概率基础知识.docx
- 文档编号:500062
- 上传时间:2022-10-10
- 格式:DOCX
- 页数:12
- 大小:33.32KB
概率基础知识.docx
《概率基础知识.docx》由会员分享,可在线阅读,更多相关《概率基础知识.docx(12页珍藏版)》请在冰豆网上搜索。
概率基础知识
概率基础知识
一、事件与概率
(一)随机现象
在一定条件下,并不总是出现相同结果的现象称为随机现象。
从这个定义中可看出,随机现象有两个特点:
(1)随机现象的结果至少有两个;
(2)至于哪一个出现,人们事先并不知道。
抛硬币、掷骰子是两个最简单的随机现象。
抛一枚硬币,可能出现正面,也可能出现反面,至于哪一面出现,事先并不知道。
又如掷一颗骰子,可能出现1点到6点中某一个,至于哪一点出现,事先也并不知道。
〔例1.2-1]随机现象的例子:
(1)一天内进入某超市的顾客数;
(2)一顾客在超市中购买的商品数;
(3)一顾客在超市排队等候付款的时间;
(4)一颗麦穗上长着的麦粒个数;
(5)新产品在未来市场的占有率;
(6)一台电视机从开始使用到发生第一次故障的时间;
(7)加工机械轴的直径尺寸;
(8)一罐午餐肉的重量。
随机现象在质量管理中到处可见。
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。
这里的基本结果是指今后的抽样单元,故又称样本点,随机现象一切可能样本点的全体称为这个随机现象的样本空间,常记为Ω。
“抛一枚硬币”的样本空间Ω={正面,反面};
“掷一颗骰子”的样本空间Ω={1,2,3,4,5,6};
“一顾客在超市中购买商品件数”的样本空间Ω={0,1,2,…};
“一台电视机从开始使用到发生第一次故障的时间”的样本空间Ω={t:
t≥0};
“测量某物理量的误差”的样本空间Ω={x:
-∞ (二)随机事件 随机现象的某些样本点组成的集合称为随机事件,简称事件,常用大写字母A、B、C等表示,如在掷一颗骰子时,“出现奇数点”是一个事件,它由1点、3点、5点共三个样本点组成,若记这个事件为A,则有A={1,3,5}。 1.随机事件的特征 从随机事件的定义可见,事件有如下几个特征: (1)任一事件A是相应样本空间Ω中的一个子集。 在概率论中常用一个长方形示意样本空间Ω,用其中一个圆(或其他几何图形)示意事件A,见1.2-1,这类图形称为维恩(Venn)图。 (2)事件A发生当且仅当A中某一样本点发生,若记ω1,ω2是Ω中的两个样本点(见图1.21): 当ω1发生,且ω1∈A(表示ω1在A中),则事件A发生; 当ω2发生,且ω2 A(表示ω2不在A中),则事件A不发生。 (3)事件A的表示可用集合,也可用语言,但所用语言应是明确无误的。 (4)任一样本空间Ω都有一个最大子集,这个最大子集就是Ω,它对应的事件称为必然事件,仍用Ω表示。 如掷一颗骰子,“出现点数不超过6”就是一个必然事件。 (5)任一样本空间Ω都有一个最小子集,这个最小子集就是空集,它对应的事件称为不可能事件,记为φ。 如掷一颗骰子,“出现7点”就是一个不可能事件。 [例1.2-2]若产品只区分合格与不合格,并记合格品为“0”,不合格品为“1”。 则检查两件产品的样本空间Ω由下列四个样本点组成。 Ω={(0,0),(0,1),(1,0),(1,1)}其中样本点(0,1)表示第一件产品为合格品,第二件产品为不合格品,其他样本点可类似解释。 下面几个事件可用集合表示,也可用语言表示。 A=“至少有一件合格品”={(0,0),(0,1),(1,0)}; B=“至少有一件不合格品”={(0,1),(1,0),(1,1)}C=“恰好有一件合格品”={(0,1)(1,0)}; Ω=“至多有两件合格品”={(0,0),(0,1),(1,0),(1,1)}; φ=“有三件不合格品”。 现在我们转入考察“检查三件产品”这个随机现象,它的样本空间Ω含有23=8个样本点。 