第七章概率論基礎

1、概率論研究的對象是什么？,,現象,確定現象,隨機現象,引 言,第七章 概率論基礎,問題提出,1.水從高處流向低處；2.水的沸點攝氏100度(標準大氣壓下);3.太陽不會從西邊升起.,確定性現象: 在一定條件下必然發(fā)生(必然不發(fā)生)的現象稱為確定性現象,隨機現象：在一定條件下可能出現也可能不出現的現象,例1. 拋擲硬幣，出現正面還是反面？,例 2. 車站等車人數。,例 3. 同一種病用同一種藥的結果,概率論研

2、究的對象是：隨機現象,概率論研究的對象是隨機現象，研究隨機現象什么問題呢？,在大量試驗或觀察中, 這種隨機現象中出現的各種結果具有一定的統計規(guī)律性 , （舉例）。概率論就是研究隨機現象的數量規(guī)律的一門數學學科.,本章主要內容：1、隨機事件及其概率2、隨機變量及其分布和數字特征3、大數定律和中心極限定理,概率論在氣象、生物學、臨床醫(yī)學、數理統計、經濟、軍事等各個領域有著廣泛的應用。,第一節(jié) 隨機事件及其概率,第二節(jié)

3、概率基本運算法則 及其應用,第三節(jié) 隨機變量及其概率分布,第四節(jié) 隨機變量的數字特征,第五節(jié)* 大數定律和中心極限定理,,7.1.1 隨機事件,7.1.2 事件關系及運算,7.1.3 隨機事件的概率,第一節(jié) 隨機事件及其概率,隨機現象是通過隨機試驗來研究的.,問題 什么是隨機試驗?,7.1.1 隨機事件,1. 可以在相同的條件下重復地進行;,2. 每次試驗的可能結果不止一個,并且能事先明確試

4、驗的所有可能結果;,3. 進行一次試驗之前不能確定哪一個結果會出現.,定義1： 在概率論中,把具有以下三個特征的試驗稱為隨機試驗.,隨機試驗（簡稱試驗）,說明 ：隨機試驗簡稱為試驗，通常用 E 來表示,實例 “拋擲一枚硬幣,觀察字面,花面出現的情況”.,分析:,(1) 試驗可以在相同的條件下重復地進行;,(2) 試驗的所有可能結果:,字面、花面;,(3) 進行一次試驗之前不能確定哪一個結果會出現.,故為隨機試驗.,1.“拋擲一枚骰子,

5、觀察出 現的點數”.,2.“從一批產品中,依次任 選三件,記錄出現正品 與次品的件數”.,同理可知下列試驗都為隨機試驗,3.考察某地區(qū) 10 月份的 平均氣溫.,在隨機試驗中, 可能出現的結果稱為隨機事件，簡稱事件。用A,B,C表示，如擲一枚骰子,,,所有基本事件組成的集合，成為樣本空間，記為Ω，不包含任何基本事件的空集記作 Ø,,事件A與B相等；記作A =B，表示A B并且B

6、 A. 例如: …,,,A + B,AB,AB,幾個成立的等式,例1 設有三人做尿常規(guī)化驗，用A表示至少有一人不正常，B表示三人都正常，C表示三人中恰有一人不正常，試問哪些是對立事件？哪些是互斥事件？B+C,A∩C,A – C各表示何實際意義？,解：事件A與B是對立的，事件B與C和事件A與B均是互斥事件，B +C表示最多一人不正常，A∩C=C表示恰有一個人不正常，A – C表示至少有二人不正常,例2 設A、B、C三事件，則如何

7、表示：1、A發(fā)生而B與C都不發(fā)生可表示為,2、A與B都發(fā)生而C不發(fā)生可表示為,3、這三個事件恰好發(fā)生兩個可表示為,4、這三個事件不多于一事件發(fā)生可表示為,5、A、B、C不都發(fā)生可表示為,定義2：大量重復試驗（觀察）Ｎ次，Ａ出現m次，事件A的頻率為：頻率W(A)=,一、頻率和概率的統計定義,,,7.1.3 隨機事件的概率,,1.非負性：0≤W(A) ≤1,3.可加性: 若A與B是兩個不會同時發(fā)生的事件，以A+B表示A或B至少出現

