《概率论与数理统计》全套课件 PPT
合集下载
概率论与数理统计课件ppt

简化数据结构,解释变量间的关系。
操作步骤
计算相关系数矩阵、求特征值和特征 向量、确定主成分个数。
实例
分析消费者对不同品牌手机的偏好。
聚类分析
聚类分析
常见方法
目的
实例
将类似的对象归为同一 组,即“簇”,不同簇
的对象尽可能不同。
层次聚类、K均值聚类、 DBSCAN等。
揭示数据的内在结构, 用于分类、猜测和决策
用数学符号表示一个随机实验的结果 。
随机变量可以取到任何实数值,且取 每个结果的概率为一个确定的函数。
离散型随机变量
随机变量可以取到所有可能的结果, 且取每个结果的概率为一个确定的数 。
随机变量的函数变换
线性变换
对于随机变量X和常数a、b,有 aX+b的散布与X的散布不同。
非线性变换
对于随机变量X和函数g(x),g(X)的散 布与X的散布不同。
置信区间
根据样本数据对总体参数进行估计的一个范围,表示我们对 估计的可靠程度。
假设检验与置信水平
假设检验
通过样本数据对总体参数或散布进行 假设,然后根据检验结果判断假设是 否成立。
置信水平
假设检验中,我们相信结论正确的概 率,通常表示为百分比。
05 数理统计的应用
方差分析
方差分析(ANOVA)
随机进程在通讯、气象、物理等领域有广泛应用。
马尔科夫链蒙特卡洛方法
01
马尔科夫链蒙特卡洛方法是一种 基于蒙特卡洛模拟的统计推断方 法,通过构造一个马尔科夫链来 到达近似求解复杂问题的目的。
02
马尔科夫链蒙特卡洛方法在许多 领域都有应用,如物理学、化学 、经济学等。
04 数理统计基础
样本与样本空间
操作步骤
计算相关系数矩阵、求特征值和特征 向量、确定主成分个数。
实例
分析消费者对不同品牌手机的偏好。
聚类分析
聚类分析
常见方法
目的
实例
将类似的对象归为同一 组,即“簇”,不同簇
的对象尽可能不同。
层次聚类、K均值聚类、 DBSCAN等。
揭示数据的内在结构, 用于分类、猜测和决策
用数学符号表示一个随机实验的结果 。
随机变量可以取到任何实数值,且取 每个结果的概率为一个确定的函数。
离散型随机变量
随机变量可以取到所有可能的结果, 且取每个结果的概率为一个确定的数 。
随机变量的函数变换
线性变换
对于随机变量X和常数a、b,有 aX+b的散布与X的散布不同。
非线性变换
对于随机变量X和函数g(x),g(X)的散 布与X的散布不同。
置信区间
根据样本数据对总体参数进行估计的一个范围,表示我们对 估计的可靠程度。
假设检验与置信水平
假设检验
通过样本数据对总体参数或散布进行 假设,然后根据检验结果判断假设是 否成立。
置信水平
假设检验中,我们相信结论正确的概 率,通常表示为百分比。
05 数理统计的应用
方差分析
方差分析(ANOVA)
随机进程在通讯、气象、物理等领域有广泛应用。
马尔科夫链蒙特卡洛方法
01
马尔科夫链蒙特卡洛方法是一种 基于蒙特卡洛模拟的统计推断方 法,通过构造一个马尔科夫链来 到达近似求解复杂问题的目的。
02
马尔科夫链蒙特卡洛方法在许多 领域都有应用,如物理学、化学 、经济学等。
04 数理统计基础
样本与样本空间
概率论与数理统计ppt课件

04
理解基本概念和原理
做大量练习题,培养解题能力
05
06
阅读相关书籍和论文,拓宽知识面
02
概率论基础
概率的基本概念
试验
一个具有有限个或无限个 可能结果的随机试验。
事件
试验中的某些结果的总称 。
概率
衡量事件发生可能性的数 值,通常表示为0到1之间 的实数。
必然事件
概率等于1的事件。
不可能事件
概率等于0的事件。
01 点估计
用样本统计量估计总体参数,如用样本均值估计 总体均值。
02 区间估计
给出总体参数的估计区间,如95%置信区间。
03 估计量的性质
无偏性、有效性和一致性。
假设检验
假设检验的基本思想
先假设总体参数具有某种 特性,然后通过样本信息 来判断这个假设是否合理 。
双侧检验
当需要判断两个假设是否 相等时,如总体均值是否 等于某个值。
连续型随机变量
取值无限的随机变 量。
方差
衡量随机变量取值 分散程度的数值。
03
数理统计基础
总体与样本
总体
研究对象的全体。
抽样方法
简单随机抽样、分层抽样、系统抽样等。
