

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、擲一枚硬幣,,或者,試驗目的不同時,樣本空間也會不同,記錄一臺電視機的壽命,,無限樣本空間,可列個樣本點,測量某物理量(長度、直徑等)的誤差,,某超市一天內的顧客數,,無限樣本空間,不可列個樣本點,有限樣本空間,從一批產品中每次取出一個產品進行檢驗,事件 表示第i次取到合格品(i=1,2,3),用事件的運算表示下列事件: ①三次都取到合格品; ②三次中至少有一次取到合格品; ③三次中恰有兩次取到合格品; ④三次中最多有一次取
2、到合格品。,三次中至少有一次取到合格品,三次中恰有兩次取到合格品,三次中至多有一次取得合格品,三次全部取到合格品:,解:,當n=50時,,當n=100時,,設A,B,C是三個事件,P(A)=P(B)=P(C)=1/4,P(AB)=P(BC)=0,P(AC)=1/8,求A,B,C至少有一個發(fā)生的概率。,解:設A、B、C分別表示甲、乙、丙抽到難簽。,10個考簽中有4個難簽,3人參加抽簽(不放回),甲先,乙次,丙最后。求甲抽到難簽,甲、乙都
3、抽到難簽,甲沒抽到難簽而乙抽到難簽,甲乙丙都抽到難簽的概率。,解:用A表示“第一件是廢品”,B表示“第二件是廢品”,已知有一件是廢品,說明至少有一件廢品,即,若另一件也是廢品,則兩個都是廢品,即,10件產品中有4件廢品,不放回地連取2次,每次1件。若已知有一件是廢品,求另一件也是廢品的概率。,要求的是,因,設甲、乙兩射手獨立地射擊同一目標,他們擊中目標的概率分別為0.9和0.8。求一次射擊中,目標被擊中的概率。,解:用A表示甲
4、擊中目標,B表示乙擊中目標。,目標被擊中,即至少有一人擊中,即,(因A與B獨立),或由性質③,一名士兵用步槍射擊飛機,命中率為0.004。求:① 若250名士兵同時射擊,飛機被擊中的概率;② 多少名士兵同時射擊,才能使飛機被擊中的概率達 到99%?,解:用Ai表示第i名士兵擊中飛機,P(Ai)=0.004,①,② 設有n名士兵同時射擊,某藥物對某病的治愈率為0.8,求10位服藥的病人中至少有6人治愈的概率。,解:設A表示至
5、少有6人治愈,=P10(6)+P10(7)+P10(8)+P10(9)+P10(10),正好有8人治愈的概率為,=0.302,(分賭注問題)甲、乙各下注a元,以猜硬幣方式賭博,五局三勝,勝者獲得全部賭注。若甲贏得第一局后,賭博被迫中止,賭注該如何分?,解:,應按照比賽雙方最終獲勝的可能性分賭注,,即在余下的四局中甲贏得2局以上即可。,甲最終獲勝的概率為,P4(2)+P4(3)+P4(4),,每局雙方獲勝的可能性均為,乙勝的概率為
6、 ,賭注應按11:5的比例分配,思考題: 甲, 乙兩人進行乒乓球比賽, 每局甲勝的概率為 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。,鑰匙掉了,落在宿舍的概率為40%,這種情況下找到的概率為0.9;落在教室的概率為35%,找到概率為0.3;落在路上的概率為25%,找到概率為0.1。求找到鑰匙的概率。,解:分別用 表示鑰匙落在宿舍、教室和路上,用B 表示找
7、到鑰匙; 顯然 構成一個劃分,且,則,(抽簽的公正性)設10支簽中有4支難簽。甲、乙、丙依次不放回的抽取。求各人抽到難簽的概率。,解:分別用A、B、C表示甲、乙、丙抽到難簽。,某地區(qū)患有癌癥的人占0.005,患者對一種檢測反應是陽性的概率為0.95,正常人對這種檢測反應陽性的概率為0.04?,F(xiàn)抽查一人,檢測反應是陽性,問此人是癌癥患者的概率。,,解:,設A=“抽查的人患病”,B=“檢測結果為陽性”,欲求,由題意
