1 / 10

实验六:概率

实验六:概率. 一、概率的古典定义. 从直观上来看,事件 A 的概率是指事件 A 发生的可能性. 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?. 古典概型与概率. 若某实验 E 满足 1. 有限性:样本空间 S = {e 1 , e 2 , … , e n }; 2. 等可能性:(公认) P(e 1 )=P(e 2 )=…=P(e n ). 则称 E 为古典概型也叫 等可能 概型。. 古典概型中的概率 :.

Download Presentation

实验六:概率

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. 实验六:概率

  2. 一、概率的古典定义 从直观上来看,事件A的概率是指事件A发生的可能性 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?

  3. 古典概型与概率 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。

  4. 古典概型中的概率: 设事件A中所含样本点个数为N(A) ,以N(S)记样本空间S中样本点总数,则有 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)

  5. 二、概率的统计定义 定义:事件A在n次重复试验中出现nA次,则比值nA/n称为事件A在n次重复试验中出现的频率,记为fn(A).即 fn(A)= nA/n. 频率的性质 (1) 0fn(A) 1; (2) fn(S)=1; fn( )=0 (3) 可加性:若AB=,则 fn(AB)= fn(A) +fn(B).

  6. 实践证明:当试验次数n增大时, fn(A) 逐渐 趋向一个稳定值。可将此稳定值记作P(A), 作为事件A的概率 历史上曾有人做过试验,试图证明抛掷匀质硬币时,出现正反面的机会均等。 实验者 n nH fn(H) De Morgan 2048 1061 0.5181 Buffon 4040 2048 0.5069 K. Pearson 12000 6019 0.5016 K. Pearson 24000 12012 0.5005

  7. 三、二项分布及泊松分布 定义 设将试验独立重复进行n次,每次试验中,事件A发生的概率均为p,则称这n次试验为n重贝努里试验. 若以X表示n重贝努里试验中事件A发生的次数,则称X服从参数为n,p的二项分布。记作X~B(n,p), 其分布律为:

  8. (二. ) 泊松(Poisson)分布P() 泊松定理表明,泊松分布是二项分布的极限分布,当n很大, p很小时,二项分布就可近似地看成是参数=np的泊松分布

  9. 三、正态分布 若随机变量 其中 为实数,>0 ,则称X服从参数为,2的正态分布,记为N(, 2),可表为X~N(, 2).

  10. 谢谢!

More Related