样本
从总体中随机抽取的一部分个体,用于估 计和推断总体的特性。
样本大小
样本中包含的个体数量,需要根据研究目 的和资源来确定。
参数估计
单因素方差分析
单因素方差分析的定义
单因素方差分析是方差分析的一种形式,它只涉及一个实验因素。通过对不同组的均值进行比 较,可以确定这个因素对实验结果的影响是否显著。
单因素方差分析的步骤
单因素方差分析通常包括以下步骤:首先,对实验数据进行分组;其次,计算每组的均值;接 着,计算总的均值和总的变异性;然后,计算组间变异性和组内变异性;最后,通过比较这两 种变异,得出因素的显著性。
概率论与数理统计完整ppt课件

化学
在化学领域,概率论与数理统计被用于研究化学反应的速率和化 学物质的分布,如化学反应动力学、量子化学计算等。
生物
在生物学中,概率论与数理统计用于研究生物现象的变异和分布, 如遗传学、生态学、流行病学等。
在工程中的应用
通信工程
01
概率论与数理统计在通信工程中用于信道容量、误码率、调制
解调等方面的研究。
边缘分布
对于n维随机变量(X_1,...,X_n),在概 率论中,分别定义了X_1的边缘分布 、...、X_n的边缘分布。
04
数理统计基础
样本与抽样分布
01
02
03
总体与样本
总体是包含所有可能数据 的数据集合,样本是总体 的一个随机子集。
抽样方法
包括简单随机抽样、分层 抽样、系统抽样等。
样本分布
描述样本数据的分布情况 ,如均值、中位数、标准 差等。
参数估计与置信区间
参数估计
利用样本数据估计总体的 未知参数,如均值、方差 等。
点估计
用样本统计量作为总体参 数的估计值。
置信区间
给出总体参数的一个估计 区间,表示对总体的参数 有一个可信的估计范围。
假设检验与方差分析
假设检验
通过样本数据对总体参数提出 假设,然后根据假设进行检验
01
定义
设E是一个随机试验,X,Y是定义在E上,取值分别为实数的随机变量
。称有序实数对(X,Y)为一个二维随机变量。
02
分布函数
设(X,Y)是一个二维随机变量,对于任意实数x,y,二元函数
F(x,y)=P({X<=x,Y<=y})称为二维随机变量(X,Y)的分布函数。
03
边缘分布
对于二维随机变量(X,Y),在概率论中,分别定义了X的边缘分布和Y的
在化学领域,概率论与数理统计被用于研究化学反应的速率和化 学物质的分布,如化学反应动力学、量子化学计算等。
生物
在生物学中,概率论与数理统计用于研究生物现象的变异和分布, 如遗传学、生态学、流行病学等。
在工程中的应用
通信工程
01
概率论与数理统计在通信工程中用于信道容量、误码率、调制
解调等方面的研究。
边缘分布
对于n维随机变量(X_1,...,X_n),在概 率论中,分别定义了X_1的边缘分布 、...、X_n的边缘分布。
04
数理统计基础
样本与抽样分布
01
02
03
总体与样本
总体是包含所有可能数据 的数据集合,样本是总体 的一个随机子集。
抽样方法
包括简单随机抽样、分层 抽样、系统抽样等。
样本分布
描述样本数据的分布情况 ,如均值、中位数、标准 差等。
参数估计与置信区间
参数估计
利用样本数据估计总体的 未知参数,如均值、方差 等。
点估计
用样本统计量作为总体参 数的估计值。
置信区间
给出总体参数的一个估计 区间,表示对总体的参数 有一个可信的估计范围。
假设检验与方差分析
假设检验
通过样本数据对总体参数提出 假设,然后根据假设进行检验
01
定义
设E是一个随机试验,X,Y是定义在E上,取值分别为实数的随机变量
。称有序实数对(X,Y)为一个二维随机变量。
02
分布函数
设(X,Y)是一个二维随机变量,对于任意实数x,y,二元函数
F(x,y)=P({X<=x,Y<=y})称为二维随机变量(X,Y)的分布函数。
03
边缘分布
对于二维随机变量(X,Y),在概率论中,分别定义了X的边缘分布和Y的
概率论与数理统计全套精品课件(PPT)

概率论与数理统计
河南工业大学理学院
教材:《概率论与数理统计》第三版 王松桂 等编 科学出版社
参考书:1.《概率论与数理统计》 浙江大学 盛骤等 编 高等教育出版社
2. 《概率论与数理统计》 魏振军 编
中国统计出版社
序言
概率论是研究什么的?
