教 案概率论与数理统计
(Probability Theory and Mathematical Statistics)
内容提要：
本课程内容为随机事件与概率、随机变量及其分布、多维随机变量及其分布、随机变量的数字特征、大数定律和中心极限定理、数理统计的基本概念、参数估计、假设检验、方差分析和回归分析等。
二、教材及参考书：
丁正生，刘叶玲，廖登洪等.概率论与数理统计应用.西安:西北工业大学出版社,2003
华东师范大学数学系编.概率论与数理统计教程.北京:高等教育出社,1983
复旦大学数学系．概率论.北京：人民教育出版社，1979
刘景泰等．概率论与数理统计．上海：上海科学技术文献出版社，1991
朱燕堂，赵选民，徐伟.应用概率统计方法.西安：西北工业大学出版社，1997
盛骤，谢式千，潘承毅.概率论与数理统计.第3版.北京:高等教育出社,2001
禇维盘等.概率论与数理统计指导与提高,西安：西北工业大学出版社，2001
Murray Spiegel,John J,Schiller,Alu Srinivasan.Schaum's Outline of Probability and Statistics （2 edition）,McGraw-Hill Trade,2000
Charles J,Stone,A Course in Probability and Statistics,北京：机械工业出版社，2004
三、课程教育目标：
概率论与数理统计是研究随机现象客观规律性的数学学科，是高等学校工科本科各专业的一门重要的基础理论课。通过本课程的教学，应使学生掌握概率论与数理统计的基本概念，了解它的基本理论和方法，从而使学生初步掌握处理随机事件的基本思想和方法，培养学生运用概率统计方法分析和解决实际问题的能力。
第一章 随机事件及其概率
内容提要
本章主要讲述随机试验，样本空间，随机事件，事件间的关系与运算，频率，概率的统计定义，概率的性质，古典概型，几何概型，条件概率，乘法公式，全概率公式,贝叶斯公式，事件的独立性，贝努里概型等内容。
重点分析
理解随机事件的概念，掌握事件之间的关系与运算。
理解事件频率的概念，了解概率的统计定义。
理解概率的古典定义，会计算简单的古典概率。
了解概率的基本性质及概率加法定理。
了解条件概率的概念、概率的乘法定理。
理解事件的独立性概念，掌握伯努利概型和二项概率的计算。
难点分析
古典概型的计算，乘法公式，全概率公式及贝叶斯公式的应用
习题布置
习题1 (2,3,4,6,8,11,12,14,16,18,20)
备注
教 学 内 容 ( Contents )
Chapter One 随机事件及其概率(Random Events and Probability)
课 程 简 介 (Introduction)
首先介绍概率论与数理统计学科研究的主要内容及与其他数学学科的联系.第一、二、三、四章是概率论的内容,第五、六、七、八、九、十章是数理统计部分.
一、概率论的诞生及应用(Naissance and application of probability theory)
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 局便算赢家,若在一赌徒胜 局 (),另一赌徒胜局()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-------数学期望
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,一方面，它有自己独特的概念和方法，另一方面，它与其他数学分支又有紧密的联系，它是现代数学的重要组成部分.概率论的广泛应用几乎遍及所有的科学技术领域,例如天气预报,地震预报,产品的抽样调查; 工农业生产和国民经济的各个部门,在通讯工程中可用以提高信号的抗干扰性,分辨率等等,
概率论就是研究随机现象规律性的一门数学学科.
二、随机现象(Random phenomenon)
自然界和社会上所观察到的现象,确定性现象 随机现象确定性现象 在一定条件下必然发生的现象称为确定性现象,实例
确定性现象的特征 条件完全决定结果随机现象 在一定的条件下，可能出现这样的结果，也可能出现那样的结果，而在试验或观察之前不能预知确切的结果,实例
随机现象的特征 条件不能完全决定结果
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.
Problem,什么是随机试验?
