(完整版)分布列概念
- 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)。
1. 分布列定义:
设离散型随机变量
所有可能取得的值为
x i ,x 2,…3X …x 若
取每一个值x i (i=1,2, , -n)
的概率为P( x i ) P i ,则称表
为随机变量
的概率分布,简称 的分布列 离散型随机变量的分布列都具有下面两个性
质:
(1) P i > 0,i=1,2 …,n ; (2) P i +P 2+n+P n =1
要点四、两类特殊的分布列
1. 两点分布
随机变量X 的分布列是
像上面这样的分布列称为两点分布列.
要点诠释:
(1) 若随机变量X 的分布列为两点分布,则称X 服从两点分布,而称P(X=1)为成功率. (2) 两点分布又称为0-1分布或伯努利分布 (3)
两点分布列的应用十分广泛 ,如抽取的彩票是否中奖;
买回的一
件产品是否为正品;
新生
婴儿的性别;
投篮是否命中等等;都可以用两点分布列来研究
2. 超几何分布
一般地,在含有M 件次品的N 件产品中,任取n 件,其中恰有 X 件次品,则则事件{X=k }
n N,M N,n, M,N N •
称分布列为超几何分布列.如果随机变量 X 的分布列为超几何分布列, 则称随机变量 X 服 从超几何分布
1. 定义
设A 、B 为两个事件,且P(A) 0,在已知事件 A 发生的条件下,事件B 发生的概 率叫做条件概率。用符号 P(B | A) 表示。
发生的概率为P(X
k)
k n k
C M C N M
C N
,k 0,1,2,L ,m ,其中
min{ M , n},且
P(B| A)读作:A发生的条件下B发生的概率。
要点诠释
在条件概率的定义中,事件A在事件B已发生”这个附加条件下的概率与没有这个附加
条件的概率是不同的,应该说,每一个随机试验都是在一定条件下进行的. 而这里所说的条
件概率,则是当试验结果的一部分信息已知,求另一事件在此条件下发生的概率.
2 . P ( A | B)、P (AB)、P (B)的区别
P (A | B)是在事件B发生的条件下,事件A发生的概率。
P (AB)是事件A与事件B同时发生的概率,无附加条件。
P ( B)是事件B发生的概率,无附加条件.
它们的联系是:P(A| B) P(AB).
P(B)
要点诠释
一般说来,对于概率P(A|B)与概率P(A),它们都以基本事件空间Q为总样本,但它们取概率的前提是不相同的。概率P(A)是指在整个基本事件空间Q的条件下事件A发生的可能性大小,而条件概率P(A|B)是指在事件B 发生的条件下,事件A发生的可能性大小。
例如,盒中球的个数如下表。从中任取一球,记A='取得蓝球” B='取得玻璃球”。基本
事件空间Q包含的样本点总数为16,事件A包含的样本点总数为11,故P(A) 11。
16
如果已知取得玻璃球的条件下取得蓝球的概率就是事件B发生的条件下事件A发生的条
件概率,那么在事件B发生的条件下可能取得的样本点总数应为玻璃球的总数”即把样本空间压缩到玻璃球全体。而在事件B发生的条件下事件A包含的样本点数为蓝玻璃球数,
4 2
故P(A| B)
6 3
要点二、条件概率的公式
1 •计算事件B 发生的条件下事件 A 发生的条件概率,常有以下两种方式:
① 利用定义计算.
先分别计算概率P(AB )及 P ( B ),然后借助于条件概率公式P(A |B)需求解.
② 利用缩小样本空间的观点计算.
在这里,原来的样本空间缩小为已知的条件事件 B,原来的事件A 缩小为事件AB ,
典概型中的条件概率求解. 要点诠释
概率P(B|A)与P(AB)的联系与区别: 联系:事件A ,B 都发生了。 区别:
① 在P(B|A)中,事件A, B 发生有时间上的差异,事件A 先发生事件B 后发生;在P(AB) 中,事件A ,B 同时发生;
② 基本事件空间不同在
P(B|A)中,事件A 成为基本事件空间;在 P(AB)中,基本
事件空
间仍为原基本事件空间。
2 •条件概率公式的变形.
公式P(A|B) P(AB)揭示了 P ( B )、P (A | B )、P (AB )的关系,常常用于知二求 P(B) 一,即要熟练应用它的变形公式如,若 P ( B )> 0,贝U P (AB ) =P ( B ) P (A | B ),该式
称为概率的乘法公式. 要点诠释
条件概率也是概率,所以条件概率具有概率的性质•如: ① 任何事件的条件概率取值在
0到1之间;
② 必然事件的条件概率为 1,不可能事件的条件概率为 0 ; ③ 条件概率也有加法公式:
P ( B U C | A ) =P ( B | A ) +P (C | A ),
其中B 和C 是两个互斥事件. 要点三、相互独立事件
1. 定义:
事件A (或B )是否发生对事件 B (或A )发生的概率没有影响,即P(B | A) P(B), 这样的两个事件叫做相互独立事件。
若A 与B 是相互独立事件,则 A 与B , A 与B , A 与B 也相互独立。
从而P(A| B)
AB 包含的基本事件数 B 包含的基本事件数
,即:P(B| A)
n ^AB)
,此法常应用于古
n(A)