概率论第一章第三节课堂ppt
合集下载
概率论与数理统计课件_第一章
概率论与数理统计课件_第⼀章§4 等可能概型（古典概型）定义：若试验E满⾜：S中样本点有限(有限性)出现每⼀样本点的概率相等(等可能性)排列与组合加法原理：⼀件事分为m个⽅式，第i种办法有种⽅式，则完成该事件的⽅法总数为乘法原理：⼀件事分为m个步骤，第i种办法有种步骤，则完成该事件的⽅法总数为排列公式：全排列：组合公式：例1：⼀袋中有8个球，其中3个为红球，5个为黄球，设摸到每⼀球的可能性相等，从袋中不放回摸两球，记A={恰是⼀红⼀黄}，求P(A)．解：例2：有N件产品，其中D件是次品，从中不放回的取n件，记Ak＝{恰有k件次品}，求P(Ak)．解：例3：将n个不同的球，投⼊N个不同的盒中(n≤N)，设每⼀球落⼊各盒的概率相同，且各盒可放的球数不限，记A＝{ 恰有n个盒⼦各有⼀球 }，求P(A)．解：例4: (抽签问题)⼀袋中有a个红球，b个⽩球，记a＋b＝n．设每次摸到各球的概率相等，每次从袋中摸⼀球，不放回地摸n 次。
设 { 第k次摸到红球 }，k＝1,2,?-,n．求解1：解2：解3：将第k次摸到的球号作为⼀样本点：解4：§5 条件概率例：有⼀批产品，其合格率为90%，合格品中有95%为优质品，从中任取⼀件，?记A={取到⼀件合格品}， B={取到⼀件优质品}。
则 P(A)=90% ⽽P(B)=85.5%记：P(B|A)=95%P(A)=0.90 是将整批产品记作1时A的测度P(B|A)=0.95 是将合格品记作1时B的测度由P(B|A)的意义，其实可将P(A)记为P(A|S)，⽽这⾥的S常常省略⽽已，P(A)也可视为条件概率分析：⼀、条件概率定义：由上⾯讨论知，P(B|A)应具有概率的所有性质。
例如：例：某⼚⽣产的产品能直接出⼚的概率为70%，余下的30%的产品要调试后再定，已知调试后有80%的产品可以出⼚，20%的产品要报废。
求该⼚产品的报废率。
解：例：某⾏业进⾏专业劳动技能考核，⼀个⽉安排⼀次，每⼈最多参加3次；某⼈第⼀次参加能通过的概率为60%；如果第⼀次未通过就去参加第⼆次，这时能通过的概率为80%；如果第⼆次再未通过，则去参加第三次，此时能通过的概率为90%。
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);
海南大学《概率论与数理统计》课件-第一二三四章
x2 f ( x)d x;
x1
(4) 若 f ( x) 在点 x 处连续,则有 F( x) f ( x).
注意 对于任意可能值 a ,连续型随机变量取 a 的概率等于零.即
P{ X a} 0.
10、 均匀分布 定义 设连续型随机变量X 具有概率密度
例如某无f些线( x元电) 件元 或件0b,设的1 a备寿, 的命其a寿,电它命x,力服设从b,备指的数寿分命布,. 则称动物X 的在寿区命间等(a都,b)服区从间指上数服分从布均. 匀分布, 记为 X ~ U(a,b).
代表事件 A 在试验中发生的概率，它与试验总
数
n 有关。若
lim
n
npn
0
则
lim
n
Cnk
pnk
1 pn
nk
k
k！e
8、 连续型随机变量及其概率密度
设X为 随 机 变 量，F ( x)为X 的 分 布 函 数,若 存 在 非 负 函 数f ( x),使 对 于 任 意 实 数x 有
x
F ( x) f (t)d t,
第一章 随机事件及其概率
1 了解样本空间的概念，理解随机事件的概念，重 点掌握随机事件的关系和运算。 2 理解概率和条件概率的概念，掌握概率的基本性 质，能利用古典概型和几何概型计算一些事件的 概率。 3 掌握概率的加法公式、条件概率公式、乘法公式、 全概率公式和贝叶斯公式计算过事件的概率的方 法 4 理解事件独立性的概念，会利用事件独立性进行 事件概率计算。 5 理解独立重复试验的概率，掌握利用伯努利概型 计算过事件概率的方法。
(3) F () lim F ( x) 0, F () lim F( x) 1;
x
x
精品课程《概率论》ppt课件(全)
第一章 概率论的基本概念
前言
1. 确定性现象和不确定性现象.