§1.1 随机事件(Random Events)
一,随机试验(Random experiment)
我们遇到过各种试验。在这里，我们把试验作为一个含义广泛的术语，它包括各种各样的科学试验，甚至对某一事物的某一特征的观察也认为是一种试验。下面举一些试验的例子：
：抛一枚硬币，观察正面、反面出现的情况。
：将一枚硬币抛三次，观察出现正面的次数。
：抛一枚骰子，观察出现的点数。
：记录车站售票处一天内售出的车票数。
：在一批灯泡中任意抽取一只，测试它的寿命。
：记录某地一昼夜的最高温度和最低温度。
这些试验都具有以下的特点：
可以在相同的条件下重复地进行；
每次试验的可能结果不止一个，并且能事先明确试验的所有可能结果；
进行一次试验之前不能确定哪一个结果会出现。
在概率论中，我们将具有上述三个特点的试验称为随机试验(Random experiment)。
二,样本空间(Sampling space)
对于随机试验，尽管在每次试验之前不能预知试验的结果，但试验的一切可能的结果是已知的，我们把随机试验的所有可能结果组成的集合称为的样本空间(Sampling space)，记为。样本空间的元素，即的每个结果，称为样本点(Sampling point)。例如，上面的个随机试验的样本空间分别为：
；
；
；
；这里的是售票处一天内准备出售的车票数。
；
；这里表示最低温度，表示最高温度。并设这一地区的温度不会小于，也不会大于。
三,随机事件(Random event)
在随机试验中，可能发生也可能不发生的事情就叫随机事件(Random event)。随机事件常用大写字母表示，它是样本空间的子集合。在每次试验中，当且仅当子集中的一个样本点出现时，称事件发生。
例如在中，如果用表示事件“掷出奇点数”，那么是一个随机事件。由于在一次投掷中，当且仅当掷出的点数是1，3，5中的任何一个时才称事件发生了，所以我们把事件表示为。同样地，若用表示事件“掷出偶点数”，那么也是一个随机事件，.
对于一个试验，在每次试验中必然发生的事件，称为的必然事件(Certain event)；在每次试验中都不发生的事件，称为的不可能事件(Impossible event)。例如在中，“掷出的点数不超过6”就是必然事件，用集合表示这一事件就是的样本空间.而事件“掷出的点数大于6”是不可能事件，这个事件不包括的任何一个可能结果，所以用空集表示。对于一个试验，它的样本空间是的必然事件；空集是不可能事件。必然事件与不可能事件虽已无随机性可言，但在概率论中，常把它们当作两个特殊的随机事件，这样做是为了数学处理上的方便。
四,事件间的关系与运算(Relation and operation of events)
因为事件是一个集合，因而事件间的关系和运算是按集合间的关系和运算来处理的。下面给出这些关系和运算在概率中的提法。并根据“事件发生”的含义，给出它们在概率中的含义。
设试验的样本空间为，而是的子集。
（1）事件的包含与相等(Inclusion and equivalent relation) 若事件发生必然导致事件发生，则称事件包含事件，记为或者。若且，即，则称事件与事件相等。
（2）事件的和(Union of events) 事件与事件至少有一个发生的事件称为事件与事件的和事件，记为.事件发生意味着：或事件发生，或事件发生，或事件与事件都发生。
事件的和可以推广到多个事件的情景。设有个事件，定义它们的和事件为{中至少有一个发生}，记为.