8、知,則,貝葉斯公式中, 可稱為先驗概率,它往往是根據以往經驗,在試驗前就已確定的; 稱為后驗概率,是試驗后對各種“原因”發(fā)生的可能性大小的新見解。,例3的進一步思考:這種檢測有沒有價值?,隨機抽一人,若不做檢測,對其患癌概率的認識為 0.005;做檢測且結果為陽性,對其患病概率的認識更新為0.1066;即使檢出陽性,也不必悲觀;若對第一次檢測陽性的人做第二次檢測,結果仍為陽性,問此人患病的概率?,現(xiàn)在
9、研究對象是第一次檢測呈陽性的人,我們對其患病概率的認識已經更新為,再做一次檢測,檢測的功效依然是“患者對檢測反應呈陽性的概率為0.95,正常人對檢測反應呈陽性的概率為0.04”,即,則二次陽性的患病概率為,離散型隨機變量幾種常見分布,1. (0-1)分布,設隨機試驗只有兩個結果:A和 ,且,令,X的分布律為,則X服從(0-1)分布,或兩點分布,記為,也可寫為,在n重伯努利試驗中,每次試驗事件A發(fā)生的概率為 ,記X為n次試驗中A發(fā)
10、生的次數,則,稱X服從參數為n,p的二項分布,記為,2. 二項分布,設 ,若,求,解:,由 知,所以,由此得,3. 泊松分布,設X的概率分布為,則稱X服從參數為 (>0)的泊松分布,記為,某一城市每天發(fā)生火災的次數X 服從參數 的泊松分布, 求該城市一天內發(fā)生3次或3次以上火災的概率.,解:,泊松分布和
11、二項分布,當n很大時,計算二項分布 的概率將變得困難,為此可設法用別的方法來近似取代二項分布的計算,當p較?。ㄒ话慵s定 )和n較大,np大小適中時,我們有近似公式,這就是著名的泊松逼近,(參看教材P32泊松定理),稱這種隨機變量服從幾何分布,某射手連續(xù)向一目標射擊, 直到命中為止, 已知他每發(fā)命中的概率是 , 求所需射擊發(fā)數 的概率分布.,X=1表示第一次射擊命中,,解:,X=2表示第二次命
12、中,第一次未中,,X=k表示第k次命中,前k-1次未中,,因此X的分布律為,易知,,,因為 ,所以對連續(xù)型變量,,連續(xù)型隨機變量 幾種常見的連續(xù)型分布,1. 均勻分布,若隨機變量X的密度函數為,,稱X在區(qū)間 上服從均勻分布,記為,,若X服從均勻分布,則X落在 中任一子區(qū)間的概率與該子區(qū)間的長度成正比,與子區(qū)間的位置無關。粗略地講就是X取 中任一點的可能性一樣,2. 指數分布,若隨機變量X的密度函
13、數為,,稱X服從參數為 的指數分布,指數分布的無記憶性,對于任意 有,證明:,3. 正態(tài)分布,若隨機變量X的密度函數為,,其中 和 都是常數, 則稱X服從參數為 和 的正態(tài)分布. 記為,,,,正態(tài)分布是概率論中最重要的連續(xù)型分布, 在十九世紀前葉由德國數學家高斯加以推廣, 故又稱為高斯分布.,從圖形可見,密度函數關于 對稱,,越小,分布越集中在 附近,,越大,分布就越平坦,一般來說
14、,一個隨機變量如果受到許多隨機因素的影響,而其中每一個因素都不起主導作用(作用微小),則它服從正態(tài)分布. 這是正態(tài)分布在實踐中得以廣泛應用的原因. 例如, 產品的質量指標, 元件的尺寸, 某地區(qū)成年男子的身高、體重, 測量誤差, 射擊目標的水平或垂直偏差, 信號噪聲、農作物的產量等等, 都服從或近似服從正態(tài)分布.,設某項競賽成績 ,若按參賽人數的10%發(fā)獎,問獲獎分數線應定為多少?,解:設獲獎分數線為m,則,解出m即