人们所观察到的现象大体上分成两类: 1.确定性现象或必然现象 事前可以预知结果的:即在某些确定的条 件满足时,某一确定的现象必然会发生,或根 据它过去的状态,完全可以预知其将来的发展 状态。 2.偶然性现象或随机现象 事前不能预知结果:即在相同的条件下重 复进行试验时,每次所得到的结果未必相同, 或即使知道它过去的状态,也不能肯定它将来 的状态。
写出样本空间,指出哪些是基本事件,表示B ,C,D。
解: {1, 2,..., 6} Ai {i},i 1,..., 6 为基本事件
B {2, 4, 6} C {1,3,5} D {4,5, 6}
既然事件是一个集合,因此有关事件 间的关系、运算及运算规则也就按集合 间的关系、运算及运算规则来处理。
1.1.1 随机试验与事件
随机试验(试验)的特点: 1.可在相同条件下重复进行; 2.每次试验之前无法确定具体是哪种结果出 现,但能确定所有的可能结果。
试验常用“E”表示
(随机)试验的例子
E1: 掷一颗骰子,观察所掷的点数是几; E2 :工商管理部门抽查产品是否合格; E3: 观察某城市某个月内交通事故发生的次数; E4 :已知物体长度在a和b之间,测量其长度; E5: 对某只灯泡做试验,观察其使用寿命; E6: 对某只灯泡做试验,观察其使用寿命是否小
于200小时。
样本空间:试验的所有可能结果所组成
的集合称为样本空间。记为:
河南工业大学理学院
教材:《概率论与数理统计》第三版 王松桂 等编 科学出版社
参考书:1.《概率论与数理统计》 浙江大学 盛骤等 编 高等教育出版社
2. 《概率论与数理统计》 魏振军 编
中国统计出版社
序言
概率论是研究什么的?
人们所观察到的现象大体上分成两类: 1.确定性现象或必然现象 事前可以预知结果的:即在某些确定的条 件满足时,某一确定的现象必然会发生,或根 据它过去的状态,完全可以预知其将来的发展 状态。 2.偶然性现象或随机现象 事前不能预知结果:即在相同的条件下重 复进行试验时,每次所得到的结果未必相同, 或即使知道它过去的状态,也不能肯定它将来 的状态。
写出样本空间,指出哪些是基本事件,表示B ,C,D。
解: {1, 2,..., 6} Ai {i},i 1,..., 6 为基本事件
B {2, 4, 6} C {1,3,5} D {4,5, 6}
既然事件是一个集合,因此有关事件 间的关系、运算及运算规则也就按集合 间的关系、运算及运算规则来处理。
1.1.1 随机试验与事件
随机试验(试验)的特点: 1.可在相同条件下重复进行; 2.每次试验之前无法确定具体是哪种结果出 现,但能确定所有的可能结果。
试验常用“E”表示
(随机)试验的例子
E1: 掷一颗骰子,观察所掷的点数是几; E2 :工商管理部门抽查产品是否合格; E3: 观察某城市某个月内交通事故发生的次数; E4 :已知物体长度在a和b之间,测量其长度; E5: 对某只灯泡做试验,观察其使用寿命; E6: 对某只灯泡做试验,观察其使用寿命是否小
于200小时。
样本空间:试验的所有可能结果所组成
的集合称为样本空间。记为:
概率论与数理统计(完整版)(课堂PPT)

E3: 将一枚硬币抛三次,观察出现正面的情况. E4: 电话交换台一分钟内接到的呼唤次数. E5: 在一批灯泡中任取一只, 测试它的寿命.
3
随机试验:
(1) 可在相同的条件下重复试验; (2) 每次试验的结果不止一个,且能事先明确所有可能的结 果; (3) 一次试验前不能确定会出现哪个结果.
4
§2. 样本空间与随机事件
(一) 样本空间:
定义 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. 样本空间的元素称为样本点,用表示.
