomakorabea大数定律和中心极限定理是统计学中的基本原理,用于估计样
本均值和方差,以及进行假设检验和置信区间的计算。
在金融领域的应用
02
大数定律和中心极限定理用于金融风险管理和资产定价,例如
方差
方差是随机变量取值与其期望的差的 平方的平均值,表示随机变量取值的 离散程度。
05
大数定律与中心极限定理
北邮概率统计课件13频率和概率

第三节 频率与概率
一. 频率
1.频率的定义:
在 n 次试验中,事件A发生的次数 n A 称为事件
A的频数,而比值 n A 称为事件A发生的频率,
记作:
n
fn ( A)
nA n
2.频率的性质:(1)0fn(A)1 (非负性)
(2) fn(S)1 (规范性)
201概9/10率/24 统计
课件
(3)若A1,A2,AK是两两互不相容 ,则的事件
n
k1
P(Ak)P(Ak)
k1
n
kn1
n
P(Ak)0P(Ak)
k1
k1
性质3 :若 AB,则有
(可减性) P(B A) P(B)P(A)
(单调性) P(B) P(A)
201概9/10率/24 统计
课件
A
[证]:(1) BA (BA )
A
并且A与B-A是互不相容的,即:
p为事件A 在该条件下发生的概率.(简称:
频率的稳定值为该事件的概率) 记作:P(A)
201概9/10率/24 统计
课件
示例: 考虑在相同条件下进行的 S 轮试验.
第一轮 试验
第二轮 试验
…
第S 轮 试验
试验次数n1
试验次数n2
…
试验次数ns
事件A出现 事件A出现
…
m1次
m2次
事件A出现 ms 次
性质4 (加法定理) 设 A, B为任意两个事件, 则有:
P (A B ) P (A ) P (B ) P (A )B
[证]:由图
可:A 知 B A (B A)B
A AB B
并且:
一. 频率
1.频率的定义:
在 n 次试验中,事件A发生的次数 n A 称为事件
A的频数,而比值 n A 称为事件A发生的频率,
记作:
n
fn ( A)
nA n
2.频率的性质:(1)0fn(A)1 (非负性)
(2) fn(S)1 (规范性)
201概9/10率/24 统计
课件
(3)若A1,A2,AK是两两互不相容 ,则的事件
n
k1
P(Ak)P(Ak)
k1
n
kn1
n
P(Ak)0P(Ak)
k1
k1
性质3 :若 AB,则有
(可减性) P(B A) P(B)P(A)
(单调性) P(B) P(A)
201概9/10率/24 统计
课件
A
[证]:(1) BA (BA )
A
并且A与B-A是互不相容的,即:
p为事件A 在该条件下发生的概率.(简称:
频率的稳定值为该事件的概率) 记作:P(A)
201概9/10率/24 统计
课件
示例: 考虑在相同条件下进行的 S 轮试验.
第一轮 试验
第二轮 试验
…
第S 轮 试验
试验次数n1
试验次数n2
…
试验次数ns
事件A出现 事件A出现
…
m1次
m2次
事件A出现 ms 次
性质4 (加法定理) 设 A, B为任意两个事件, 则有:
P (A B ) P (A ) P (B ) P (A )B
[证]:由图
可:A 知 B A (B A)B
A AB B
并且:
概率论与数理统计图文课件最新版-第1章-第3-5节

(1). 有放回地抽取 设A:取到的两张都是中奖券
n : 第一次从盒中取,不论是否是中奖券,总是
从 6 张中取一张,第二次再从盒中取,仍是 有 6 张券可供抽取,故有:
P61 P61 36 (种)
k : 中奖券有 2 张,第一次取有 2 张可供抽取,
第二次取仍有 2 张可供抽取,故有:
P21 P21 4 (种)
即, 10个球中的任一个被 取出的机会是相等的,
均为1/10.
10个球中的任一个被取 出的机会都是1/10
所以称这类概率模型为古典概型.
概率统计
在此示例中, 若记 A={ 摸到2号球 } 2
则 P(A)=?
显然: P(A)= 1/10
若记 B={ 摸到红球 } 1 2 3 4 5 6
则 P(B)=?