（3）事件的积(Product of events) 事件与事件都发生的事件称为事件与事件的积事件，记为，也简记为。事件（或）发生意味着事件发生且事件也发生，即与都发生。
类似的，可以定义个事件的积事件={都发生}。
（4）事件的差(Difference of events) 事件发生而事件不发生的事件称为事件与事件的差事件，记为。
（5）互不相容事件(互斥)(Incompatible events) 若事件与事件不能同时发生，即，则称事件与事件是互斥的，或称它们是互不相容的。若事件中的任意两个都互斥，则称这些事件是两两互斥的。
(6) 对立事件(Opposite events),不发生”的事件称为事件的对立事件，记为.和满足：，，。
（7）事件运算满足的定律 设为事件，则有交换律(Exchange law)：；。
结合律(Combination law)：；。
分配律(Distributive law)：；。
对偶律(Dual law)：；。
Example 1.1 向指定目标射三枪，观察射中目标的情况。用、、分别表示事件“第1、2、3枪击中目标”，试用、、表示以下各事件：
（1）只击中第一枪；
（2）只击中一枪；
（3）三枪都没击中；
（4）至少击中一枪。
Solution （1）事件“只击中第一枪”，意味着第二枪不中，第三枪也不中。所以，可以表示成 。
（2）事件“只击中一枪”，并不指定哪一枪击中。三个事件“只击中第一枪”、“只击中第二枪”、“只击中第三枪”中，任意一个发生，都意味着事件“只击中一枪”发生。同时，因为上述三个事件互不相容，所以，可以表示成 ++.
（3）事件“三枪都没击中”，就是事件“第一、二、三枪都未击中”，所以，可以表示成 .
（4）事件“至少击中一枪”，就是事件“第一、二、三枪至少有一次击中”，所以，可以表示成 或 ++++++ .
§1.2 概率的统计定义(The Statistic Definition of Probability)
一,频率(Frequency)
设为任一随机试验，为其中任一事件，在相同条件下，把独立的重复做次，表示事件在这次试验中出现的次数（称为频数）。比值称为事件在这次试验中出现的频率(Frequency)。
人们在实践中发现：在相同条件下重复进行同一试验，当试验次数很大时，某事件发生的频率具有一定的“稳定性”，就是说其值在某确定的数值上下摆动。一般说，试验次数越大，事件发生的频率就越接近那个确定的数值。因此事件发生的可能性的大小就可以用这个数量指标来描述。
二,概率的统计定义(The statistic definition of probability)
Definition 1.1 设有随机试验，若当试验的次数充分大时，事件的发生频率稳定在某数附近摆动，则称数为事件的概率(Probability)，记为：。(Let be a random experiment,a number is called the probability of a event if the frequency of swings nearby steadily.)
概率的这种定义，称为概率的统计定义，统计定义是以试验为基础的，但这并不是说概率取决于试验。值得注意的是事件出现的概率是事件的一种属性。也就是说完全决定于事件本身的结果，是先于试验客观存在的。概率的统计定义只是描述性的，一般不能用来计算事件的概率。通常只能在充分大时，以事件出现的频率作为事件概率的近似值。
三,概率的性质(The property of probability)
（1）.
（2）,.
（3）若，则.
（4）.
（5）.特别地，若 ,，.
（6）对任意两个事件，有.
这条性质可以推广到多个事件。设是任意个事件，则有
Example 1.2 设事件的概率分别为,在下列三种情况下分别求的值：
（１）与互斥；
（２）
（３）．
Solution 由性质（5），=.