15、可,4. 標準正態(tài)分布,標準正態(tài)分布N(0,1)的重要性在于, 任何一個一般的正態(tài)分布都可以通過線性變換轉化為標準正態(tài)分布.,,定理:設 ,則,正態(tài)分布當 時稱為標準正態(tài)分布其密度函數常用 表示:,分布函數的性質,①單調性:若 ,則,證明:,②,③ 右連續(xù)性:,,判別下列函數是否為某隨機變量的分布函數?,,注意:右連續(xù)性要求 至多有可
16、列個間斷點, 在其間斷點上右連續(xù)。,,等可能地在數軸上的有界區(qū)間 上投點, 記X為落點的位置(數軸上的坐標) , 求隨機變量X的分布函數.,解:,欲求,當 時,事件 表示點落在 外,這是不可能事件,故 ;,當 時,事件 的概率表示點落在 的概率,故 ;,當
17、時,事件 是必然事件,故 ;,離散型隨機變量的分布函數,設離散型隨機變量X的分布律為,,則X的分布函數為,,它是一個階梯函數(右連續(xù)),在每個 處有跳躍,躍度為,設 ,求,,解:,0,,連續(xù)型隨機變量的分布函數,設連續(xù)型隨機變量X的密度函數為,則,兩點說明:,①,,,② 若 在 處連續(xù),則,不止是右連續(xù)的,而是整
18、個數軸上的連續(xù)函數,設連續(xù)型隨機變量X的分布函數為,求:A,密度函數 ,,解:,因 是連續(xù)函數,故,設X的密度函數,求 F(x).,解:,正態(tài)分布的分布函數,正態(tài)分布 的分布函數,標準正態(tài)分布 的分布函數,標準正態(tài)分布表的使用,①表中給出了 時 的數值, 當 時,利用 正態(tài)分布的對稱性, 易見有,,,,②若 則,,,③若 ,則
19、 故X的分布函數,,,,,,解:,求X的分布函數,聯(lián)合分布函數的性質,1. 是 的不減函數,即,時,,時,,2.,3. 關于 均為右連續(xù),即,4. 非負性 對任意的,從左圖可知,具有上述四條性質的二元函數一定是某個二維隨機 向量的分布函數 性質4是二維場合特有的,但性質4不能由前三條推出,二元函數 是不是分布函數?,解:,容易證明單調性、
20、有界性、右連續(xù)性滿足,但,不滿足性質4,故 不能成為某二維隨機向量的分布函數,聯(lián)合密度函數的性質,(4),設隨機向量 的聯(lián)合密度函數為,求:常數K; 落在區(qū)域G的概率;,解:,G,二維均勻分布,設G是平面上的有界區(qū)域, 面積為S。若二維隨機向量 具有聯(lián)合密度函數,,則稱 在G上服從均勻分布,,,,設隨機變量,求
21、 的聯(lián)合分布律,,設 服從二維正態(tài)分布,求其關于X、Y的邊緣密度。,解:,設二維隨機向量 的聯(lián)合密度函數為,求:,解:,時,,時,,時,,時,,即,即,關于隨機變量的獨立性,有以下兩個定理:,定理1 隨機變量X與Y相互獨立的充要條件是X所生成的任何事件與Y生成的任何事件獨立, 即對任意實數集A,B 有,,定理2 如果隨機變量X與Y相互獨立, 則對任意函數
22、 , 和 相互獨立。,,對離散型隨機變量 ,其獨立性的定義等價于:,,對 的所有可能取值 有,,即,,對連續(xù)型隨機變量 ,其獨立性的定義等價于:,對任意的 ,,,幾乎處處成立,設X、Y的聯(lián)合密度函數為,,X、Y是否相互獨立?,解:,當 時,當 或 時,同理,不獨立,已知X,Y相互獨立,分布律為,求X-Y的分布律。,
23、X-Y的取值可以為1,2,3,4,類似可算出其它概率,X-Y的概率分布表為,解:,(分賭本問題)甲乙兩賭徒賭技相同,各出賭注50元.無平局,誰先贏3局,則獲全部賭注.當甲贏2局、乙贏1局時,中止了賭博.問如何分賭本?,因再賭兩局必分勝負,共四種情況: 甲甲、甲乙、乙甲、乙乙所以甲分總賭本的3/4、乙分總賭本的1/4,解:,,設X的密度函數為 ,且,,求 與 的值。,解:,,,定理 設X是一個隨機變量