8、其一這個事件，則 W(A+B)=W(A)+W(B),頻率的性質：,2.規(guī)范性: Ω為必然事件，則 W(Ω)=1， Ø為不可能事件，則W(Ø)=0,例3 表7-1 擲幣試驗,結論：大量重復試驗，出現正面頻率接近50%。思考：少量的試驗（如7次）能否出現同樣結果？,例4 表7-2 英文字母使用頻率分布,結論：可能性的大小具有穩(wěn)定性,注1：頻率與試驗有關，是不確定的數，但概率是事件的客觀屬性，是

9、確定的數.注2：給出一個求概率的方法,,如果在某一組條件下，當試驗次數越來越多，事件A出現的頻率穩(wěn)定在某一常數p附近作微小擺動，稱常數p為事件A的概率。記作P(A)=p.,定義3（概率的統計定義）,例5人類的血型可以分成A、B、O和AB四種類型，倫敦的一個血液中心記錄了若干年里供血者的血型，其O型頻率0.467，A型頻率0.417，B型頻率0.086，AB型頻率0.030，那么以頻率表示概率，從英國人中隨意抽出一人驗血型是B型

10、的概率為：P（B）=0.086，同理P（AB）=0.03， P（O）=0.467， P（A）=0.417,醫(yī)學應用,1.非負性：0≤P(A) ≤1,2.規(guī)范性: Ω為必然事件，則 P(Ω)=1，Ø為不可能事件，則P(Ø)=0,3.可加性: 若A與B是兩個不會同時發(fā)生的事件，以A+B表示A或B至少出現其一這個事件，則 P(A+B)=P(A)+P(B),（統計）概率的性質：,二、概率的古典定義,定義4：若隨機試驗

11、有且只有n個基本事件，且每個基本事件的概率都為1/n, 則稱為等概基本事件組.如B事件是其中m個基本事件之和，則B發(fā)生的概率為: P(B)=m/n,例6 瓶中裝有30片藥，其中6片已經失效，現從瓶中任取5片，求其中2片失效的概率？,解：設B為“現從瓶中任取5片，其中2片失效”的事件 n=C305=142506 m=C62C243=30360,P(B)= C62C243 /C305=0.213,例7

12、設有n個球，每個都能以同樣的概率1/m落到m個格子（m≥n）的每一個格子中，試求:,2.任何n個格子中各有一球的概率？,1.指定的n個格子中各有一球的概率；,解：∵每個球可落入m（≥n）個格子中的任一個,∴n個球在m個格子中的排列相當于從m個元素中選取n個進行有重復的排列，,故共有mn種基本事件總數,第一題，n個球在指定的n個格子中全排列n！因此概率為n！/mn,第二題，從m個格子中任意選出n個格子，有Cmn種，對于每種選定的n個

13、格子，如第一題的全排列n！，所求基本事件的個數為Cmn·n!,,故概率為Cmn·n！/ mn,第二節(jié) 概率基本運算法則 及其應用,,7.2.1 概率的加法定理,7.2.2 條件概率和乘法公式,7.2.3 事件的獨立性,7.2.4 全概率公式與貝葉斯公式,問題提出,則 A+B包含的基本事件共有M1＋M2個，于是得,證：,按概率的古典定義來證明,設試驗的可能結果是由N個基本事件總數構成，

14、其中事件A包含M1個，事件B包含M2個，,由于事件A與B互不相容，所以A包含的基本事件與B包含的基本事件一定是完全不相同的，,7.2.1 概率的加法定理,定理1 兩個互不相容事件A與B的和事件的概率等于事件A的概率與事件B的概率之和，即P(A+B)＝P(A)+P(B)。,推論1 若A1, A2,…，An是n個兩兩互不相 容事件，則有 P(A1+A2+…+An) ＝P(A1)+P(A2)+…+P(An),推論2 事件A