样本空间的分类:
1.离散样本空间:样本点为有限个或可列个. 例 E1,E2等. 2.无穷样本空间:样本点在区间或区域内取值. 例 灯泡的寿命{t|t≥0}.
5
(二) 随机事件
定义 样本空间S的子集称为随机事件, 简称事件. 在一 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.
基本事件: 由一个样本点组成的单点集. 如:{H},{T}.
复合事件: 由两个或两个以上的基本事件复合而成的事件 为复合事件. 如:E3中{出现正面次数为奇数}.
必然事件: 样本空间S是自身的子集,在每次试验中总是 发生的,称为必然事件。
为在事件A发生的条件下事件B发生的条件概率2.9
2. 性质: 条件概率符合概率定义中的三个条件, 即 10 对于每一 B有 个 , 1 事 P(件 |B A)0.
20 P (|SA) 1.
30 设B1,B2,两两互不,则 相容
P ( Bi |A)P(Bi |A.)
i1
i1
此外, 条件概率具有无条件概率类似性质.例如:
P(A 1)P(A 2)P(A n).(有限)可
性3质 . 若 AB,则有 P(BA)P(B)P(A);
3
随机试验:
(1) 可在相同的条件下重复试验; (2) 每次试验的结果不止一个,且能事先明确所有可能的结 果; (3) 一次试验前不能确定会出现哪个结果.
4
§2. 样本空间与随机事件
(一) 样本空间:
定义 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. 样本空间的元素称为样本点,用表示.
样本空间的分类:
1.离散样本空间:样本点为有限个或可列个. 例 E1,E2等. 2.无穷样本空间:样本点在区间或区域内取值. 例 灯泡的寿命{t|t≥0}.
5
(二) 随机事件
定义 样本空间S的子集称为随机事件, 简称事件. 在一 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.
基本事件: 由一个样本点组成的单点集. 如:{H},{T}.
复合事件: 由两个或两个以上的基本事件复合而成的事件 为复合事件. 如:E3中{出现正面次数为奇数}.
必然事件: 样本空间S是自身的子集,在每次试验中总是 发生的,称为必然事件。
为在事件A发生的条件下事件B发生的条件概率2.9
2. 性质: 条件概率符合概率定义中的三个条件, 即 10 对于每一 B有 个 , 1 事 P(件 |B A)0.
20 P (|SA) 1.
30 设B1,B2,两两互不,则 相容
P ( Bi |A)P(Bi |A.)
i1
i1
此外, 条件概率具有无条件概率类似性质.例如:
P(A 1)P(A 2)P(A n).(有限)可
性3质 . 若 AB,则有 P(BA)P(B)P(A);
概率论与数理统计全套ppt课件

随机试验的特点(p1) 1.可在相同条件下重复进行; 2.一次试验之前无法确定具体是哪种结果出现,但 能确定所有的可能结果。 随机试验常用E表示
随机实验的例子
E1: 抛一枚硬币,分别用“H” 和“T” 表示出正 面和反面; E2: 将一枚硬币连抛三次,考虑正反面出现的情况; E3:某城市某年某月内发生交通事故的次数; E4:掷一颗骰子,可能出现的点数; E5: 记录某网站一分钟内受到的点击次数; E6:在一批灯泡中任取一只,测其寿命; E7:任选一人,记录他的身高和体重 。
概率与统计
开课系:非数学专业
教材:《概率论与数理统计》 王松桂 等编
科学出版社2002 参考书:1.《概率论与数理统计》 浙江大学 盛骤等 编 高等教育出版社 2. 《概率论与数理统计》 魏振军 编 中国统计出版社
序
言
概率论是研究什么的?
随机现象:不确定性与统计规律性
概率论——研究和揭示随机现象 的统计规律性的科学
加法公式:设完成一件事可有两种途径,第 一种途径有n1种方法,第二种途径有n2种方 法,则完成这件事共有n1+n2种方法。 (也可推广到若干途径)
目录
• • • • • • 第一章 随机事件及其概率 第二章 随机变量 第三章 随机变量的数字特征 第四章 样本及抽样分布 第五章 参数估计 第六章 假设检验
第一章 随机事件及其概率
• 随机事件及其运算 • 概率的定义及其运算 • 条件概率 • 事件的独立性
1.1随机事件及其概率
一、随机试验(简称“试验”)
A B A B,
k k
AB A B
可推广 Ak Ak ,
A A .