24、,Y=g(X),且E(Y)存在,則,⑴若X為離散型隨機變量,分布律為,則Y的數學期望為,⑵若X為連續(xù)型隨機變量,密度函數為,則Y的數學期望為,,上述定理可推廣到二維以上的情形, 即,,,,設 的密度函數為,,求,解:,,設 的聯(lián)合分布律為,,求,解:,,設 ,試利用期望的性質求,解:,引入隨機變量,則,故,將隨機變量分解成若干個隨機變量之和,一般會使數學期望的計算變得簡單,,一輛公共汽車上共有25名乘客,每個
25、乘客都等可能地在9個車站中任一站下車,并且他們下車與否相互獨立。公共汽車只有在有人下車時才停車,求公共汽車停車次數X的數學期望。,解:引入隨機變量,第i站有人下車,第i站無人下車,易知,按題意,任一乘客在第i站不下車的概率為 ,因此25名乘客都不在第i站下車的概率為,則 的分布律為,因此,故,,設 是一個隨機變量, 稱偏差平方 的數學期望 為 的方差,記為,方差的正平方根 稱為標準差或
26、均方差,它與 具有相同的度量單位, 在實際中經常使用.,方差的定義,離散型隨機變量,連續(xù)型隨機變量,方差(標準差)刻劃了隨機變量的取值與數學期望的偏離 程度,它的大小可以衡量隨機變量取值的波動性.,,從方差(標準差)的定義易見: ① 的取值越集中,方差越小; ② 的取值越分散,方差越大。 若X的數學期望存在,其方差不一定存在;但當X 的方差存在時, 必定存在。,,利用數學期望的性質, 易得計算
27、方差的一個 簡化公式:,,設隨機變量X的數學期望 和方差 都存在,且,,,記 則,,,,,即 的數學期望為0, 方差為1; 稱為X的標準化變量,,1. 常數的方差為0,即,方差的性質,2.,3.,特別地,若X,Y相互獨立,則,注:設 兩兩相互獨立,則,,設隨機變量X和Y相互獨立,試證,,證明:,,設隨機變量X和Y的聯(lián)合分布律如下,
28、,求 的協(xié)方差(02年考研題),解: 的聯(lián)合分布律為,,故,,協(xié)方差的性質,①,②,④,⑤,⑥ 若 相互獨立,則,⑦ 隨機變量和的方差與協(xié)方差的關系:,特別地,當X,Y獨立時,,若隨機變量Y=aX+b, ,求X和Y的相關系數。,解:,故,故 時,時,,1.,相關系數的性質,表明X和Y有近似線性關系,稱X和Y正相關;,稱X和Y負相關,設X,Y的聯(lián)合分布律為,,但
29、 故X,Y不獨立,事實上, X和Y具有關系 ,Y的值完全可由X的值所確定,故,已知X的密度函數為,求cov(X,|X|),X與|X|是否相關?是否獨立?,解:,于是,,即X和|X|不相關,,但顯然兩者不獨立,1.設 ,,求 的協(xié)方差矩陣,2.設,的協(xié)方差矩陣
30、 ,求相關系數矩陣,大數定律 生產實踐中, 人們認識到大量試驗數據、測量數據的 算術平均值具有穩(wěn)定性. 大數定律敘述隨機變量序列的算術平均值的收斂性 作為特例,它解決了頻率與概率間的收斂關系問題,中心極限定理 確定在什么條件下,大量隨機變量之和的分布函數會 收斂于正態(tài)分布函數. 從理論上說明了,在客觀世界中遇到的許多隨機變量 為什么往往服從正態(tài)分布或近似服從正態(tài)分布,切比雪夫不等式
31、,另一種常用形式:,越大,即,隨機變量X集中在期望附近的可能性越大,由此可見方差刻畫了隨機變量取值的離散程度。,⑵ 當方差已知時,切比雪夫不等式給出了X與它的期望 的偏差不小于 的概率的估計式,例如,取 ,則,故對任給的分布,只要期望和方差存在,則隨機變量X 取值偏離E(X)超過3倍標準差的概率小于0.111,設電網供電站有10000盞電燈,夜晚每一盞燈開燈的概率都是0.7,假設各盞燈的開、