15、的逆事件 的概率為,定理2 設A，B為任意二事件，則P(A+B)＝P(A)+P(B)-P(AB),,證明：如圖 A+B=A+(B-A) B=AB+(B-A),事件A與事件B-A互不相容，事件AB與事件B-A互不相容,根據定理1 得P(A+B)=P(A+(B-A))=P(A)+P(B-A) P(B)=P(AB+(B-A))=P(AB)+P(B-A),所以 P(A+B)＝P(A)+P(B)-P(AB),推論3 若A，B，C為

16、任意三個事件，則P(A+B+C)＝P(A)+P(B)+P(C)-P(AB) -P(AC)-P(BC)+P(ABC),例8 一批針劑共50支，其中45支是合格品，5支是不合格品，從這批針劑中取3支.求其中有不合格品的概率。,解: 設A為“取到3支針劑中有不合格品”事件, Ai為“取到3支針劑中有i支是不合格品”事件,i=1,2,3,顯然A1,A2,A3互不相容,且A= A1+A2+A3,由定理1知P(A)=,另解法:由推論2可

17、得P(A),P(A1)+P(A2)+P(A3),= 0.276,例9 胃癌病人接受過手術(A)、放療(B)、中藥治療(C)的各有1/2．同時受過兩種治療方法的各有1/4 ，接受過三種治療有1/8，另有部分病人因誤診等原因而未得到治療，這樣的可能性有多大?,解：先求至少得到一種治療的概率,于是所求的概率,7．2．2 條件概率和乘法公式,有許多實際問題，除要知道事件B的概率外，往往還要知道在事件A已發(fā)生的條件下B出現的概率．則這種概率

18、可認為條件概率,簡記為P(B／A)。,例如，在美國某大學高血壓研究中心就診的306名有末端器官損害的高血壓病人，按嚴重程度和有無心絞痛分類。各組病人數如下表,以A表示任選一名高血壓病人是重型患者，以B表示病人無心絞痛史， P(A)=45／306，P(B)＝281/306，P(AB)＝38/306,如果已經知道一名病人是重型，且無心絞痛史的條件概率P(B／A)是多少?,重型且無心絞痛的人數,重型人數,重型且無心絞痛人數占總人數的概率,

19、重型人數占總人數的概率,定義5 對事件A，B， 若P(A)＞0，則稱 P(B/A)＝P(AB)/P(A)為在事件A發(fā)生的條件下事件B的條件概率,同理 對事件A，B， 若P(B)＞0，則稱 P(A/B)＝P(AB)/P(B)為在事件B發(fā)生的條件下事件A的條件概率,定理3 兩事件的積事件的概率等于其中一事件的概率與另一事件在前一事件出現下的條件概率的乘積： P(AB)＝P(A)P(B／A)＝P(B)P(A／

20、B),概率的乘法公式可以推廣有限多個事件的情形。例如，對于三個事件A,B,C P(ABC)＝P((AB)C)＝P(AB)P(C/AB) ＝P(A)P(B／A )P(C/AB),例10 在某一人群中，聾子(A)的概率是0.005，盲人(B)的概率是0.0085，而聾子中是盲人的概率為0.12，求盲人中聾子的概率?,解： P(A)=0.005 P(B)=0.0085 P(B/A)=0.12 P(A/B)=?,P(A/

21、B)=,7.2.3事件的獨立性,對于任意事件A，B,通常條件概率P(B／A)與概率P(B)是不相等的，即一個事件發(fā)生改變了另一個事件發(fā)生的概率，說明事件A與B有聯系，但是．生活中也有另外的一種情況存在，一個事件的發(fā)生與否不會影響另一事件的概率(P(B／A)＝P(B))。,問題提出,定義6 設A，B 兩事件，如果P(B／A)＝P(B)，則稱事件A與事件B相互獨立。,若A與B相互獨立，則P(B／A)=P(B)，又有乘法公式P(AB)＝P

22、(A)P(B／A)于是，P(AB)＝P(A)P(B)成立。反之亦然。,定理4 事件A與事件B相互獨立的充分必要條件是P(AB)＝P(A)P(B).,例11 有—種治療流行性感冒的新藥，在500名流行病人中，有的服了這種藥(A)，有的沒有服這種藥( )，經5天后，有的痊愈(B)，有的未痊愈( )，各種情況的人數見下表，其中170表示服藥后痊愈(AB)的人數，其余類似。試判斷這種新藥對流感是否有效？,解：,因為P(B)與P(B/A