k k k k
例:甲、乙、丙三人各向目标射击一发子弹,以A、 B、C分别表示甲、乙、丙命中目标,试用A、B、C的 运算关系表示下列事件:
随机实验的例子
E1: 抛一枚硬币,分别用“H” 和“T” 表示出正 面和反面; E2: 将一枚硬币连抛三次,考虑正反面出现的情况; E3:某城市某年某月内发生交通事故的次数; E4:掷一颗骰子,可能出现的点数; E5: 记录某网站一分钟内受到的点击次数; E6:在一批灯泡中任取一只,测其寿命; E7:任选一人,记录他的身高和体重 。
概率与统计
开课系:非数学专业
教材:《概率论与数理统计》 王松桂 等编
科学出版社2002 参考书:1.《概率论与数理统计》 浙江大学 盛骤等 编 高等教育出版社 2. 《概率论与数理统计》 魏振军 编 中国统计出版社
序
言
概率论是研究什么的?
随机现象:不确定性与统计规律性
概率论——研究和揭示随机现象 的统计规律性的科学
加法公式:设完成一件事可有两种途径,第 一种途径有n1种方法,第二种途径有n2种方 法,则完成这件事共有n1+n2种方法。 (也可推广到若干途径)
目录
• • • • • • 第一章 随机事件及其概率 第二章 随机变量 第三章 随机变量的数字特征 第四章 样本及抽样分布 第五章 参数估计 第六章 假设检验
第一章 随机事件及其概率
• 随机事件及其运算 • 概率的定义及其运算 • 条件概率 • 事件的独立性
1.1随机事件及其概率
一、随机试验(简称“试验”)
A B A B,
k k
AB A B
可推广 Ak Ak ,
A A .
k k k k
例:甲、乙、丙三人各向目标射击一发子弹,以A、 B、C分别表示甲、乙、丙命中目标,试用A、B、C的 运算关系表示下列事件:
概率论与数理统计ppt课件

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.
二. 性质: 条件概率符合概率定义中的三个条件!! 即 10 对于每一 B有 个 , 1 事 P(件 |B A)0.
20 P (|SA) 1.
30 设B1,B2,两两互不,相 则容
P( Bi |A) P(Bi |A.)
注 当A=S时!! P【B|S】=P【B】!! 条件概率 化为无条件概率!! 因此无条件概率可看成条
计算件条概件率概. 率有两种方法:
1. 公式法: 先计P算(A)P, (AB然 ), 后按公式计算 P(B| A) P(AB.) P(A)
二. 缩减样本空间法: 在A发生的前提下!! 确定B的缩减样本空间!!
(3) 对于两两互斥个 的事 可 A件 1,列 A2, 多, P(A1A2)P(A1)P(A2)
三. 统计定义:
【一】 频率
一. 在相同的条件下!! 共进行了n次试验!!事件A发生的
次数nA!! 称为A的频数!! nA/n称为事件A发生的频率!! 记 为fn【A】.
2. 频率的基本性质:
(1) 0f( n A) 1; (非负性)
二.概率的性质: 性1质 . P()0.
性质 2. 若A1,A2,,An是两两互不相容, 则 P(A1A2 An)
P(A1)P(A2) P(An).(有 限 可 )
性3质 . 若 AB,则有 P(BA)P(B)P(A);
P (B )P (A ).
一般地有: P【B-A】=P【B】-P【AB】.
性4质 .对任一 A, 事 P(A)件 1.
【一】 样本空间中的元素只有有限个!!
【二】 试验中每个基本事件发生的可能性相同.
例如:掷一颗骰子!!观察出现的点数.
为在事件A发生的条件下事件B发生的条件概率.
二. 性质: 条件概率符合概率定义中的三个条件!! 即 10 对于每一 B有 个 , 1 事 P(件 |B A)0.
20 P (|SA) 1.
30 设B1,B2,两两互不,相 则容
P( Bi |A) P(Bi |A.)
注 当A=S时!! P【B|S】=P【B】!! 条件概率 化为无条件概率!! 因此无条件概率可看成条
计算件条概件率概. 率有两种方法:
1. 公式法: 先计P算(A)P, (AB然 ), 后按公式计算 P(B| A) P(AB.) P(A)
二. 缩减样本空间法: 在A发生的前提下!! 确定B的缩减样本空间!!