2. 随机现象: 在个别试验中其结果呈现出 不确定性,在大量重复试验中其结果又 具有统计规律性.
3. 概率与数理统计的广泛应用.
§1.随机试验
举例: E1: 抛一枚硬币，观察正(H)反(T)面的情况.
E2: 将一枚硬币抛两次,观察正反面出现的情况.
成 为 数学 分支
1713年<<猜 度术>> 2
棣莫佛(1667-1754): <<分析杂论>>
中心极限定理(CLT)(1901 年), 乘法原理，正态分布等。
蒲丰(1707-1788)：蒲丰问题
几何概率
拉普拉斯(1749-1827)：1812《概率分析理论》
概率的古典定义
泊松(1781-1840)：推广了大数定理，提出了Poisson分布等.
A的对立事件A记 ,A也 为称A 为不发.生
若A与B互为对立事件，A则 B记 ,或为
BA.
B
A
BA
S
(1)若A, B二事件互为对立事件, 则A,B必互不相容, 但反之不真.
(2)必然事件与不可能事件互为对立事件，
S或S.
(3)ABABAAB
7.事件的运算律:
交换律: A B B A ； A B B A
P(B| A
)nnA ABnnA AB nn
P(AB P(A)
)
1. 定义: 设A, B是两个事件, 且P(A)>0, 称
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.
2. 性质: 条件概率符合概率定义中的三个条件,即
概率论与数理统计第一章ppt课件
事件独立的例题：
P ( A 1 ) 1 / 5 , P ( A 2 ) 1 / 3 , P ( A 3 ) 1 / 4
P (A 1 A 2 A 3) 1P (A 1 A 2 A n)
3
1
1P(A1A2A3)
1P (A 1)P (A 2)P (A 3)
=1-[1-P(A1)][1-P(A2)][1-P(A3)]
❖练习 某人从外地赶来参与紧急会议， 他乘火车、轮船、汽车、飞机来的概率 分别是0.3、0.2、0.1、0.4，假设他乘 飞机来就不会迟到；而乘火车、轮船或 汽车来迟到的概率分别为1/4、1/3、 1/12。
❖〔1〕求他迟到的概率；
❖〔2〕假设他迟到了，试推断他是怎样 来的，说说他的理由。
❖例4 据以往的临床记录，某种诊断 糖尿病的实验具有以下的效果：假设 一被诊断者患有糖尿病那么实验结果 呈阳性的概率为0.90；假设一被诊断 者未患糖尿病，那么实验结果呈阳性 的概率为0.06。又知受实验的人群患 糖尿病的概率为0.03。假设一被诊断 者其实验结果呈阳性，求此人患糖尿 病的条件概率。
这一节我们引见了
全概率公式
贝叶斯公式
它们是加法公式和乘法公式的综合运用, 同窗们可经过进一步的练习去掌握它们. 值得一提的是，后来的学者根据贝叶斯公 式的思想开展了一整套统计推断方法，叫 作“贝叶斯统计〞. 可见贝叶斯公式的影 响.
小结
全概率公式：由因遡果 贝叶斯公式：由果索因
Company
LOGO
❖例2 甲、乙两人独立地对同一目的射击 一次，其命中率分别是0.5和0.4。现知 目的被命中，那么它是乙射中的概率是 多少？
❖例3 设0<P(A)<1，且P(B|A)=P(B|A )， 试证：A、B相互独立.
概率论第一章课件
3. 样本空间: 随机试验E的所有可能的结果组成的 集合.记为S.
样本点: 样本空间中的每个元素, 即试验的每个 结果.记为e.
EX ：给出E1-E7的样本空间
4. 随机事件(事件): 试验E的样本空间S的子集. 常用A、B、C等表示.
注意 一旦做完试验, 就会出现一个结果, 即有一个 样本点出现.
