概率统计基础概要.pptx

  1. 1、本文档共165页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
概率统计基础概要

概率统计基础知识 第一节 概率基础知识 一、事件与概率 (一)随机现象: 抛硬币,投掷骰子,测量误差  随机现象 在一定条件下,并不总是出现相同结果的现象。  特点 ——结果至少有两个 ——哪一个结果出现,事先并不知道  样本点 随即现象的基本结果称为样本点。  样本空间:记为Ω 随机现象可能样本点的全部称为这个随机现象的样本空间。 认识一个随机现象,首要的是能罗列出它的一切可能发生的基本结果。 (二)随机事件  事件(随机事件):随机现象的某些样本点组 成的集合。用大写英文字 母A、B、C……表示。  随机事件的特征 2018-3-13 中级概率1 6 例1:若批产品既有合格品也有不合格品,记抽到合格品为“0”,抽到不合格品为“1”;从中顺序抽取2件,则抽到产品结果的样本空间为(所有可能结果的全体): Ω={(0,0),(0,1),(1,0)(1,1)} 事件A=“至少有一件合格品”={(0,0),(0,1),(1,0)} 事件B=“没有一件合格品”={(1,1)} 事件C=“至多有一件合格品”={0,1),(1,0)(1,1)} 事件D=“至多两件合格品” ={(0,0),(0,1),(1,0)(1,1)}= Ω=“至多两件不合格品”=事件E 事件F=“抽到3件合格品”= Φ 事件G= “没有一件不合品格”={(0,0)} 事件H=“两次抽到的结果一致” ={(0,0), (1,1)} 若只抽1件,则样本空间? A和B什么关系? A和C什么关系? B和G什么关系?  随机事件的关系 —— 包含:AB或BA 在一个随机现象中有两个事件A与B,若事件A中任一个样本点必在B中,则称A被包含在B中,或B包含A。 抽2次产品的例子中: 事件B=“没有一件合格品”={(1,1)} 事件C=“至多有一件合格品”={0,1),(1,0)(1,1)} —— 互不相容 在一个随机现象中有两个事件A与B,若事件A与B没有相同的样本点,则称A与B互不相容。  可推广到三个或更多个事件间的互不相容 —— 相等:A=B即AB且BA 两个随机事件A与B,若样本A与B含有相同的样本点,则称事件A与B相等。 投掷骰子2次:A={(x,y):x + y =奇数} B={(x,y):x与y的奇偶性不同} 则: 事件D=“至多两件合格品” ={(0,0),(0,1),(1,0)(1,1)}= Ω=“至多两件不合格品”=事件E (三)事件的运算  事件运算 抽产品例子中: Ω={(0,0),(0,1),(1,0)(1,1)} 事件A=“至少有一件合格品”={(0,0),(0,1),(1,0)} 事件B=“没有一件合格品”={(1,1)}= —— 事件A与B的并:AB 例如用样本空间表示: A ={1, 3, 5} B={1, 2, 3} 则A∪B ={1, 2, 3, 5}  事件的并和交可推广到更多个事件上去。 在北京市随机抽取一个人 A=抽到的是60岁以上的老人 B=抽到的是男性 A∩B表示:抽到60岁以上男性 —— 事件A对B的差:A-B 由在事件A中而不在B中的样本点组成的新事件,称为A对B的差。 (a)A-B 事件运算性质: —— 交换律: , —— 结合律 运算相同: —— 分配律 运算不同: —— 对偶律: (并之余等于余之交) 可用维恩图验证,可推广到三个或三个以上事件的运算。 (交之余等于余之并) (四)事件的概率  概率——事件发生可能性大小的度量 记为P(A)。 降水概率: 成功的概率: 中奖的概率: 风险:不希望发生事件发生的可能性  概率是一个介于0和1之间的数,即0≤P(A)≤1;  必然事件的概率等于1,即P(Ω)=1;  不可能事件的概率等于0,即P(Φ)=0。 二、概率的古典定义与统计定义 (一)古典定义 —— 所涉及的随机现象只有有限个样本点。如共有n个样本点; —— 每个样本点出现的可能性是相同的(等可能性); —— 假如被考察事件A含有K个样本点

文档评论(0)

yaocen + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档