(3) 对于两两互斥个 的事 可 A件 1,列 A2, 多, P(A1A2)P(A1)P(A2)
三. 统计定义:
【一】 频率
一. 在相同的条件下!! 共进行了n次试验!!事件A发生的
次数nA!! 称为A的频数!! nA/n称为事件A发生的频率!! 记 为fn【A】.
2. 频率的基本性质:
(1) 0f( n A) 1; (非负性)
二.概率的性质: 性1质 . P()0.
性质 2. 若A1,A2,,An是两两互不相容, 则 P(A1A2 An)
P(A1)P(A2) P(An).(有 限 可 )
性3质 . 若 AB,则有 P(BA)P(B)P(A);
P (B )P (A ).
一般地有: P【B-A】=P【B】-P【AB】.
性4质 .对任一 A, 事 P(A)件 1.
【一】 样本空间中的元素只有有限个!!
【二】 试验中每个基本事件发生的可能性相同.
例如:掷一颗骰子!!观察出现的点数.
概率论与数理统计书ppt课件

条件概率与独立性
CHAPTER
随机变量及其分布
02
随机变量的概念与性质
定义随机变量为在样本空间中的实值函数,其取值依赖于随机试验的结果。
随机变量
讨论随机变量的可数性、可加性、正态性等性质。
随机变量的性质
离散型随机变量的概念
定义离散型随机变量为只能取可数个值的随机变量。
离散型随机变量的分布
讨论离散型随机变量的概率分布,如二项分布、泊松分布等。
应用
中心极限定理及其应用
CHAPTER
贝叶斯推断与决策分析
07
贝叶斯推断的基本原理
金融风险管理
贝叶斯推断在金融风险管理领域有着广泛的应用,如信用风险评估、投资组合优化等。
医疗诊断
贝叶斯推断在医疗诊断方面也有着重要的应用,如疾病诊断、预后评估等。
机器学习与人工智能
贝叶斯推断在机器学习算法和人工智能领域中也有着广泛的应用,如朴素贝叶斯分类器、高斯混合模型等。
参数估计与置信区间
01
点估计
用单一的数值估计参数的值。
02
区间估计
给出参数的一个估计区间,通常包括一个置信水平。
比较两个或多个组的均值差异,确定因素对结果的影响。
方差分析
检验两个或多个组的方差是否相等。
方差齐性检验
研究变量之间的关系,并预测结果。
回归分析
假设检验与方差分析
CHAPTER
回归分析与线性模型
应用
在现实生活中,大数定律被广泛应用于保险、赌博、金融等领域,通过统计数据来预测未来的趋势和风险。
大数定律及其应用
在独立随机变量序列中,它们的和的分布近似于正态分布,即中心极限定理。这意味着,当样本量足够大时,样本均值近似于正态分布。
- 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)。
6. 互逆的事件(p5) AB= , 且AB=
记作 B A,称为 A 的对立事件 ; 易见 A B A B
五、事件的运算(p5)
1、交换律:AB=BA,AB=BA 2、结合律:(AB)C=A(BC), (AB)C=A(BC) 3、分配律:(AB)C=(AC)(BC), (AB)C=(AC)(BC) 4、对偶(De Morgan)律:
目录
• • • • • • 第一章 随机事件及其概率 第二章 随机变量 第三章 随机变量的数字特征 第四章 样本及抽样分布 第五章 参数估计 第六章 假设检验
第一章 随机事件及其概率
• 随机事件及其运算 • 概率的定义及其运算 • 条件概率 • 事件的独立性
1.1随机事件及其概率
一、随机试验(简称“试验”)
1.2.1.古典概型与概率
(p10)若某实验E满足:
1.有限性:样本空间S={e1, e 2 , … , e n };
2.等可能性:(公认)
P(e1)=P(e2)=…=P(en).
则称E为古典概型也叫等可能概型。
古典概型中的概率(P10):
设事件 A 中所含样本点个数为 N(A) ,以 N() 记样本空间 中样本点总数,则有
A={HHH,HHT,HTH,THH,HTT,TTH,THT}
P ( A) N ( A) N ( ) 7 8
二、古典概型的几类基本问题 复习:排列与组合的基本概念 乘法公式:设完成一件事需分两步, 第一步有n1种方法,第二步有n2种方法, 则完成这件事共有n1n2种方法。 (也可推广到分若干步)
A B A B, 可推广 AB A B
k
Ak
k
Ak ,
k
Ak
k
Ak.