事件A发生当且仅当A中有一个样本点出现. 基本事件 由一个样本点组成的单点集. 必然事件 S
不可能事件 F
E2:将一枚硬币连抛三次,观察正反面出现的情况； E4:掷一颗骰子,观察出现的点数.
对于试验E2, 以下A,B,C为随机事件
A={HHH,HHT,HTH,HTT} B={HHH,TTT} C={HTT,THT,TTH}
• 计算机科学学院 • 王艳娥
先修课程：高等数学、线性代数 教学课时：54课时 教材：《概率论与数理统计》
浙江大学盛骤 谢式千 潘成毅 编 高等教育出版社
教学目的：通过本课程的学习，应使学生掌握
概率论与数理统计的基本概念、基本理论和方法， 从而使学生初步掌握处理随机现象的基本思想与 方法，培养学生运用概率论与数理统计方法分析 和解决实际问题的能力，为后续课程的学习及实践 打下基础。
随机现象的 特征 个别试验中呈现不确定性，在大量重复试验中 其结果又具有统计规律性。
随机现象：个别试验中, 其结果呈现出不确定 性, 在大量重复试验中, 其结果又具有统计规律 性的现象。
在我们所生活的世界上， 充满了不确定性
从扔硬币、掷骰子和玩扑克等简单的游戏， 到复杂的社会现象；从婴儿的诞生，到世间万 物的繁衍生息；从流星坠落，到大自然的千变 万化……，我们无时无刻不面临着不确定性.
条件完全决定结果
第一章随机事件与概率.ppt
上题用泊松定理 取 =np＝(400)(0.02)＝8, 故 近似地有 P{X2}＝1－ P{X＝0}－P {X＝1} ＝1－(1＋8)e－8＝0.996981.
例6.设某国每对夫妇的子女数X服从参数为的泊 松分布,且知一对夫妇有不超过1个孩子的概率为 3e-2.求任选一对夫妇,至少有3个孩子的概率。
注意： 超几何分布中，在取 n 个产品时，采用的是不 放回抽样方式，因此每次抽取时，优质品率都不一样。若 采用的是放回抽样方式，则每次抽取时，优质品率都一样， 同为M/N，这是抽取的n个产品中所含优质品数X就服从以 n,M/N为参数的二项分布，其分布率为
M k M nk P( X k ) C ( ) (1 ) N N
Pn (k ) C p q
k n k
n k
其中 q=1−p,k=0,1,2,…,n. 上式也称为 伯努利 公式.
第二章
• • • • •
随机变量
随机变量的概念 离散型随机变量及其分布 分布函数 连续型随机变量机试验的结果数量化
数学方法 随机试验结果的概率研究问题
例4. 某人射击的命中率为0.02，他独立射击400 次，试求其命中次数不少于2的概率。
解：设X表示400次独立射击中命中的次数， 则X～B(400, 0.02)，故 P{X2}＝1－ P{X＝0}－P {X＝1} ＝1－0.98400－(400)(0.02)(0.98399) =…？ 不能轻视小概率事件：一个事件尽管它在一 次试验中发生的概率很小，但只要试验次数 足够多，而且试验是独立进行的，那么这一 事件的发生几乎是肯定的。
即 x 20 ，故储蓄所每日至少应准备 20万元现 金。 泊松分布主要用来描述大量重复试验中稀有事 件（即概率较小的事件）出现的次数。
概率论第一章课件
• 使概率论成为数学一个分支的另一奠基人 是瑞士数学家雅各布-伯努利［1654-1705］。 他的主要贡献是建立了概率论中的第一个 极限定理，我们称为“伯努利大数定理” • 到了1730年，法国数学家棣莫弗和数个数 学家建立了关于“正态分布”及“最小二 乘法”的理论 。概率论发展史上的代表人 物是法国的泊松。他推广了伯努利形式下 的大数定律 ，研究得出了一种新的分布 。
课程说明
