《概率与概率分布》PPT课件.ppt

2020/5/20,1,第六章概率与概率分布,本章是推断统计的基础,主要内容,基础概率,概率的数学性质,概率分布、期望值与变异数,2020/5/20,2,第一节基础概率,概率论起源于17世纪，当时在人口统计、人寿保险等工作中，要整理和研究大量的随机数据资料，这就需要一种专门研究大量随机现象的规律性的数学。参赌者就想：如果同时掷两颗骰子，则点数之和为9和点数之和为10，哪种情况出现的可能性较大？例如17世纪中叶，贵族德梅尔发现：将一枚骰子连掷四次，出现一个6点的机会比较多，而同时将两枚掷24次，出现一次双6的机会却很少。,2020/5/20,3,概率论的创始人是法国的帕斯卡(16231662)和费尔马(16011665)，他们在以通信的方式讨论赌博的机率问题时，发表了骰子赌博理论一书。棣莫弗(16671754)发现了正态方程式。同一时期瑞士的伯努利(1654一1705)提出了二项分布理论。1814年，法国的拉普拉斯(17491827)发表了概率分析论，该书奠定了古典概率理论的基础，并将概率理论应用于自然和社会的研究。此后，法国的泊松(17811840)提出了泊松分布，德国的高斯(17771855)提出了最小平方法。,2020/5/20,4,随机现象和随机事件,随机现象具有一定条件呈现多种可能结果的特性。,人们把随机现象的结果以及这些结果的集合体称作随机事件。,概率是与随机现象相联系的一个概念。所谓随机现象，是指事先不能精确预言其结果的现象，如即将出生的婴儿是男还是女？一枚硬币落地后其正面是朝上还是朝下?等等。所有这些现象都有一个共同的特点，那就是在给定的条件下，观察所得的结果不止一个。随机现象具有非确定性，但内中也有一定的规律性。例如，事先我们虽不能准确预言一个婴儿出生后的性别，但大量观察，我们会发现妇女生男生女的可能性几乎一样大，都是0.5，这就是概率。,2020/5/20,5,在统计学中，我们把类似掷一枚硬币的行为（或对某一随机现象进行观察）称之为随机试验。随机试验必须符合以下三个条件：它可以在相同条件下重复进行；试验的所有结果事先已知；每次试验只出现这些可能结果中的一个，但不能预先断定出现哪个结果。,1.样本点2.样本空间例掷一颗骰子，试列出它的基本事件和样本空间。,随机试验的每一个可能的结果，称为基本事件（或称样本点）,所有样本点的全体称作样本空间(Samplespace)，记作,2020/5/20,6,简单事件：仅含样本空间中一个样本点的事件。,复合事件：含样本空间中一个样本点以上的的事件。,必然事件：从样本空间来看，该事件事件是由其全部基本事件所组成，记作S。,随机事件,不可能事件：从样本空间来看，不含任何基本事件，记作。,极端的随机事件,2020/5/20,7,例对掷一颗骰子的试验，我们研究如下事件：A为“点数是3”；B为“出现奇数点”；C为“出现点数不超过6”；D为“点数是7”。解因为1，2，3，4，5，6，所以A3，为简单事件；B1，3，5，为复合事件；C1，2，3，4，5，6，为必然事件；D7，为不可能事件。,2020/5/20,8,2.事件之间的关系（1）事件和（Orconjunction)事件A与事件B至少有一个事件发生所构成的事件C称为A与B的事件和，记作（2）事件积(As-well-asconjunction)事件A与事件B同时发生所构成的事件C称为A与B的事件积，记作,2020/5/20,9,（3）事件的包含与相等事件A发生必然导致事件B发生，则称为B包含A记作如果则（4）互斥事件事件A和事件B不能同时发生，则称B和A是互斥事件，或互不相容事件，记作,2020/5/20,10,（5）对立事件事件A与事件B是互斥事件，且在一次试验中必有其一发生，称A与B为对立事件（逆事件），记作（6）相互独立事件事件A的发生与事件B是否发生毫无关系，称A与B为相互独立事件，记作,2020/5/20,11,两之随间机的事关件系,2020/5/20,12,3.先验概率在统计学中，有两种常见的确定概率的方法：古典法和频率法。,由普拉斯1814年提出。以想象总体为对象，利用模型本身所具有的对称性来事先求得概率，故被称为先验概率。,条件：（1）在一样本空间中，各样本点出现的机会均等；（2）该样本空间只有有限（n)个样本点。,用古典法求出的概率,2020/5/20,13,例掷两枚均匀的硬币，求“两枚都朝上”的概率；求“一枚朝上，一枚朝下”的概率。