例:甲、乙、丙三人各向目标射击一发子弹,以A、 B、C分别表示甲、乙、丙命中目标,试用A、B、C的 运算关系表示下列事件:
A1 : “至少有一人命中目标 A2 : “恰有一人命中目标” A3 : “恰有两人命中目标” A4 : “最多有一人命中目标 A5 : “三人均命中目标” A6 : “三人均未命中目标” : ”:
P ( A) N ( A) N ( )
P(A)具有如下性质(P7)
(1) 0 P(A) 1;
(2) P()=1; P( )=0 (3) AB=,则 P( A B )= P(A) +P(B)
例:有三个子女的家庭,设每个孩子是男是女的概率 相等,则至少有一个男孩的概率是多少?
解:设A--至少有一个男孩,以H表示某个孩子是男孩 ={HHH,HHT,HTH,THH,HTT,TTH,THT,TTT}
既然事件是一个集合,因此有关事 件间的关系、运算及运算规则也就按集 合间的关系、运算及运算规则来处理。
三、事件之间的关系
1.包含关系(p3)“ 事件 A发生必有事件B发生” 记为AB A=B AB且BA.
2.和事件: (p3)“事件A与事件B至少有一个发生 ”,记作AB
n
2’n个事件A1, A2,…, An至少有一个发生,记作
A B C
: A B C AB C A BC :
AB C A BC A B C
”:
B C AC A B
ABC
: B C A
1.2 概率的定义及其运算
从直观上来看,事件A的概率是描绘事件A 发生的可能性大小的量 P(A)应具有何种性质?
* 抛一枚硬币,币值面向上的概率为多少? * 掷一颗骰子,出现6点的概率为多少? 出现单数点的概率为多少? * 向目标射击,命中目标的概率有多大?
随机事件
二、样本空间(p2)
1、样本空间:试验的所有可能结果所 组成的集合称为样本空间,记为 ={e}; 2、样本点: 试验的单个结果或样本空间 的单元素称为样本点,记为e. 3.由样本点组成的单点集称为基本事件, 也记为e.
幻灯片 6
随机事件
1.定义 样本空间的任意一个子集称为随机事件, 简称“ 事件”.记作A、B、C等
i 1
Ai
3.积事件(p4) :事件A与事件B同时发生, 记作 AB=AB
3’n个事件A1, A2,…, An同时发生,记作 A1A2…An
4.差事件(p5) :A-B称为A与B的差事件,表示事件A发 生而事件B不发生
思考:何时A-B=?)(p4) 即事件与事件不可能同时发生。AB=
加法公式:设完成一件事可有两种途径,第 一种途径有n1种方法,第二种途径有n2种方 法,则完成这件事共有n1+n2种方法。 (也可推广到若干途径)
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中的元素。 2.两个特殊事件: 必然事件S 、不可能事件.(p3)
例如 对于试验E2 ,以下A 、 B、C即为三个随机事件: A=“至少出一个正面” ={HHH, HHT, HTH, THH,HTT,THT,TTH}; B = “两次出现同一面”={HHH,TTT} C=“恰好出现一次正面”={HTT,THT,TTH} 再如,试验E6中D=“灯泡寿命超过1000小时” ={x:1000<x<T(小时)}。
概率与统计
开课系:非数学专业
教材:《概率论与数理统计》 王松桂 等编
科学出版社2002 参考书:1.《概率论与数理统计》 浙江大学 盛骤等 编 高等教育出版社 2. 《概率论与数理统计》 魏振军 编 中国统计出版社
序
言
概率论是研究什么的?
随机现象:不确定性与统计规律性
概率论——研究和揭示随机现象 的统计规律性的科学
随机试验的特点(p1) 1.可在相同条件下重复进行; 2.一次试验之前无法确定具体是哪种结果出现,但 能确定所有的可能结果。 随机试验常用E表示
随机实验的例子
E1: 抛一枚硬币,分别用“H” 和“T” 表示出正 面和反面; E2: 将一枚硬币连抛三次,考虑正反面出现的情况; E3:某城市某年某月内发生交通事故的次数; E4:掷一颗骰子,可能出现的点数; E5: 记录某网站一分钟内受到的点击次数; E6:在一批灯泡中任取一只,测其寿命; E7:任选一人,记录他的身高和体重 。