• 期末闭卷考试，平时课后留作业，每周五收作业。 • 成绩计算方法：期末考试占70%，平时分占30% • 平时分计算方法：作业上交情况，平时上课做题 情况，思考题，讨论题。按百分制记，每上黑板 每上黑板 做一次题加6分 做一次思考题加10分 做一次题加 分，做一次思考题加 分，讲解讨论 题加16分 一次作业没有交扣5分 旷课扣15分 题加 分，一次作业没有交扣 分，旷课扣 分, 累计旷课3次平时分低于 分。 累计旷课 次平时分低于40分 次平时分低于 • 课程安排：讲解 到7章，13周左右作一次概率论 课程安排：讲解1到 章 周左右作一次概率论 应用专题讲解， 周课堂讨论我给出问题 周课堂讨论我给出问题. 应用专题讲解，15周课堂讨论我给出问题 上限100分，下限 分. 注：上限 分 下限0分
摸球问题（ 例1.摸球问题（抽奖问题） 摸球问题 抽奖问题）
袋中有a只红球，b 袋中有a只红球，b只白球
（除颜色外无任何差别），现依次将球一只只摸出（不放回）， 求第k 求第k次摸到红球的概率
解：将这a + b只球进行编号，其中a只红球为1-a号， b只白球为a+1-a+b号， b只白球为a+1-a+b号，
a b
b
1 f ( x, y ) = 1( a ≤ x ≤b ,0≤ y ≤ M ) M (b − a )
概率论ppt
当且仅当子集Ａ中某个样本点出现时， 称事件Ａ发生．
实例 抛掷一枚骰子, 观察出现的点数. 特别地：
基本事件 由一个样本点组成的单点集 实例 “出现1点”, “出现2点”, … , “出现6点”. 必然事件 随机试验中必然发生的事件． 实例 上述试验中 “点数不大于6” 就是必然事件. 不可能事件 随机试验中不可能发生的事件. 实例 上述试验中 “点数大于6” 就是不可能事件.
(2) 随机试验通常用 E 来表示.
实例 “抛掷一枚硬币,观 察正面、反面出现的情况”.
分析 (1) 试验可以在相同的条件下重复地进行;
(2) 试验的所有可能结果: 正面、反面;
(3) 进行一次试验之前不能 确定哪一个结果会出现.
故为随机试验.
同理可知下列试验都为随机试验. (1) 抛掷一枚骰子,观察出现的点数.
例如 只包含两个样本点的样本空间
{H,T}
它既可以作为抛掷硬币出现正面或出现反面的
模型 , 也可以作为产品检验中合格与不合格的 模型 , 又能用于排队现象中有人排队与无人排 队的模型等.
在具体问题的 研究中 , 描述随机 现象的第一步就是 建立样本空间.
三、随机事件及其发生
随机事件：
通俗地讲 随机事件是指随机试验中可能发生也 可能不发生的结果。 根据这个说法不难发现 随机事件和样本空间的 子集有一一对应关系！
Ω
.
样本点e
实例1 抛掷一枚硬币,观察正面,反面出现的情况.
1 {H ,T }.
H 正面朝上 T 反面朝上
实例2 抛掷一枚骰子,观察出现的点数.
2 {1, 2, 3, 4, 5, 6}.
实例3 从一批产品中,依次任选三件,记录出 现正品与次品的情况.
实例 抛掷一枚骰子, 观察出现的点数. 特别地：
基本事件 由一个样本点组成的单点集 实例 “出现1点”, “出现2点”, … , “出现6点”. 必然事件 随机试验中必然发生的事件． 实例 上述试验中 “点数不大于6” 就是必然事件. 不可能事件 随机试验中不可能发生的事件. 实例 上述试验中 “点数大于6” 就是不可能事件.
(2) 随机试验通常用 E 来表示.
实例 “抛掷一枚硬币,观 察正面、反面出现的情况”.
分析 (1) 试验可以在相同的条件下重复地进行;
(2) 试验的所有可能结果: 正面、反面;
(3) 进行一次试验之前不能 确定哪一个结果会出现.
故为随机试验.
同理可知下列试验都为随机试验. (1) 抛掷一枚骰子,观察出现的点数.
例如 只包含两个样本点的样本空间
{H,T}
它既可以作为抛掷硬币出现正面或出现反面的
模型 , 也可以作为产品检验中合格与不合格的 模型 , 又能用于排队现象中有人排队与无人排 队的模型等.