因为与互斥，所以，==P(B)=
因为所以===
==
§1.3 古典概型(Classical Probability)
一,古典概型（等可能概型）(Classical probability)
“概型”是指某种概率模型。“古典概型”是一种最简单、最直观的概率模型。如果做某个随机试验时，只有有限个事件可能发生，且事件满足下面三条：
（1）发生的可能性相等（等可能性）；
（2）在任意一次试验中至少有一个发生（完备性）；
（3）在任意一次试验中至多有一个发生（互不相容性）。
具有上述特性的概型称为古典概型(Classical probability)或等可能概型。称为基本事件(Basic events)。
等可能概型中事件概率的计算：设在古典概型中，试验共有个基本事件，事件包含了个基本事件，则事件的概率为
Example 1.3 一袋中有8个大小形状相同的球，其中5个黑色球，三个白色球。现从袋中随机地取出两个球，求取出的两球都是黑色球的概率。
Solution 从8个球中取出两个，不同的取法有种。若以表示事件{取出的两球是黑球}，那么使事件发生的取法为种，从而
/=5/14
Example 1.4 在箱中装有100个产品，其中有3个次品，为检查产品质量，从这箱产品中任意抽5个，求抽得5个产品中恰有一个次品的概率。
Solution 从100个产品中任意抽取5个产品，共有种抽取方法，事件={有1个次品，4个正品}的取法共有种取法，故得事件的概率为
Example 1.5 将个球随机地放入个盒子中，求：
（１）每个盒子最多有一个球的概率；
（２）某指定的盒子中恰有（）个球的概率。
Solution 这显然也是等可能问题。
先求个球随机地放入个盒子的方法总数。因为每个球都可以落入个盒子中的任何一个，有种不同的放法，所以个球放入个盒子共有种不同的放法。
（1）事件={每个盒子最多有一个球}的放法。第一个球可以放进个盒子之一，有种放法；第二个球只能放进余下的个盒子之一，有种放法；．．．第N个球只能放进余下的个盒子之一，有种放法；所以共有种不同的放法。故得事件的概率为
（2）事件={某指定的盒子中恰有个球}的放法。先从个球中任选个分配到指定的某个盒子中，共有种选法；再将剩下的个球任意分配到剩下的个盒子中，共有种放法。所以，得事件的概率为
Example 1.6 在１~９的整数中可重复的随机取６个数组成６位数，求下列事件的概率：
（１）６个数完全不同；
（２）６个数不含奇数；
（３）６个数中５恰好出现4次。
Solution 从9个数中允许重复的取6个数进行排列，共有种排列方法。
（1）事件A={６个数完全不同}的取法有种取法，故
（2）事件B={６个数不含奇数}的取法。因为6个数只能在2，4，6，8四个数中选，每次有4种取法，所以有取法。故
（3）事件C={６个数中５恰好出现4次}的取法。因为6个数中５恰好出现4次可以是6次中的任意4次，出现的方式有种，剩下的两种只能在1，2，3，4，6，7，8，9中任取，共有种取法。故
二,几何概型(Geometric probability)
上述古典概率是在有限样本空间下进行的，为了克服这种局限性，我们将古典概型推广。
如果一个试验具有以下两个特点：
样本空间是一个大小可以计量的几何区域（如线段、平面、立体）。
向区域内任意投一点，落在区域内任意点处都是“等可能的”。
那么，事件的概率由下式计算：
Example 1.7 在一个均匀陀螺的圆周上均匀地刻上（０，４）上的所有实数，旋转陀螺，求陀螺停下来后，圆周与桌面的接触点位于［0.5，１］上的概率。
Solution 由于陀螺及刻度的均匀性，它停下来时其圆周上的各点与桌面接触的可能性相等，且接触点可能有无穷多个，故 .
Example 1.8 甲乙两人相约点在预定地点会面。先到的人等候另一人分钟后离去，求甲乙两人能会面的概率。
Solution 以，分别表示甲、乙二人到达的时刻，那末 , ；若以表示平面上的点的坐标，则所有基本事件可以用这平面上的边长为4的一个正方形：, 内所有点表示出来。二人能会面的充要条件是 （图中阴影部分）；所以所求的概率为：
.
§1.4 条件概率(Conditional Probability)
一,条件概率(Conditional probability)
在实际问题中，常常会遇到这样的问题：在得到某个信息以后（即在已知事件发生的条件下），求事件发生的概率。这时，因为求的概率是在已知发生的条件下，所以称为在事件发生的条件下事件发生的条件概率。记为。
由此引入条件概率的一般定义：
Definition 1.2 设是两个事件，且，称=为在事件发生的条件下事件发生的条件概率(Conditional probability)。(Suppose are two events and,= is called the conditional probability of under the condition that occurs.)
计算条件概率可选择两种方法之一：
在缩小后的样本空间中计算发生的概率.
在原样本空间中，先计算，再按公式=计算，求得.