,这样对于含有m个样本点的事件A，其出现的概率为,用古典法求算概率，在应用上有两个缺点：它只适用于有限样本点的情况；它假设机会均等，但这些条件实际上往往不能得到满足。,2020/5/20,14,4.经验概率求算概率的另一途径是运用频率法。设想有一个与某试验相联系的事件A，把这个试验一次又一次地做下去，每次都记录事件A是否发生了。假如做了n次试验，而记录到事件A发生了m次（即成功m次），则频数与试验次数的比值，称作次试验中事件A发生的频率显然，频率具有双重性质：随机性和规律性.当试验或观察次数趋近于无穷时相应频率趋于稳定，这个极限值就是用频率法所定义的概率，即频率稳定到概率这个事实，给了“机会大小”即概率一个浅显而说得通的解释，这在统计学上具有很重要的意义。坚持这种观点的统计学派也就被称为频率学派。,2020/5/20,15,比如：法国统计学家蒲丰（Buffon）把铜板抛了4040次，正面的次数是2048，比例是0.5069。1900年，英国统计学家皮尔逊把硬币抛了24000次，正面的次数是12012，比例是0.5005南非数学家柯屈瑞在监狱时，把硬币抛了10000次，正面的次数是5067，比例是0.5067。再如：保险公司会利用概率进行人寿保险经营，比如研究表明2024岁的男性中明年死亡的概率是0.0015，同龄的女性是0.0005，保险公司对男性的保费就多收一些。,2020/5/20,16,2.加法规则如果事件A和事件B互斥，那么如果A和B是任何事件(不一定互斥)，加法规则更普通地表示为如下形式,第二节概率的数学性质,1.非负性,特别对必然事件和不可能事件有,2020/5/20,17,例从一副普通扑克牌中抽一张牌，求抽到一张红桃或者方块的概率。例在一副52张扑克牌中，求单独抽取一次抽到一张红桃或爱司的概率。,2020/5/20,18,加法规则可推广到对两个以上的事件，若事件A，B，CK都互斥，那么有P(A或B或C或K)P(A)+P(B)+P(C)+P(K),例根据上海市职业代际流动的统计，向下流动的概率是0.07，静止不动的概率是0.6，求向上流动的概率是多少？例为了研究父代文化程度对子代文化程度的影响，某大学统计出学生中父亲具有大学文化程度的占30，母亲具有大学文化程度的占20，而双方都具有文化程度的占有10，问从学生中任抽一名，父代至少有一名具有大学文化程度的概率是多少？,2020/5/20,19,3.乘法规则式中符号和代表条件概率。应理解为，“在B已经发生条件下A发生的概率”。条件概率的意思是，A发生的概率可能与B是否发生有关系。换言之，B已经发生时A发生的概率可能有别于B没有发生时A发生的概率。理解统计独立的概念，对于灵活运用概率的乘法规则很重要。现在用条件概率来加以表达，统计独立是指若A和B在统计上相互独立(无关)，这时乘法规则可以简化为,2020/5/20,20,例假定有下列3000个社区的数据，如果随机地从这个总体中抽取一个社区，得到一个中等的而且犯罪率低的社区的概率是多少?例假定数据变动如下，随机地从这个总体中抽取一个社区，得到一个中等的而且犯罪率低的社区的概率又是多少?,2020/5/20,21,例根据统计结果，男婴出生的概率是22/43，女婴出生的概率是21/43，某单位有两名孕妇，问两名孕妇都生男婴的概率是多少？都生女婴的概率是多少？其中一男一女的概率是多少？例某居民楼共20户，其中核心家庭为2户，问访问两户都是核心家庭的概率是多少？问访问第二户才是核心家庭的概率是多少？,2020/5/20,22,例为了研究父代文化程度对子代文化程度的影响，某大学统计出学生中父亲具有大学文化程度的占30，母亲具有大学文化程度的占20，而双方都具有文化程度的占有10，问从学生中任抽一名，父代至少有一名具有大学文化程度的概率是多少？,2020/5/20,23,在抽样方法中还经常涉及到回置抽样和不回置抽样。如前所述，所谓回置抽样，就是抽取的单位登记后又被放回总体中去，然后再进行下一次抽取。使用回置抽样法，先后两次抽取是彼此独立的。因为每一次抽取后抽取到的单位都得返还，总体保持不变，前一次的结果不可能影响到后一次。所谓不回置抽样，就是不再把抽取到的单位退还总体。这样先后两次抽取就不再独立了，必须使用条件概率的概念。,用不回置法从一幅普通扑克牌抽取两次，计算得到两张爱司的概率。,用回置法从一幅普通扑克牌抽取两次，计算得到两张爱司的概率。