在具体问题的 研究中 , 描述随机 现象的第一步就是 建立样本空间.
三、随机事件及其发生
随机事件：
通俗地讲 随机事件是指随机试验中可能发生也 可能不发生的结果。 根据这个说法不难发现 随机事件和样本空间的 子集有一一对应关系！
Ω
.
样本点e
实例1 抛掷一枚硬币,观察正面,反面出现的情况.
1 {H ,T }.
H 正面朝上 T 反面朝上
实例2 抛掷一枚骰子,观察出现的点数.
2 {1, 2, 3, 4, 5, 6}.
实例3 从一批产品中,依次任选三件,记录出 现正品与次品的情况.
概率论与数理统计第一章课件
样本均值
所有样本点的平均值
样本方差
描述样本点离散程度的量
无偏估计
样本统计量的值等于总体参数的真实值
t分布与F分布
t分布
用于描述小样本数据的分布情况，也 称学生t分布
F分布
用于描述两个比例的方差之间的比例 关系
04
参数估计
点估计与估计量
点估计
用样本统计量来估计未知参数的 过程。
估计量
用于估计未知参数的样本统计量。
假设检验的分类单侧检验、双侧检验。来自 单侧与双侧检验单侧检验
01
只关注参数的一个方向是否满足假设，如检验平均值是否大于
某个值。
双侧检验
02
关注参数的两个方向是否满足假设，如检验平均值是否在两个
值之间。
单侧与双侧检验的选择
03
根据实际问题需求和数据特征选择合适的检验方式。
显著性检验与P值
显著性检验
通过比较样本数据与理论分布，判断样本数据是否显著地偏离理 论分布。
P值
观察到的数据或更极端数据出现的概率，用于判断是否拒绝或接 受假设。
P值的解读
P值越小，表明数据越显著地偏离理论分布，假设越可能不成立。
第一类错误与第二类错误
1 2
第一类错误
拒绝实际上成立的假设，也称为假阳性错误。
第二类错误
接受实际上不成立的假设，也称为假阴性错误。
3
错误率控制
通过调整临界值的大小，可以控制第一类错误和 第二类错误的概率，从而实现错误率控制。
通过参数估计，还可以对生产过 程进行实时监控和预警，及时发 现并解决生产中的问题，保证生
产的稳定性和可靠性。
假设检验在医学研究中的应用
假设检验是数理统计中的一种 重要方法，在医学研究中有着
所有样本点的平均值
样本方差
描述样本点离散程度的量
无偏估计
样本统计量的值等于总体参数的真实值
t分布与F分布
t分布
用于描述小样本数据的分布情况，也 称学生t分布
F分布
用于描述两个比例的方差之间的比例 关系
04
参数估计
点估计与估计量
点估计
用样本统计量来估计未知参数的 过程。
估计量
用于估计未知参数的样本统计量。
假设检验的分类单侧检验、双侧检验。来自 单侧与双侧检验单侧检验
01
只关注参数的一个方向是否满足假设，如检验平均值是否大于
某个值。
双侧检验
02
关注参数的两个方向是否满足假设，如检验平均值是否在两个
值之间。
单侧与双侧检验的选择
03
根据实际问题需求和数据特征选择合适的检验方式。
显著性检验与P值
显著性检验
通过比较样本数据与理论分布，判断样本数据是否显著地偏离理 论分布。
P值
观察到的数据或更极端数据出现的概率，用于判断是否拒绝或接 受假设。
P值的解读
P值越小，表明数据越显著地偏离理论分布，假设越可能不成立。
第一类错误与第二类错误
1 2
第一类错误
拒绝实际上成立的假设，也称为假阳性错误。
第二类错误
接受实际上不成立的假设，也称为假阴性错误。
3
错误率控制
通过调整临界值的大小，可以控制第一类错误和 第二类错误的概率，从而实现错误率控制。
通过参数估计，还可以对生产过 程进行实时监控和预警，及时发 现并解决生产中的问题，保证生
产的稳定性和可靠性。
假设检验在医学研究中的应用
假设检验是数理统计中的一种 重要方法，在医学研究中有着