23、)幾乎相等，故認為A與B相互獨立。表明服藥和不服藥對療效影響不大，新藥對流感沒有意義。,例12 考慮有兩個孩子的家庭，假定男女出生率一樣，第一次出生的是女孩的用A表示，第二次出生是男孩的B表示，說明A與B二事件是否相互獨立。,解： 兩個孩子家庭按出生先后順序排列共有四種可能結果：(女、女)，(女、男)，(男，女)，(男，男)；P(A)=2/4 P(B)＝2/4 P(AB)＝1/4 顯然P(AB)＝P(A)P(B)，所以

24、A與B相互獨立，即A發(fā)生的條件下，不影響B(tài)的概率。,例14 某藥廠的針劑車間灌裝—批合格注射液，需經4道工序，從長期生產經驗知，由于切割時掉入玻璃屑成廢品的概率為0.4％。由于安 洗滌不潔成廢品的概率為0.2％．灌裝時污染劑液成廢品的概率為0.1％，由于封口不密成廢品的慨率為0.6％，求四道工序都合格概率。,解: 4個工序相互獨立。設Ai表示“第i道工序合格品”，i=1,2,3,4,P(A1A2A3A4)＝P(A1)P(A2)P(

25、A3)P(A4)=(1-0.004)(1-0.002)(1-0.001) (1-0.006)=0.9871,7.2.4 全概率公式與貝葉斯公式,定理5（全概率公式）設A1 A2,…An是兩兩互不相容事件，且P(Ai)>0；,,,,,,,,,,A2,A1,A3,A5,A4,An,B,證明： 如圖,A1 A2,…An是兩兩互不相容事件,例15 設某醫(yī)院倉庫中有10盒同樣規(guī)格的X光片，已知其中有5盒、3盒、2盒依次是甲、乙、丙廠生

26、產的，且甲、乙、丙廠生產的該種X光片的次品率分別是 1／10，1／15，1／20，從這10盒中任取—盒，再從取出的這盒中任取一張X光片，抽到的X光片是正品的概率?,解： 設A1,A2,A3分別表示取得的X光片是甲、乙、丙廠生產的，B表示x光片是正品。,P(A1)=5/10,P(A2)=3/10,P(A3)=2/10P(B/A1)=9/10, P(B/A2)=14/15, P(B/A3)=19/20,例17 設某醫(yī)院倉庫中有10盒同

27、樣規(guī)格的x光片，已知其中有5盒、3盒、2盒依次是甲、乙、丙廠生產的，且甲、乙、丙廠生產的該種x光片的次品率分別是 1／10，1／15，1／20,從這10盒中任取一張X光片是正品，問抽到的X光片是甲廠生產的概率?,解： 設A1,A2,A3分別表示取得的x光片是甲、乙、丙廠生產的，B表示x光片是正品。,P(A1)=5/10,P(A2)=3/10,P(A3)=2/10P(B/A1)=9/10, P(B/A2)=14/15, P(B/A3)

28、=19/20 問P(A1/B)=?,定理6（貝葉斯公式）設A1 A2,…An是兩兩互不相容，且P(Ai)>0，P(B)>0,例16 經大量臨床應用知道，某種診斷肝癌的試驗有下述效果：“試驗反應為陽性”記為事件B，“被診斷患肝癌”的事件為A。據統計資料，肝癌患者試驗反應為陽性的概率為0.94，即真陽性率為P(B／A)＝0.94，非肝癌患者試驗為陰性的概率為0.96，即真陰性率為P( )＝

29、0.96，對一群人進行癌癥普查，假設被試驗的人群中(指某一地區(qū))患肝癌的發(fā)病率為0.003，今有一人經試驗反應為陽性，求此人患肝癌的概率？,解：依題意，P(A)=0.003 P(B/A)=0.94P( )=1-P(A)=0.997,結論是:試驗為陽性的人確實患肝癌的可能性并不大，僅為6.6％。,例18 為探討乳腺腫塊的鑒別診斷,調查了186個病例,根據病理報告,其中乳癌(A1)29例,纖維腺瘤(A2)92例,乳腺病(A3)6