从而: P( A) k 4 1 0.111 n 36 9
概率统计
nn:
(2). 不放回地抽取
n : P61 P51 30
k : P21 P11 2
从而: P( A) k 2 1 0.067 n 30 15
注 ▲ 若在此例中若将取法改为 “一次抽取两张” ,
其它条件不变则有:
概率统计
P(e1) P(e2) L L P(en)
又由于基本事件是两两互不相容的,于是:
P(S) P(e1Ue1UL L en)
P(e1) P(e2) L L P(en)
nP(ei)
而 P(S) 1
又由已知,
P(ei )
1 n
,
i 1, 2,L n
A ei1 U ei2 UL U eik , (1 i1 i2 L ik n)
(2).若首位数 2, 4, 6, 8 则有: P41 P41 P84
n : 第一次从盒中取,不论是否是中奖券,总是
从 6 张中取一张,第二次再从盒中取,仍是 有 6 张券可供抽取,故有:
P61 P61 36 (种)
k : 中奖券有 2 张,第一次取有 2 张可供抽取,
第二次取仍有 2 张可供抽取,故有:
P21 P21 4 (种)
即, 10个球中的任一个被 取出的机会是相等的,
均为1/10.
10个球中的任一个被取 出的机会都是1/10
所以称这类概率模型为古典概型.
概率统计
在此示例中, 若记 A={ 摸到2号球 } 2
则 P(A)=?
显然: P(A)= 1/10
若记 B={ 摸到红球 } 1 2 3 4 5 6
则 P(B)=?
从而: P( A) k 4 1 0.111 n 36 9
概率统计
nn:
(2). 不放回地抽取
n : P61 P51 30
k : P21 P11 2
从而: P( A) k 2 1 0.067 n 30 15
注 ▲ 若在此例中若将取法改为 “一次抽取两张” ,
其它条件不变则有:
概率统计
P(e1) P(e2) L L P(en)
又由于基本事件是两两互不相容的,于是:
P(S) P(e1Ue1UL L en)
P(e1) P(e2) L L P(en)
nP(ei)
而 P(S) 1
又由已知,
P(ei )
1 n
,
i 1, 2,L n
A ei1 U ei2 UL U eik , (1 i1 i2 L ik n)
(2).若首位数 2, 4, 6, 8 则有: P41 P41 P84
频率与概率PPT课件

也可用如下方法求概率:
开始
硬币1
正
反
硬币2 正 反 正 反
树状图
P(出现两个正面)=
树状图:从上至下每条路径就是一个可能出现的结果。
我们把这种列举试验中所有机画会树均状等图的结关果键的:图1确形定称为
树状图
层数,2是确定每层分叉
的个数。
第7页/共14页
树状图 法练习
1.小明是个小马虎,晚上睡觉时将两双不同的 袜子放在床头,早上起床没看清随便穿了两只 就去上学,问小明正好穿的是相同的一双袜子 的概率是多少?
第5页/共14页
例题:对两枚骰子可能出现的情况进行分析,列表如下
第
第
二
一个 个
1
2
3
4
5
6
1
(1,1)
(2,1)
(3,1)
(4,1)
(5,1)
(6,1)
2
(1,2)
(2,2)
(3,2)
(4,2)
(5,2)
(6,2)
3
(1,3)
(2,3)
(3,3)
(4,3)
(5,3)
(6,3)
4
(1,4)
(2,4)
解第二:只 设两第双一只 袜子A分1 别为AA12、A2、B1B1、BB2,2 则
A1
开始 (A2,A1) (B1,A1) (B2,A1)
AA21
(AA1,2A2) B1
B2 (B1,A2) (B2,A2)
B1
(A1,B1) (A2,B1)
(B2,B1)
A所2 以BB21穿B相2 同A一1 双(BA11袜,BB2子)2 的(A概A12,率BA2)1为B(2B41,B2)A11 A2 B1
- 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)。
• 比如,一个箱子中装有100只产品,其中95只 是合格品,5只是次品.从其中任意拿出一只, 则拿到合格品的可能性就比拿到次品的可 能性大. • 假如这100只产品中的合格品与次品都是50 只,则拿到合格品与拿到次品的可能性就大 致相同.