Example1.9 设某种动物有出生起活20岁以上的概率为80%，活25岁以上的概率为40%.如果现在有一个20岁的这种动物，问它能活25岁以上的概率？
Solution 设事件={能活20岁以上}；事件={能活25岁以上}。按题意，，由于，因此.由条件概率定义
二,乘法公式(Multiplication formula)
由条件概率的定义容易推得概率的乘法公式(Multiplication formula)：
利用这个公式可以计算积事件。乘法公式可以推广到个事件的情形：若)，则
Example1.10 在一批由90件正品，３件次品组成的产品中,不放回接连抽取两件产品，问第一件取正品，第二件取次品的概率。
Solution 设事件={第一件取正品}；事件={第二件取次品}。按题意，=，=.由乘法公式
三、全概率公式(Complete probability formula)
为了计算复杂事件的概率，经常把一个复杂事件分解为若干个互不相容的简单事件的和，通过分别计算简单事件的概率，来求得复杂事件的概率。
全概率公式(Complete probability formula)：为样本空间的一个事件组，且满足：
（1）互不相容，且;
(2).
则对中的任意一个事件都有
Proof,因为
()=
由假设，得到
Example1.11 七人轮流抓阄，抓一张参观票，问第二人抓到的概率？
Solution 设={第人抓到参观票}()，于是
由全概率公式 .
从这道题，我们可以看到，第一个人和第二个人抓到参观票的概率一样；事实上，每个人抓到的概率都一样。这就是“抓阄不分先后原理”。
Example 1.12 设有一仓库有一批产品，已知其中50%、30%、20%依次是甲、乙、丙厂生产的，且甲、乙、丙厂生产的次品率分别为，现从这批产品中任取一件，求取得正品的概率？
Solution 以、、表示诸事件“取得的这箱产品是甲、乙、丙厂生产”；以表示事件“取得的产品为正品”，于是,
按全概率公式,有：
四,贝叶斯公式(Bayesian formula)
设是样本空间的一个事件，为的一个事件组，且满足：
（1）互不相容，且;
(2).
则
这个公式称为贝叶斯公式(Bayesian formula)，也称为后验公式。
Example 1.13 发报台分别以概率0.6和0.4发出信号“．”和“—”，由于通讯系统受到干扰，当发出信号“．”时，收报台未必收到信号“.”，而是分别以0.8和0.2收到“．”和“—”；同样，发出“—”时分别以0.9和0.1收到“—”和“．” 。如果收报台收到“．”，问它没收错的概率？
Solution 设={发报台发出信号“．”}，={发报台发出信号“—”}，＝｛收报台收到“．”｝，＝｛收报台收到“—”｝；于是，，，，，，；按贝叶斯公式，有
所以没收错的概率为.
Example 1.14 根据以往的记录，某种诊断肝炎的试验有如下效果：对肝炎病人的试验呈阳性的概率为0.95 ；非肝炎病人的试验呈阴性的概率为0.95,对自然人群进行普查的结果为：有千分之五的人患有肝炎。现有某人做此试验结果为阳性，问此人确有肝炎的概率为多少？
Solution 设{某人做此试验结果为阳性}，{某人确有肝炎}；由已知条件有，，，；从而，；由贝叶斯公式，有
本题的结果表明，虽然，，这两个概率都很高。但若将此实验用于普查，则有，即其正确性只有8.7%.如果不注意到这一点，将会经常得出错误的诊断。这也说明，若将和搞混了会造成不良的后果。
§1.5 事件的独立性(Independence of Events)
一,事件的独立性(Independence of events)
设，是两个事件，一般而言，这表示事件的发生对事件的发生的概率有影响，只有当时才可以认为的发生与否对的发生毫无影响，这是就称两事件是独立的。这时，由条件概率可知，
由此，我们引出下面的定义。
Definition 1.3 若两事件，满足,则称，相互独立(Mutual independence)。 (The events ，is called independent mutually if .)