30、5例,由此可得各病的概率如下:P(A1)=29/186=0.1559 P(A2)=92/186=0.4946 P(A3)=65/186=0.3495在各種并發(fā)病的條件下,有關重要癥候出現的概率的經驗估計如下表:,解：該病例所出現的有關癥候表現的具體組合可用符號表示為：B=B11B21B32B41B53B61,假設各癥候表現的出現與否彼此獨立，則根據獨立事件概率可得P(B)=P(B11)P(B21)P(B32)P(

31、B41)P(B53)P(B61)在A1發(fā)生的條件下，B出現的概率,根據貝葉斯公式，可得在癥候B表現的條件下，乳癌A1發(fā)生的概率,這說明是乳腺病的可能性最大，所以診斷該患者為乳腺病。,探討乳腺腫塊的鑒別診斷,我們用變量X 表示，,例2：拋一枚硬幣，結果分為“正面”、“反面”,7.3 隨機變量及其概率分布,目的：將隨機試驗的結果數量化以便于研究!,例1：生化檢驗結果分陽性和陰性，,X=0表正面；X＝1表反面。,X=0表陰性；X＝1表陽性

32、。,將不同問題轉化為研究相同取值的隨機變量,例3 拋擲骰子,觀察出現的點數.,S={1，2，3，4，5，6},樣本點本身就是數量,且有,則有,例1 觀察投擲一個骰子出現的點數.,[定義7] 若對于隨機試驗的每一個可能的結果e，都有唯一的實數x(e)與之對應，則稱x(e) 為隨機變量，簡記為x。,隨機變量的分類,離散型：,取值為有限個或無限可列個；,取值為某一區(qū)間或整個實數軸。,連續(xù)型:,,隨機變量 X 的可能值是 :,1, 2

33、, 3, 4, 5, 6.,例2 隨機變量 X 為“燈泡的壽命”.,則 X 的取值范圍為,7.3.2 離散隨機變量的概率分布和連續(xù)隨機變量的概率密度函數,一、離散隨機變量的概率分布,[定義8] 設X為—個離散隨機變量，可能取值為x1,x2…,,這些值對應的概率為P(X=xk)=pk(k=1,2…),例19   設盒中有2個白球3個黑球，從中隨機取3個球，求抽得白球數的概率分布？,解：令X

34、表示抽得的白球個數，由于只有2個白球，所以隨機變量X可能取0、1、2數值，其相應概率為：,或者寫成分布列,二．連續(xù)隨機變量概率密度函數,1頻率直方圖簡介,例如．為了研究某地區(qū)12歲男孩身高情況， 隨機地抽取120名男孩測得身高數據見表7—6：,表7-6 120名12歲男孩身高數據（單位：㎝）,,,,表7-7 頻率分布表,,2．連續(xù)隨機變量的概率密度函數,[定義9] 對于連續(xù)隨機變量x，如果存在非負可積函數f(x)，使對任意實

35、數a,b(a＜b)，都有,則稱f(x)為X的概率密度函數，簡稱為密度函數或概率密度.,概率密度函數的性質,,這個頻率直方圖有明顯的特點，所有的矩形面積之和等于1，且矩形面積就是頻率。,,解：由概率密度函數的性質:,=a/2,因此，a=2，將其代入到密度函數中，得,,,,7.3.3 隨機變量的分布函數,對于離散型隨機變量：F(x)=P{X≤x}=,,對于連續(xù)型隨機變量：F(x)=P{X≤x}=,,,實際生活中有時也要解決隨機變量,X,

36、在區(qū)間,(-¥, x],上,,取值的概率，,,,例21 求本章例19中的分布列,的隨機變量X的分布函數,解：當x<0時，{X≤x}是不可能事件，,=0,F(x)=P{X≤x}=,當0≤x<1時， F(x)=P{X≤x}=P{X=0}=0.1,當1≤x<2時， F(x)=P{X≤x}=P{X=0}+P{X=1}=0.7,當x≥2時， F(x)=P{X≤x}=1,,（2）分布函數F(x)的導數就是密度函數f(x