• 所以,一个事件发生的可能性大小是它本身 所固有的一种客观的度量. 很自然,人们希望 用一个数来描述事件发生的可能性大小,而 且事件发生可能性大的, 这个数就大; 事件 发生可能性小的, 这个数就小. • 为此,我们引入频率的概念, 它描述了事件在 多次试验中发生的频繁程度,进而引出表征 事件在一次试验中发生的可能性大小的数 量指标——概率.
P P P
注意: 概率为0的事件不等价于不可能事件
概率为1的事件不等价于必然事件
性质 2
设有限个事件 A1 ,A2 ,, An 两两互不相容 ,则
P A1 A2 An P A1 P A2 P An .
nH
251 249 256 253 251 246 244 258 262 247
fn(H)
0.502 0.498 0.512 0.506 0.502 0.492 0.488 0.516 0.524 0.494
表2
试验者 De Morgan Bufen Pearson
“正面向上”次 抛币次数n 数
3 对于两两互不相容的事件 A1, A2 ,, 有
可列可加性
P A1 A2 P A1 P A2
事件发生 的频繁程度
事件发生
的可能性的大小
频 率
稳 定 值
概 率
频率的性质
概率的公理化定义
注记: 概率的公理化定义给每个随机试验E 提供了一个统一的理论结构,对E上的每个 随机事件A,所对应的实数P(A)用以度量A发 生的可能性的大小,称为A的概率.但是该定 义没有给出具体的对应法则,只规定了这种 对应所满足的三个公理化要求.概率论的主 要任务就是在概率的公理化定义下研究随 机现象的有关规律性.
一、频率的定义
频率
设在 n 次重复试验中 ,事件 A 出现了 nA 次 ,
则称 nA 为事件 A 在 n 次试验中出现的频数 ,比值 nA 为事件 A 在 n 次试验中出现的频率 , 记为 f n A , n 即 f n A . n
性质:
1)
0 f n ( A) 1 ;
n
n
1
n 1
P A1 A2 An
例题
1、 设P(A)>0,P(B)>0,将下列四个数 P(A),P(AB),P(A)+P(B),
P( A B), 按由小到大的顺序排列,用 “ ”联系他们,并指出在什么情况下可能 有等式成立?
2 设 P(A)=P(B)=P(C)=1/3,P(AB)=P(AC)=0, P(BC)=1/4,求 A,B,C至少有一事件发生的概率.
教学内容
1 频率的定义与性质; 2 概率的统计定义与概率的基本性质;
教学重点
概率的性质
• 一、提出问题
1.大量的重复试验后,事件发生的可能性有大 有小,怎样来认识和刻画它?
2.频率,我们比较熟悉。它和概率有关系吗? 可以给我们哪些启示呢?
二 问题分析
• 我们观察一项随机试验所发生的各个事件, 就其一次具体的试验而言,每一事件出现与 否都带有很大的偶然性,似乎没有规律可言. 但是在大量的重复试验后,就会发现: 某些 事件发生的可能性大些,另外一些事件发生 的可能性小些,而有些事件发生的可能性大 致相同.
2)
f n (S ) 1;
A1 , A2 , , Ak 是两两互不相容事件, f n ( A1 A2 Ak ) f n ( A1) f n ( A2) f n ( Ak ) 则
3) 若
例:抛硬币出现的正面的频率 表 1
试验 序号 1 2 3 4 5 6 7 8 9 10 n =5 n =50 n =500
A B
A
3 P BA P B AB
P B P AB 1 1 7 . 2 9 18
AB
B
A B
练习题 在某城市中发行三种报纸A, B, C , 经调查 订阅A报的有45%,订阅B报的有35%,订阅C 报的有30%,同时订阅A及B报的有10%,同时 订阅A及C 报的有8%,同时订阅C 及B报的有 5%,同时订阅A及B及C 报的有3%,试求下列 事件的概率:
这个定义也称为 概率的统计定义 .