32、關相互獨立,試估計夜晚同時開著的燈數在6800和7200之間的概率。,解:用X表示同時開著的燈的數目,X~B(10000, 0.7),用切比雪夫不等式估計:,依概率收斂,與微積分學中收斂性的概念類似, 概率論中要考慮隨機變量序列的收斂性.,伯努利大數定律,,伯努利大數定律表明,當重復試驗次數充分大時, 事件A發(fā)生的頻率 依概率收斂于事件發(fā)生的概率p。 定理以嚴格的數學形式表達了頻率的穩(wěn)定性. 在實際應用中, 當試驗次數很大時,便可以
33、用事件發(fā)生的頻率來近似代替事件的概率。,如果事件的概率很小,則由伯努利大數定律知事件 發(fā)生的頻率也是很小的,或者說事件很少發(fā)生,即“概率很小的隨機事件在個別試驗中幾乎不會發(fā)生”, 這一原理稱為小概率原理,它的實際應用很廣泛。,但應注意到,小概率事件與不可能事件是有區(qū)別的. 在多次試驗中,小概率事件也可能發(fā)生。,辛欽大數定律,定理不要求隨機變量的方差存在; 伯努利大數定律是辛欽大數定律的特殊情況;,辛欽大數定律為尋找隨機變量的
34、期望值提供了一條實際可行的途徑。例如, 要估計某地區(qū)的平均畝產量, 可收割某些有代表性的地塊, 如n塊,計算其平均畝產量, 則當n較大時,可用它作為整個地區(qū)平均畝產量的一個估計。此類做法在實際應用中具有重要意義。,中心極限定理,實際問題中, 許多隨機現(xiàn)象是由大量相互獨立的隨機因素綜合影響所形成, 其中每一個因素在總影響中所起的作用是微小的,這類隨機變量一般都服從或近似服從正態(tài)分布。以一門大炮的射程為例, 影響大炮的射程的隨機因素包
35、括: 大炮炮身結構的制造導致的誤差, 炮彈及炮彈內炸藥在質量上的誤差, 瞄準時的誤差, 受風速、風向的干擾而造成的誤差等。其中每一種誤差造成的影響在總的影響中所起的作用是微小的, 并且可以看成是相互獨立的, 人們關心的是這眾多誤差因素對大炮射程所造成的總影響。因此需要討論大量獨立隨機變量和的問題.,中心極限定理回答了大量獨立隨機變量和的近似分布問題, 其結論表明: 當一個量受許多隨機因素(主導因素除外) 的共同影響而隨機取值, 則它的分
36、布就近似服從正態(tài)分布。,該定理表明:,,,只假設 獨立同分布、方差存在,不管原來的分布是什么,只要n充分大,就可以用正態(tài)分布去逼近隨機變量和的分布。,將林德伯格-勒維極限定理用于重復伯努利試驗場合,可得:,顯然棣莫佛—拉普拉斯定理是林德伯格—勒維定理的一個特例。 它還說明,二項分布的極限分布是正態(tài)分布。,某大型商場每天接待顧客10000人,設某位顧客的消費額(元)服從[100,1000]上的均勻分布,且顧客的消費額是獨立的
37、,試求該商場的銷售額超過600萬的概率。,解:設第i位顧客消費 元,商場銷售額為X,由林德伯格-勒維極限定理,對于一個學校而言, 來參加家長會的家長人數是一個隨機變量, 設一個學生無家長、1名家長、 2名家長來參加會議的概率分別0.05, 0.8, 0.15。若學校共有400名學生, 設各學生參加會議的家長數相互獨立, 且服從同一分布.(1)求參加會議的家長數超過450的概率;(2)求有1名家長來參加會議的學生數不多于34
38、0的概率.,解:(1)設第i位學生的家長數為,參加會議的家長總數為X,則,相互獨立,欲求,(2)引入隨機變量,有1名家長來參加會議的學生數為Y,則,欲求,設我們獲得了如下三個樣本:樣本A: 3,4,5,6,7;樣本B: 1,3,5,7,9; 樣本C: 1,5,9,① 如果將它們畫在數軸上,明顯可見它們的“分散程度” 不同:樣本A在這三個樣本中比較密集,而樣本C比較 分散。,③ 由于樣本方差的量綱與樣本的量綱不同,故常用樣
