slide1 n.
Skip this Video
Loading SlideShow in 5 Seconds..
第 1.1 节 随机现象与统计规律 PowerPoint Presentation
Download Presentation
第 1.1 节 随机现象与统计规律

Loading in 2 Seconds...

  share
play fullscreen
1 / 22
Download Presentation

第 1.1 节 随机现象与统计规律 - PowerPoint PPT Presentation

jonah-henson
128 Views
Download Presentation

第 1.1 节 随机现象与统计规律

- - - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript

  1. 第1.1节 随机现象与统计规律 一、 概率论的诞生及应用 二、 随机现象 三、 频率稳定性 四、 频率与概率 五、 概率论简史

  2. 数学期望. 一、概率论的诞生及应用 1. 概率论的诞生 1654年,一个名叫梅累的骑士就“两个赌徒约定赌若干局, 且谁先赢c 局便算赢家, 若在一赌徒胜a 局( a<c ),另一赌徒胜b局(b<c)时便终止赌博,问应如何分赌本” 为题求教于帕斯卡, 帕斯卡与费马通信讨论这一问题, 于1654 年共同建立了概率论的第一个基本概念

  3. 引例 分赌本问题(产生背景) A、B 两人赌技相同, 各出 赌金100元,并约定先胜三局者为 胜, 取得全部 200 元.由于出现意 外情况 ,在 A 胜 2 局 B 胜1 局时, 不得不终止赌博, 如果要分赌金, 该如何分配才算公平?

  4. 把已赌过的三局(A 胜2局B 胜1局)与上述结果 相结合, 即A、B赌完五局, 分析 假设继续赌两局,则结果有以下四种情况: A A AB B A B B A胜B负 A胜B负 B胜A负 B胜A负 A胜B负 B胜A负 B胜A负 A胜B负 A胜2局B胜1局 前三局: A A A B B A B B 后二局: A胜 B胜

  5. 即A 应获得赌金的 而 B 只能获得赌金的 故有,在赌技相同的情况下, A、B最终获胜的 可能性大小之比为 因此, A 能“期望”得到的数目应为 而B 能“期望”得到的数目, 则为

  6. 若设随机变量 X 为:在 A 胜2局B 胜1局的前提 下, 继续赌下去 A 最终所得的赌金. 则X 所取可能值为: 其概率分别为: 因而A期望所得的赌金即为X的 “期望”值, 等于 即为 X的可能值与其概率之积的累加.

  7. 2. 概率论的应用 概率论是数学的一个分支,它研究随机现象的数量规律. 概率论的广泛应用几乎遍及所有的科学领域, 例如天气预报, 地震预报, 产品的抽样调查; 在通讯工程中可用以提高信号的抗干扰性,分辨率;随机编码,随机决策等等.

  8. 二、随机现象 确定性现象 随机现象 自然界所观察到的现象: 1.确定性现象 在一定条件下必然发生 的现象称为确定性现象. 实例 “太阳不会从西边升起”, “水从高处流向低处”, “同性电荷必然互斥”,

  9. “函数在间断点处不存在导数” 等. 确定性现象的特征 条件完全决定结果 2. 随机现象 在一定条件下可能出现也可能不出现的现象 称为随机现象. 实例1“在相同条件下掷一枚均匀的硬币,观 察正反两面出现的情况”. 结果有可能出现正面也可能出现反面.

  10. 实例2“用同一门炮向同 一目标发射同一种炮弹多 发 , 观察弹落点的情况”. 结果: “弹落点会各不相同”. 实例3“抛掷一枚骰子,观 察出现的点数”. 结果有可能为: “1”, “2”, “3”, “4”, “5” 或 “6”.

  11. 实例4“从一批含有正品和次品的产品中任意抽取一个产品”.实例4“从一批含有正品和次品的产品中任意抽取一个产品”. 其结果可能为: 正品、次品. 实例5“过马路交叉口时, 可能遇上各种颜色的交通 指挥灯”. 实例6 “一只灯泡的寿命” 可长可短.

  12. 随机现象的分类 个别随机现象:原则上不能在相同条件下重 复出现(例6) 大量性随机现象:在相同条件下可以重复出 现(例1-5) 随机现象的特征 条件不能完全决定结果

  13. 说明 1. 随机现象揭示了条件和结果之间的非确定性联系, 其数量关系无法用函数加以描述. 2. 随机现象在一次观察中出现什么结果具有偶然性, 但在大量重复试验或观察中, 这种结果的出现具有一定的统计规律性, 概率论就是研究随机现象这种本质规律的一门数学学科. 如何来研究随机现象? 随机现象是通过随机试验来研究的. 随机事件:随机试验中出现的结果, 简称为事件

  14. 三、频率的稳定性 1. 定义

  15. 2. 性质 设 A 是随机试验 E 的任一事件, 则

  16. 试验 序号 0.44 251 2 0.4 22 0.502 3 0.6 25 0.50 249 0.498 0.2 21 0.42 256 0.512 1.0 247 0.494 25 0.50 0.502 24 0.48 0.2 251 波动最小 18 0.36 262 0.524 0.4 实例 将一枚硬币抛掷 5 次、50 次、500 次, 各做 7 遍, 观察正面出现的次数及频率. 1 2 3 4 5 6 7 1 5 1 2 4 随着N的增大, 频率呈现出稳定性 0.8 0.54 258 27 0.516

  17. 从上述数据可得

  18. 实验者 德.摩根 2048 1061 0.5181 蒲丰 4040 2048 0.5069 K.皮尔逊 12000 6019 0.5016 K.皮尔逊 24000 12012 0.5005

  19. 我们再来看一个验证频率稳定性的著名实验 高尔顿(Galton)板试验 试验模型如下所示   自上端放入一小球,任其自 由下落,在下落过程中当小球碰 到钉子时,从左边落下与从右边 落下的机会相等.碰到下一排钉 子时又是如此.最后落入底板中 的某一格子.因此,任意放入一球, 则此球落入哪一个格子,预先难以确定.但是如果放入大量小球,则其最后所呈现的曲线,几乎总是一样的.

  20. 重要结论   频率当N 较小时波动幅度比较大,当 N逐渐增 大时 , 频率趋于稳定值, 这个稳定值从本质上反映 了事件在试验中出现可能性的大小.它就是事件的 概率.

  21. 四、概率论简史 1654年法国数学家帕斯卡和费马讨论了赌金分配问题,提出了概率论的第一个概念-数学期望,随后惠更斯也加入合作研究,给出了其他一些基本概念。 在对伯努利试验模型研究中,随着试验次数的增加,需要讨论其极限情形,其中伯努利、拉普拉斯、泊松以及高斯等为此作出过重要贡献。 极限定理很快成为概率论研究的中心,其中俄罗斯圣彼得堡学派成为研究此问题的领头人。

  22. 随着其他学科发展中碰到的概率问题的增加,概率论的研究与应用也迅猛扩大。其中在统计物理学、无线电、自动控制、产品的质量管理、医药以及农业试验、金融保险以及政府决策等等领域都有重要应用。这些应用同时也推动了概率论的发展,形成了如信息论、排队论、可靠性理论等新的学科随着其他学科发展中碰到的概率问题的增加,概率论的研究与应用也迅猛扩大。其中在统计物理学、无线电、自动控制、产品的质量管理、医药以及农业试验、金融保险以及政府决策等等领域都有重要应用。这些应用同时也推动了概率论的发展,形成了如信息论、排队论、可靠性理论等新的学科 同时数理统计的应用也推动了概率论的发展;在现实生活中,随机现象也会随着时间的变化而变化,从而将概率论研究的中心转移到关于随机过程的研究。