,2020/5/20,24,4.排列和样本点的计数要正确解决概率问题，往往光考虑乘法规则还不够，还要同时考虑使用加法规则。一般最简单的做法是：首先确定一种符合要求的排列方式并计算它们发生的概率，然后再考虑还有没有其他同样符合要求的排列方式。如果存在着其他实现方式，并且都具有相同的概率，就可以简单地把排列方式数与以某一给定的排列方式计算的概率相乘。注意，后一步相当于使用了加法规则。,所有N个元素都不相同的情况下，排列方式数为,N个元素中，若其中第一组中有r1个不能区分的元素，第2组中有r2个不能区分的元素，第k组中有rk个不能区分的元素，且各组彼此是可以区分的，则总的排列数为,2020/5/20,25,例从一幅洗得很好的扑克牌中做了3次抽取，假定使用回置法，求至少得到1张A和一张K的概率是多少?解按照题意，要在不同样本空间中考虑三种复合事件：抽到1张A和1张K，另l张非A非K，用符号(AKO)表示(其中“O”表示其他)；抽到1张A和2张K，用符号(4KK)表示；抽到2张A和1张K，用符号（AAK)表示。因为在不同样本空间中基本事件实现的概率不同，必须对它们加以区别。次序为AKO的样本点实现的概率是次序为AKK的样本点实现的概率是次序为AAK的样本点实现的概率是再考虑每个复合事件各含有多少种可能的排列方式(AKK)含有3！2!3种排列方式(AAK)含有3！2!3种排列方式（AKO)含有3！6种排列方式所以，在三次抽取中，至少得到1张A和1张K的概率是,2020/5/20,26,例假如对1000个大学生进行歌曲欣赏调查，发现其中有500个学生喜欢民族歌曲，400个学生喜欢流行歌曲，而这些学生中有100人属于既喜欢民族歌曲又喜欢流行歌曲的，剩下来的学生两种歌曲都不喜欢。如果我们随机地从该总体中抽取一个学生，并设事件A为该学生喜欢民族歌曲，事件B为该学生喜欢流行歌曲。用数字证明P(A且B)=P(A)P(B/A)=P(B)P(A/B)得到一个喜欢两种风格歌曲之一的学生的概率是多少？随机地选取一个由3个学生组成的样本，要求这三个学生全都有相同的欣赏方式，得到这种样本的概率是多少？,2020/5/20,27,5.运用概率方法进行统计推断的前提,随机抽样,样本容量相对于总体来说，是较小的,总体中个体的组合具有被同等抽中的概率,注意独立性问题,2020/5/20,28,简单随机抽样要求每一个个体拥有相同的被选入样本的机会。严格来讲，由于我们实际上总是做不回置抽样，因此独立性的假定，是难以完全满足的。只有在样本非常大，可以忽略。一个随机样本具有以下的性质：不仅要给每一个个体以相等的被抽中的机会，而且要给每一种个体的组合以相等的被抽中的机会。在要概括社区或其他空间上限定区域的单位的情况时，也必须注意到缺乏独立性的问题。,2020/5/20,29,第三节概率分布、期望值与变异数,随机事件及其概率回答的是随机现象某一局部结果，例如对给定的复合事件求先验概率。而概率分布则要在满足完备性(穷举)和互不相容性(互斥)的前提下，回答随机现象一共会出现多少种结果，以及每种结果所伴随的概率是多少。应该指出，在统计中，概率分布是就随机现象呈现的宏观结果而言的。所谓宏观结果，是指可以在宏观层次加以识别的而与特定排列次序无关的样本空间的子集。,2020/5/20,30,例如掷两颗骰子的试验，点数就是随机现象，它一共有11种宏观结果。我们用古典法对每种宏观结果计算P，便得到了如下表所示的概率分布。,频率分布与概率分布的区别,经验分布：频率分布是经资料整理而来;频率分布随样本不同而不同;频率分布有对应的频数分布。,理论分布：概率分布是先验的；概率分布是唯一的；概率分布无频率分布所对应的频数分布。,2020/5/20,31,1.离散型随机变量的概率分布离散型随机变量的取值是可数的，如果对X的每个可能取值xi计算其实现的概率Pi，我们便得到了离散型随机变量的概率分布，即,离散型随机变量的概率分布也可以用表格和图形两种形式来表示。由于离散型随机变量的特点，表示离散型随机变量概率分布多为折线图。,2020/5/20,32,2.连续型随机变量的概率分布连续型随机变量的取值充满某一区间，因而取某一数值讨论其概率是无意义的。为此，我们引进概率密度的概念来表达连续型随机变量的概率分布。,本书第三章第三节曾出现过频率密度的概念，频率密度等于频率除以组距。以频率密度为纵坐标，可以作出频率分布直方图。