37、).,連續(xù)隨機變量密度函數與分布函數關系是：,（1）密度函數f(x)的積分就是分布函數；,解:F(x)=P{X≤x}=,當0≤x<1時，F(x)=,當x≥1時， F(x)=1,當x ≤ 0時，F(x)=0,=x2,,,,一、二點分布,7.3.4五種常見的隨機變量分布,離散型隨機變量：二點分布、二項分布、泊松分布；連續(xù)型隨機變量：均勻分布和正態(tài)分布。,二、 二項分布,例如：重復n次拋一枚硬幣；某藥治某病分治愈或不治愈兩種結果，對

38、n個病人進行治療；這些試驗均屬于n重伯努利試驗。,求在3次重復試驗中事件A剛好出現2次的概率?,，,例23 在100升經消毒的自來水中，只能含有10個大腸桿菌，今從中取出l升水進行檢驗，問在這一升水中檢出 2個大腸桿菌的概率是多少?如果真的檢查出有2個大腸桿菌，問這水是否合格?,,=,(0.01)2(0.99)10-2=0.0041,根據小概率原理：小概率事件在一次試驗中不可能發(fā)生，所以認為這水是不合格的。,例24 據報道，有10

39、％的人對某藥有腸道反應，為考核該藥療效，現任選5人用此藥，試求： (1)有腸道反應的人數的概率分布；,解： 設服藥后有反應事件為A，則P(A)=0.1，P( )=0.9， 設5人中有腸道反應的人數為隨機變量X，因此，,（1）X～B(5,0.1)，即 = (0.1)k(0.9)5-k （k=0,1,2,…,5）,(2)不多于2人有腸道反應的概率；,(3)有人有反應的概率？,（3）P{X≥1}=1-P5(0)=1

40、-0.59049=0.40951,三、 泊松分布,數學歷史,,適用條件:稀疏現象，如稀有元素含量；低發(fā)病的發(fā)病人數；單位時間內交換臺呼叫的次數等 (n＞50)很 大，(p＜0.05)較小，,泊松(1781-1840) 法國數學家,青年時期曾學過醫(yī)學,后因喜好數學于1798年入巴黎綜合工科學院深造。他的數學才能受到拉格朗日和拉普拉斯的注意。    泊松的科學生涯開始于研究微分方程及其單擺的

41、運動和聲學理論中的應用。他工作的特色是應用數學方法研究各類力學和物理問題，并由此得到數學上的發(fā)現。 他對積分理論、熱物理，彈性理論、電磁理論、位勢理論和概率論都有重要貢獻。,例25 用車運送500件針劑藥品，在運輸途中藥品受損壞的概率為0.002，(1)求運輸途中小于3件藥品損壞的概率；(2)求運輸途中多于3件藥品損壞的概率，(3)求運輸途中恰有2件藥品損壞的概率。,解： 設藥品在運輸途中損壞的件數為隨機變量X，從而，X～B(5

42、00,0.002),由于n=500很大，p=0.002很小。所以可用泊松粉不近似計算，λ=np=1，查附錄Ⅲ，所求的概率為：,四、均勻分布,性質：X落在[a,b]任意等長的子區(qū)間內的概率相等,,,,,,,,,正態(tài)分布是最常見最重要的一種分布,例如測量誤差, 人的生理特征尺寸如身高、體重等 ;正常情況下生產的產品尺寸:直徑、長度、重量高度等都近似服從正態(tài)分布.,正態(tài)分布的應用與背景,3. 正態(tài)分布,正態(tài)概率密度函數的幾何特征,正態(tài)

43、分布的分布函數,標準正態(tài)分布的概率密度表示為,標準正態(tài)分布,標準正態(tài)分布的分布函數表示為,正態(tài)分布的性質,一般正態(tài)分布函數通過變量代換可轉化成標準正態(tài)分布,,,同理可計算另兩個問題的解,,,,思考題,學生A參加SAT中的數學部分考試，得分700分。SAT的分數X服從正態(tài)分布N(500，1002)；學生B參加ACTP考試得了24分，而ACTP的分數Y服從正態(tài)分布N(18，62)，就考試得分而言，誰考得更好?,解題過程,顯然A學生的成績好,