二、概率的定义
概率的公理化定义 设 E 是随机试验 , S 是它的
样本空间 , 对于 E 的每一个事件 A 赋予一个实数 PA ,
称之为事件 A 的概率 , 如果它满足下列三个条件 : 1 P A 0 ; 非负性
2 P S 1 ; 规范性
P A B P A P B 并且 P A P B .
性质 3 设 A、B 为两事件 , 且 A B , 则
证 如图 ,因为 A B , 所以 A B A B 并且 B A B A B 于是由性质 2 , 可得 P A P B P A B A B 也即 P A B P A P B ,
2084 4040 12000 1061 2048 6019
频率 f n ( A) 0.518 0.5069 0.5016
Pearson
24000
12012
0.5005
频率和概率
频率的稳定性 随机事件A在相同条件下重复多次时,事件A 发
生的频率在一个固定的数值p附近摆动,随试验次数 的增加更加明显。可见, 在大量重复的试验中,随机 事件出现的频率具有稳定性.即通常所说的统计规律 性.
性质 5 对于任何事件 A , 有
P A 1 P A .
证
因为
A A ,且 AA .
所以 1 P S P A A P A P A 即
P A 1 P A .
性质 6 设 A, B 为任意两个事件 , 则
P A P B .
又由概率的非负性, 有 P A B P A P B 0
即
性质 4 对于任一事件 A , 都有 P A 1 .
证 因为对于任一事件A , 都有 A 故由性质 4 , 可得 P A P 1 .
第三节 频率与概率
上一讲中,我们了解到,随机 现象有其偶然性的一面,也有其必 然性的一面,这种必然性表现在大 量重复试验或观察中呈现出的固有 规律性,称为随机现象的统计规律 性. 而概率论正是研究随机现象统 计规律性的一门学科. 现在,就让 我们一起,步入这充满随机性的世 界,开始第一步的探索和研究.
由此性质还可推得
P A B P A P B .
而且此结果 还可以推广 :
P A B C P A P B P C P AB P AC P BC P ABC P A B C D P A P B P C P D
由概率的公理化定义可推得概率的下列性质 . 性质1 P 0 .
证 因为 由于上式右端可列个事件两两互斥 , 故由概率公
理化定义的可列可加性, 有 P P 再由概率的非负性可得,
P 0 .
事件的概率
事件A的频率稳定在数值p,说明了数值p可以用 来刻划事件A发生可能性大小,可以规定为事件A 的概率
概率的统计定义
对任意事件A,在相同的条件下重复进行n次
试验,事件A发 生的频率 m/n,随着试验次数n的
增大而稳定地在某个常数 附近摆动那数足够大时,可以用事件A发生的频 率近似的代替事件A的概率,
由概率所必须满足的三条公理,我们 推导出概率的其它几条重要性质. 它们在 计算概率时很有用,尤其是加法公式.
三、小结
频率的定义 概率的公理化定义及概率的性质 事件在一次试验中是否发生具有随机性,它发 生的可能性大小是其本身所固有的性质,概率 是度量某事件发生可能性大小的一种数量指标. 它介于0与1之间.
证 因为
A1 A2 An A1 A2 An
所以由可列可加性及性 1 , 有 质
P A1 P A2 P An P P
P A1 A2 An P A1 A2 An P A1 P A2 P An 0 0 P A1 P A2 P An .
1 只订A报的; 2 只订A及B报的; 3 只订一种报的; 4 正好订两种报纸的; 5 至少订阅一种报纸的; 6 不订阅任何报纸的; 7 最多订阅一种报纸的。
这一讲,我们介绍了
概率的公理化定义
它给出了概率所必须满足的最基本的 性质,为建立严格的概率理论提供了一个 坚实的基础.
P AB P AC P AD P BC P BD P CD
P ABC P ABD P BCD P ACD P ABCD
P Ai P Ai P Ai A j P Ai A j Ak 1 i , j n 1 i , j ,k n i 1 i 1
nH
2 3 1 5 1 2 4 2 3 3
fn(H)
0.4 0.6 0.2 1.0 0.2 0.4 0.8 0.4 0.6 0.6