Theorem 1.1 若四对事件中有一对是相互独立的，则另外三对也是相互独立的.(If there is one dual of the four events is independence,then the rest are also independence.)（证明留给学生）
在实际问题中，我们一般不用定义来判断两事件，是否相互独立，而是相反，从试验的具体条件以及试验的具体本质分析去判断它们有无关联，是否独立？如果独立，就可以用定义中的公式来计算积事件的概率了。
Example 1.15 两门高射炮彼此独立的射击一架敌机，设甲炮击中敌机的概率为0.9，乙炮击中敌机的概率为0.8，求敌机被击中的概率？
Solution 设={甲炮击中敌机}，={乙炮击中敌机}，那么{敌机被击中}=；因为与相互独立，所以，有
Note：事件的独立性与互斥是两码事，互斥性表示两个事件不能同时发生，而独立性则表示他们彼此不影响。
Definition 1.4 设是三个事件，如果满足：
则称这三个事件是两两独立的。(Three events are called independence between them if .)
Definition 1.5 设是三个事件，如果满足：
,
则称这三个事件是相互独立的。(Three events are called independence each other if
,.)
三个事件相互独立一定是两两独立的，但两两独立未必是相互独立。
Example 1.16 一产品的生产分4道工序完成，第一、二、三、四道工序生产的次品率分别为2%、3%、5%、3%，各道工序独立完成，求该产品的次品率？
Solution 设A={该产品是次品}，={第i道工序生产出次品}，I=1,2,3,4,则
事件的相互独立性概念可推广到多个事件的情形：
Definition 1.6 设是个事件,若对任意，对任意，都成立
则称事件相互独立。(The events are called independent each other if
for any .)
第一章小结(Summary of Chapter One)
1,本章介绍了随机事件与样本空间的概念，事件的关系与运算；给出了概率的统计定义，概率加法定理，条件概率与概率乘法定理，并介绍了全概率公式与逆概率公式，研究了事件的独立性问题，贝努里概型。
2,古典概型是一种随机现象的数学模型，它要求所研究的样本空间是有限的，且各样本点的发生和出现是等可能的。计算古典概率必须要知道样本点的总数和事件Ａ所含的样本点数。在所考虑的样本空间中，对任何事件Ａ均有.古典概率的求法是灵活多样的，从不同的角度分析，可以构成不同的样本空间，解题的关键是确定什么是所需的样本点。
统计概率是一种随机试验事件的概率，它不一定是古典概型。其特点是以事件出现次数的频率作为概率的近似值。
事件的关系和运算和集合论的有关知识有着密切的联系。如事件的包含关系可以表示为集合的包含关系；事件的和、积相当于集合的并、交，事件的对立相当于集合的互补，学习时需要加以对照。
为了讨论有关系的事件的概率，必须了解概率的加法定理、条件概率与概率乘法定理。在应用加法定理时首先要搞清楚所涉及的事件是否互斥（三个以上的事件是否两两互斥？）。使用概率的乘法公式时，首先要搞清楚所涉及的事件是否相互独立？条件概率与事件乘积的概率的联系由公式表示。了解事件的独立性以及事件的互不相容性对于计算一些事件的概率可起简化作用。
全概率公式 中要求是互不相容的完备群。逆概率公式是求后验概率而得到的。它与全概率公式中求先验概率问题恰是对立的，但彼此又有公式相联系。
(Probability Theory and Mathematical Statistics)
内容提要：
本课程内容为随机事件与概率、随机变量及其分布、多维随机变量及其分布、随机变量的数字特征、大数定律和中心极限定理、数理统计的基本概念、参数估计、假设检验、方差分析和回归分析等。
二、教材及参考书：
丁正生，刘叶玲，廖登洪等.概率论与数理统计应用.西安:西北工业大学出版社,2003
华东师范大学数学系编.概率论与数理统计教程.北京:高等教育出社,1983
复旦大学数学系．概率论.北京：人民教育出版社，1979
刘景泰等．概率论与数理统计．上海：上海科学技术文献出版社，1991
朱燕堂，赵选民，徐伟.应用概率统计方法.西安：西北工业大学出版社，1997
盛骤，谢式千，潘承毅.概率论与数理统计.第3版.北京:高等教育出社,2001