44、第四節(jié) 隨機變量的數字特征7.4.1 隨機變量的數學期望及其性質 一、數學期望的概念 二、五個常見分布的數學期望 三、數學期望的性質7.4.2 隨機變量的方差及其性質 一、方差的概念 二、方差的性質 三、五種常見分布的方差 四、標準差及變異系數,一、數學期望的概念,實例：某班40人，其身高為隨機變量X，X的分布情況如下,定義16 設X是離散型隨機變量,其值取x1,x2…,對應的概率為p1,p2

45、…,如果級數,存在,把他稱為X的數學期望,記作E(X),定義17 設X是連續(xù)型隨機變量, 概率密度函數為f(x),如果積分存在,則把這個積分值稱為X的數學期望,記作E(X),二、五種常見分布的數學期望1.兩點分布的E(X),二、五種常見分布的數學期望,2.二項分布的E(X),二、五種常見分布的數學期望,3.泊松分布的E(X),4.均勻分布的E(X),二、五種常見分布的數學期望,5.正態(tài)分布的E(X),二、五種常見分布的數學期望

46、1.兩點分布的2.二項分布的3.泊松分布的4.均勻分布的5.正態(tài)分布,三.數學期望的性質設X,Y分別是隨機變量,a,b,c是常數,由數學期望的定義容易得出下列性質.,例29 某種病毒性傳染病可通過驗血檢查。某單位為職工進行普查，共有1000人需要驗血。假設一般人群中該病的陽性者比例為p＝0.1。醫(yī)務人員把4個職工分為一組，把4人的血液混合檢查，如果混合血樣是陰性的，這樣，4個人平均每人化驗1/4次；如果混合血樣是陽性的

47、，則對4個人再逐個分別化驗，這樣4個人共作5次化驗，相當平均每人化驗5/4次。假定不同人之間的反應相互獨立的，這種分組化驗比以往每人化驗1次可減少多少工作量?,解:4人混合成的血呈陰性反應的概率為 ;陽性為 設平均每人化驗次數為隨即變量X,則分布列為,試問哪個射手技術較好?,思考題 誰的技術比較好?,解,故甲射手的技術比較好.,7.4.2 隨機變量的方差及其性質一、

48、方差的概念二、方差的性質三、五種常見分布的方差四、標準差及變異系數,在許多實際問題中，除了考慮隨機變量的數學期望外，還要研究隨機變量以E(x)為中心的分散程度，比如生物體內的脈搏、血壓及血球波動過大，表明該生物體處于病態(tài)。為了刻劃隨機變量x與數學期望的這種分散程度，通常用 [X—E(x)]2 來表示,一、方差的概念[定義18] 設隨機變量X的E(x)存在，若期望 存在，則把它稱為x的方差

49、，記為D(X)。,這個定義對離散型和連續(xù)型隨機變量都是統一的，但具體表達形式不同。對離散型連續(xù)型,對離散型和連續(xù)型隨機變量計算方差還有下述公式:,二. 方差的性質1.D(c)＝0，即常數c的方差為0；2.D(cX)＝c2D(x)；3.D(X十b)＝D(X)；4.若X、Y相互獨立，則D(X+Y)＝D(X)+D(Y),三、五種常見分布的方差1、二點分布,三、五種常見分布的方差,2、二項分布,3、泊松分布,三、五種常見分布的

50、方差,4、均勻分布的方差,三、五種常見分布的方差,,5、正態(tài)分布的方差,例30 在同樣的條件下，用兩種方法測定某一容器內細菌個數(單位：萬)為隨機變量，分別用Xl、X2表示，由大量測定結果得到分布列如下表，試比較兩種方法的精度?,,解：兩種方法的數學期望是相同的，都是50， 為了比較精度，還要考慮方差的大小經過計算D(X1)=2*0.1+1*0.1+0*0.6+1*0.1+2*0.1=1D(X2)=

51、2*0.2+2*0.2+2*0.2+2*0.2+2*0.2=2顯然方法2的精度高,分　　布,參數,數學期望,方差,兩點分布,二項分布,泊松分布,均勻分布,,正態(tài)分布,三、五種常見分布的方差,四、標準差及變異系數[定義19] 設隨機變量X的方差為D(X)，則稱 為X的標準差，記做 ，即 =,,,,,[定義20] 設隨機變量X的數學期望為E(X), 標準差為