类似地，以概率密度为纵坐标，可以作出概率密度曲线。所不同的是，概率密度由于对组距求了x0的极限，其图形乃平滑曲线。,2020/5/20,33,这样一来，随机变量X取值在区间x1，x2上的概率等于概率密度曲线下面x1与x2两点之间面积，即,所以有概率密度的性质,因为概率不可能是负的，且,2020/5/20,34,3.分布函数为了从数学上能够统一对随机变量的概率进行研究引入分布函数的概念，它被定义为有了分布函数，就可以很容易得到随机变量X取值在任意区间x1，x2上的概率，即,连续型随机变量,离散型随机变量,2020/5/20,35,和(离散变量)或(连续变量)的关系，就像向上累计频率和频率的关系一样。不同之处在于，累计的是概率。但使用分布函数的好处是很明显的，它不仅在数学上统一了对离散型随机变量和连续型随机变量概率的研究，而且由于它计算概率的起点都固定为，因而可以把概率值换算成表，以易于求得任何区间的概率，从而达到计算快捷和应用广泛之目的。,例求两颗骰子点数的分布函数。,2020/5/20,36,4.数学期望在前面统计分组的讨论中，我们在得到频数(或频率)分布后，为了对变量有系统概括的认识，分别研究了集中趋势和离中趋势。而对集中趋势和离中趋势量度，我们分别得到了平均指标和变异指标，其中最有代表性的是算术平均数和标准差。很显然，现在当我们面对随机变量的理论分布时，也要对随机变量的集中趋势和离中趋势作概括性的描述，这就引出数学期望和变异数这两个概念。所谓数学期望，是反映随机变量X取值的集中趋势的理论均值(算术平均)，记作E(X)。,离散型随机变量,连续型随机变量,2020/5/20,37,例谁的技术比较好?,解,故甲射手的技术比较好,2020/5/20,38,例一家保险公司在投保的50万元人寿保险的保单中，估计每1000保单每年有15个理赔，若每一保单每年的营运成本及利润的期望值为200元，试求每一保单的保费。解依题意知，利润的期望值E(X)200(元)设x1表示保费，x2为理赔费x2-(500000-x1)，则可得所以，x17700(元)。即每一保单每年的保费应定在7700元。,2020/5/20,39,数学期望也常常记为，在推论统计中同总体均值的记号，而则在推论统计中被作为样本均值的记号。数学期望和总体均值一样，都是唯一的，不过它是一个先验的理论值。由于它是用随机变量各取值分别乘以取值的概率来计算的，因此数学期望又可称为随机变量的加权算术平均数。样本均值依据统计数据计算而来，但它具有随机性。在统计推论中，E(X)，是“估计”。,(2)常数c与随机变量X之积的期望等于X的期望与c的积，即E(cX)cE(X)(3)两个随机变量之和的期望等于它们的期望之和，即E(X+Y)E(X)+E(Y)(4)两个独立随机变量乘积的期望等于它们的期望之积，即E(XY)E(X)E(Y),(1)常数c的期望等于该常数，即E(c)c,数学期望的几个基本性质：,和都是为服务的，E(X)是“期望”,2020/5/20,40,5.变异数数学期望反映了随机变量的集中趋势，但仅知道集中趋势还不够，还应该知道随机变量在均值周围的离散程度，即离中趋势。变异数是综合反映随机变量取值分散程度的指标，其功能相当于描述统计中已讨论过的方差及标准差，记用D(X)。,离散型随机变量,连续型随机变量,由于变异数的单位是随机变量单位的平方。为了使随机变量变异指标的单位与其本身的单位相同，将D(X)开方(取正值)称作随机变量X的标准差；同时为了更明确的表示D(X)与标准差之间只是开方关系，索性把D(X)写成2，并直接称D(X)为随机变量X的方差。于是有,2020/5/20,41,很显然随机变量X的变异数也可以写成,简化公式,当然不难理解，在推论统计中随机变量变异数的记号常常同总体方差的记号，即用2表示之。而S2则被作为样本方差的记号。变异数和总体方差一样，都是唯一的，不过它是一个先验的理论值。样本方差S2依据统计数据计算而来，但它具有随机性。,试求两颗骰子点数的变异数D(X),2020/5/20,42,变异数的几个基本性质：,(1)常数c的方差等于0，即D(c)0(2)常数c与随机变量X之积的方差，等于随机变量X的方差c2倍，即D(cX)c2D(X)(3)随机变量与常数之和的方差等于随机变量的方差，即D(X+c)D(X)(4)两个独立随机变量之和的方差等于它们的方差和，即D(X+Y)D(X)+D(Y),2020/5/20,43,