39、本 標準差表示分散程度,即,同樣有,則順序統(tǒng)計量與極差的觀測值為,,,,,,,分布的概率密度為:,,其中 為Gamma函數,,卡方分布是只取非負值的偏態(tài)分布。當自由度n增大時,卡方分布密度函數的圖形逐漸接近于正態(tài)分布的密度曲線,分布的性質,設 是來自總體 的樣本, 又設,,,,試求常數C, 使CY服從卡方分布。,解:,同樣可得,且 與
40、 相互獨立,于是,定理1:,t 分布,t 分布的密度函數:,,,定義2 設 且 與 相互獨立,則稱,服從自由度為n的 t 分布,記為,,1. 的圖形關于縱軸對稱,且,,,2. 當n充分大時,t分布近似于標準正態(tài)分布。 一般,時,t分布可用 近似。,t 分布的性質,分布的分位數,設 對給定的實數
41、 稱滿足條件,的點 為 分布的上(側) 分位點,由密度函數 的對稱性,知,設 是來自正態(tài)總體 的一個樣本,證明,證明:,而,與 相互獨立,定理2:,F 分布,F 分布的密度函數:,,定義3 設 且 與 相互獨立,則稱,服從自由度為m與n的F分布,記為,F分布的性質,1. 若 則,2
42、. 若 則,設總體X服從標準正態(tài)分布, 是來自總體X的一個樣本, 試問統(tǒng)計量,,服從何種分布?,解:,且兩者相互獨立,定理4及推論:,,,,估計量 是一個隨機變量, 是樣本的函數,即是一個統(tǒng)計量;對不同的樣本值, 的估計值 一般是不同的.,,因為由大數定律知, 當總體的k階矩存在時,樣本的k階矩依概率收斂于總體的k階矩,用矩法估計事件
43、發(fā)生的概率p,解:,設 為一組樣本,其中m為事件發(fā)生次數,即可用事件發(fā)生的頻率來估計概率,設總體X在[a,b]上服從均勻分布,a,b未知. 是來自X的樣本, 試求a,b的矩估計量.,,解:,令,解出,設總體X的密度函數為,,其中 是未知參數, 是取自X的樣本, 求參數 的矩估計.,,,解:,
44、令,解出,設總體X的密度函數為,是取自X的樣本, 求參數 的矩估計.,解:,令,解出,另外,令,解出,這說明矩估計可能不唯一,通常應盡量用低階矩來給出未知參數的估計,最大似然估計,,某同學與一位獵人一起去打獵,一只野兔從前方竄過, 只聽一聲槍響, 野兔應聲倒下, 試猜測是誰打中的?,由于只發(fā)一槍便打中,而獵人命中的概率一般大于這位同學命中的概率, 故猜測這一槍是獵人射中的.,,,最大似然估計法的思想: 在已經得到實驗結果的情況下
45、, 應該尋找使這個結果出現(xiàn)的可能性最大的那個 作為 的估計 .,下面分別就離散型總體和連續(xù)型總體情形作具體討論.,,,,,似然函數 的值的大小意味著該樣本值出現(xiàn)的可能性大小,在已得到樣本值 的情況下, 應該選擇使 達到最大值的那個 作為 的估計 . 這種求點估計的方法稱為最大似然估計法(MLE).,用最大似然法估計事件發(fā)生的概率p,解:,設 為一組樣本
46、,取對數得,求駐點,令,解出,這是唯一可能的極值點,也是最大值點,即由最大似然法,可以由頻率估計概率。,設總體X的密度函數為,,若有一組樣本,16,29,50,68,100,130,140,270,280,340,410,450,520,620,190,210,800,1100,求參數 的最大似然估計。,解:用 表示樣本觀測值,,解出,§2 估計量的評選標準,,對同一參數 ,可以用不同的方法
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
評論
0/150
提交評論