52、 ，則稱 為變異系數，記為CV(X).可以用百分數表示。,,,例31 某地20歲男子，其身高均數(數學期望)為166.06cm，標準差為4.95cm；其體重均數為53.72kg，標準差為4.96kg.試問該地區(qū)20歲男青年身高與體重的變異程度是否可認為相同?,解：設該地20歲男子身高和體重都是隨即變量，分別用X1,X2表示,由此可見，體重變異大于身高變異，或者說身高比體重均勻。,7.5*

53、 大數定律和中心極限定理,大數定律和中心極限定理是數理統計、醫(yī)學統計學、社會統計學的理論基石，并在工農業(yè)生產和科研中有廣泛應用。,一、大數定律 概率論中用來闡明大量隨機現象平均結果的穩(wěn)定性的一系列定理統稱為大數定律（law of large numbers）.它是概率論和數理統計最基本最重要的核心定理。,定理8 （切貝雪夫大數定理）設隨機變量 相互獨立且服從同一分布，并且具有相同的有限數學期望 和方

54、差 ，作n 個隨機變量的算術平均數 ，則對任意 ，有,定理7 （伯努利大數定理）設m是n 次獨立重復實驗中事件A發(fā)生的次數，p是事件A在每次實驗中發(fā)生的概率，則對任意 ，有,切貝雪夫大數定律指出，n 充分大，經過算術平均以后得到隨機變量可作為數學期望的估計。,伯努利大數定律指出，n充分大，通過隨機試驗確定某事件發(fā)生的頻率可作為該事件的相應概率的估計,二．中心極限定理,概率論中有關論證隨機變量

55、的和的極限分布是正態(tài)分布的那些定理通常叫做中心極限定理。,從而 近似服從正態(tài)分布。也可解釋為：若被研究的隨機變量可以表示為大量獨立隨機變量的和，其中每一個隨機變量對于總和只起微小的作用，則可以認為這個隨機變量實際上是近似服從正態(tài)分布的。 生物醫(yī)學中很多隨機變量均服從正態(tài)分布就是這個原因。,大數定律和中心極限定理是概率論與數理統計聯系的核心定理，他們不僅是理論研究的依據，而且對數理統計和多變量分析在實際上的應用起到重要作用。知道

56、這些定理的意義，會更加深刻掌握概率論的基礎知識。,1654年,一個名叫梅累的騎士就“兩個賭徒約定賭若干局, 且誰先贏 c 局便算贏家, 若在一賭徒勝 a 局 ( a<c ),另一賭徒勝b局(b<c)時便終止賭博,問應如何分賭本” 為題求教于帕斯卡, 帕斯卡與費馬通信討論這一問題, 于1654 年共同建立了概率論的第一個基本概念,1. 概率論的誕生,醫(yī)學應用： 根據字母使用頻率分布，把字母的序號作為橫坐標，對應

57、頻率的對數作為縱坐標則散點圖大致成斜率為-1的直線，各種文字都有類似規(guī)律 研究發(fā)現，占DNA分子鏈長度97%的，但并不表現任何功能的片斷中，分子頻率的特征竟與上述語言文字規(guī)律一致！形成了“基因文字“的猜想。,引例：A事件代表擲骰子是大于3點而小于6點,B事件代表擲骰子是6點,即P(A)=2/6, P(B)=1/6.問:擲骰子點數大于3點的概率?,A事件與B事件是互不相容事件, A事件與B事件的和事件代表擲

58、骰子點數大于3點的事件. P(A+B)=P(A)+ P(B)=2/6+1/6=1/2.,在一批有一定次品率的產品中，連續(xù)兩次抽取產品，每次任取一件。第一次取后放回，設第一次取得正品的事件為A,設第二次取得正品的事件為B,那么P(B/A)=P(B),若事件A,B相互獨立，證明A與 也相互獨立。,甲乙兩人進行乒乓球比賽，每局甲勝的概率為p,p>1/2.問對甲而言，采用三局二勝制有利，還是采用五局三勝制有利。設各局勝負相互獨立。,課堂