Ω={(0,0,0),(0,0,1),(0,1,0),(1,0,0),(0,1,1),(1,0,1),(1,1,0),(1,1,1)} 下面几个事件可用集合表示,也可用语言表示。 A=“至少有一件合格品”={Ω中剔去(1,1,1)的其余7个样本点}; B=“至少有一件不合格品”={Ω中剔去(0,0,0)的其余7个样本点}; C1=“恰有一件不合格品”={(0,0,1),(0,1,0),(1,0,0)}; C2=“恰有两件不合格品”={(0,1,1),(1,0,1),(1,1,0)}; C3=“全是不合格品”={(1,1,1)}; C0=“没有一件是不合格品”={(0,0,0)}; 2.随机事件之间的关系 实际中,在一个随机现象中常会遇到许多事件,它们之间有下列三种关系。 (1)包含: 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,记为A B,或B A,这时事件A的发生必导致事件B发生,如图1.2-2所示。 如掷一颗骰子,事件A=“出现4点”必导致事件B=“出现偶数点”的发生,故A B。 显然,对任一事件A,有Ω A φ。 (2)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,则称事件A与B互不相容。 这时事件A与B不可能同时发生,如图1.2-3所示,如在电视机寿命试验里,“电视机寿命小于1万小时”与“电视机寿命超过4万小时”是两个互不相容事件,因为它们无相同的样本点,或者说,它们不可能同时发生。 两个事件间的互不相容性可推广到三个或更多个事件间的互不相容,例如在检查三个产品的例子(例1.2-2)中,C1=“恰有一件不合格品”,C2=“恰有两件不合格品”,C3=“全是不合格品”,C0=“没有不合格品”是四个互不相容事件。 (3)相等: 在一个随机现象中有两个事件A与B,若事件A与B含有相同的样本点,则称事件A与B相等,记为A=B。 如在掷两颗骰子的随机现象中,其样本点记为(x,y,其中x与y分别为第一与第二颗骰子出现的点数,定义如下两个事件: A={(x,y): x+y=奇数} B={(x,Y): x与y的奇偶性不同}可以验证A=B。 (三)事件的运算事件的运算有下列四种。 (1)对立事件,在一个随机现象中,Ω是样本空间,A为事件,由在Ω中而不在A中的样本点组成的事件称为A的对立事件,记为 。 图1.2-4上的阴影部分就表示A的对立事件 。 可见 就是“A不发生”,例如在检查一匹布中,事件“至少有一个疵点”的对立事件是“没有疵点”。 对立事件是相互的,A的对立事件是 , 的对立事件必是A。 特别,必然事件Ω与不可能事件φ互为对立事件,即 =φ, =Ω。 (2)事件A与B的并,由事件A与B中所有样本点(相同的只计入一次)组成的新事件称为A与B的并,记为AUB。 如图1.2-2所示。 并事件A∪B发生意味着“事件A与B中至少一个发生”。 (3)事件A与B的交,由事件A与B中公共的样本点组成的新事件称为事件A与B的交,记为A∩B或AB。 如图1.2-6所示,交事件AB发生意味着“事件A与B同时发生”。 事件的并和交可推广到更多个事件上去(见图1.2-7)。 (4)事件A对B的差,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,记为A-B。 如图1.1-8所示。 (四)概率——事件发生可能性大小的度量 随机事件的发生与否是带有偶然性的。 但随机事件发生的可能性还是有大小之别,是可以设法度量的。 而在生活、生产和经济活动中,人们很关心一个随机事件发生的可能性大小。 例如: (1)抛一枚硬币,出现正面与出现反面的可能性各为1/2。 足球裁判就是用抛硬币的方法让双方队长选择场地,以示机会均等。 (2)某厂试制成功一种新止痛片在未来市场的占有率是多少呢? 市场占有率高,就应多生产,获得更多利润;市场占有率低,就不能多生产,否则会造成积压,不仅影响资金周转,而且还要花钱去贮存与保管。 (3)购买彩券的中奖机会有多少呢? 如1993年7月发行的青岛啤酒股票的认购券共出售287347740张,其中有180000张认购券会中签,中签率是万分之6.264(见1993年7月30日上海证券报)。 上述正面出现的机会、市场占有率、中签率以及常见的废品率、命中率等都是用来度量随机事件发生的可能性大小。 一个随机事件A发生可能性的大小用这个事件的概率P(A)来表示。 概率是一个介于0到1之间的数。 概率愈大,事件发生的可能性就愈大;概率愈小,事件发生的可能性也就愈小。 特别,不可能事件的概率为0,必然事件的概率为1,即: P(φ)=0,P(Ω)=1 二、概率的古典定义与统计定义 确定一个事件的概率有几种方法,这里介绍其中两种最主要的方法,相应于概率的两种定义,即古典定义及统计定义。 (一)古典定义 用概率的古典定义确定概率方法的要点如下: (1)所涉及的随机现象只有有限个样本点,设共有n个样本点; (2)每个样本点出现的可能性是相同的(等可能性); (3)若被考察的事件A含有k个样本点,则事件A的概率定义为: 〔例1.2-3]掷两颗骰子,其样本点可用数对(x,y表示,其中x与y分别表示第一与第二颗骰子出现的点数。 这一随机现象的样本空间为: Ω={(x,y),x,y=1,2,3,4,5,6}它共含36个样本点,并且每个样本点出现的可能性都相同。 (1)定义事件A=“点数之和为2”={(1,1)},它只含一个样本点,故P(A)=1/36。 (2)定义事件B=“点数之和为5”={(1,4),(2,3),(3,2),(4,1)},它含有4个样本点,故P(B)=4/36=1/9。 (3)定义事件C=“点数之和超过9”={(4,6),(5,5),(6,4),(5,6),(6,5),(6,6)},它含有6个样本点,故P(C)=6/36=1/6。 (4)定义事件D=“点数之和大于3,而小于7”={(1,3)(2,2),(3,1),(1,4)(2,3),(3,2),(4,1),(1,5),(2,4),(3,3),(4,2),(5,1)},它含有12个样本点,故它的概率P(D)=12/36=1/3。 用古典方法获得概率常需要排列与组合的公式。 现概要介绍如下: 排列与组合是两类计数公式,它们的获得都基于如下两条计数原理。 (1)乘法原理: 如果做某件事需经k步才能完成,其中做第一步有m1种方法,做第二步有m2种方法,…,做第k步有mk种方法,那么完成这件事共有m1×m2×…×mk种方法。 例如,甲城到乙城有3条旅游线路,由乙城到丙城有2条旅游线路,那么从甲城经乙城去丙城共有3×2=6条旅游线路。 (2)加法原理: 如果做某件事可由k类不同方法之一去完成,其中在第一类方法中又有m1种完成方法,在第二类方法中又有m2种完成方法,…,在第k类方法中又有mk种完成方法,那么完成这件事共有m1+m2+…+mk种方法。 例如,由甲城到乙城去旅游有三类交通工具: 汽车、火车和飞机,而汽车有5个班次,火车有3个班次,飞机有2个班次,那么从甲城到乙城共有5+3+2=10个班次供旅游选择。 (3)排列: 从n个不同元素中任取r(r≤n)个元素排成一列称为一个排列。 按乘法原理,此种排列共有n×(n-1)×…×(n-r+1)个,记为P'n。 若r=n,称为全排列,全排列数共有n! 个,记为Pn,即: P'n=n(n-1)…(n-r+1),pn=n! (4)重复排列: 从n个不同元素中每次取出一个作记录,放回后再取下一个,如此连续取r次所得的排列称为重复排列。 按乘法原理,此种重复排列共有n'个。 注意,这里的r允许大于n。 例如,从10个产品中每次取一个做检验,放回后再取下一个,如此连续抽取4次,所得重复排列数为104。 假如上述抽取不允许放回,列所得排列数为10×9×8
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 概率 基础知识