禇维盘等.概率论与数理统计指导与提高,西安：西北工业大学出版社，2001
Murray Spiegel,John J,Schiller,Alu Srinivasan.Schaum's Outline of Probability and Statistics （2 edition）,McGraw-Hill Trade,2000
Charles J,Stone,A Course in Probability and Statistics,北京：机械工业出版社，2004
三、课程教育目标：
概率论与数理统计是研究随机现象客观规律性的数学学科，是高等学校工科本科各专业的一门重要的基础理论课。通过本课程的教学，应使学生掌握概率论与数理统计的基本概念，了解它的基本理论和方法，从而使学生初步掌握处理随机事件的基本思想和方法，培养学生运用概率统计方法分析和解决实际问题的能力。
第一章 随机事件及其概率
内容提要
本章主要讲述随机试验，样本空间，随机事件，事件间的关系与运算，频率，概率的统计定义，概率的性质，古典概型，几何概型，条件概率，乘法公式，全概率公式,贝叶斯公式，事件的独立性，贝努里概型等内容。
重点分析
理解随机事件的概念，掌握事件之间的关系与运算。
理解事件频率的概念，了解概率的统计定义。
理解概率的古典定义，会计算简单的古典概率。
了解概率的基本性质及概率加法定理。
了解条件概率的概念、概率的乘法定理。
理解事件的独立性概念，掌握伯努利概型和二项概率的计算。
难点分析
古典概型的计算，乘法公式，全概率公式及贝叶斯公式的应用
习题布置
习题1 (2,3,4,6,8,11,12,14,16,18,20)
备注
教 学 内 容 ( Contents )
Chapter One 随机事件及其概率(Random Events and Probability)
课 程 简 介 (Introduction)
首先介绍概率论与数理统计学科研究的主要内容及与其他数学学科的联系.第一、二、三、四章是概率论的内容,第五、六、七、八、九、十章是数理统计部分.
一、概率论的诞生及应用(Naissance and application of probability theory)
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 局便算赢家,若在一赌徒胜 局 (),另一赌徒胜局()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-------数学期望
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,一方面，它有自己独特的概念和方法，另一方面，它与其他数学分支又有紧密的联系，它是现代数学的重要组成部分.概率论的广泛应用几乎遍及所有的科学技术领域,例如天气预报,地震预报,产品的抽样调查; 工农业生产和国民经济的各个部门,在通讯工程中可用以提高信号的抗干扰性,分辨率等等,
概率论就是研究随机现象规律性的一门数学学科.
二、随机现象(Random phenomenon)
自然界和社会上所观察到的现象,确定性现象 随机现象确定性现象 在一定条件下必然发生的现象称为确定性现象,实例
确定性现象的特征 条件完全决定结果随机现象 在一定的条件下，可能出现这样的结果，也可能出现那样的结果，而在试验或观察之前不能预知确切的结果,实例
随机现象的特征 条件不能完全决定结果
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.
Problem,什么是随机试验?
§1.1 随机事件(Random Events)
一,随机试验(Random experiment)
我们遇到过各种试验。在这里，我们把试验作为一个含义广泛的术语，它包括各种各样的科学试验，甚至对某一事物的某一特征的观察也认为是一种试验。下面举一些试验的例子：
：抛一枚硬币，观察正面、反面出现的情况。
：将一枚硬币抛三次，观察出现正面的次数。
：抛一枚骰子，观察出现的点数。
：记录车站售票处一天内售出的车票数。
：在一批灯泡中任意抽取一只，测试它的寿命。
：记录某地一昼夜的最高温度和最低温度。
这些试验都具有以下的特点：
可以在相同的条件下重复地进行；
每次试验的可能结果不止一个，并且能事先明确试验的所有可能结果；
进行一次试验之前不能确定哪一个结果会出现。
在概率论中，我们将具有上述三个特点的试验称为随机试验(Random experiment)。
二,样本空间(Sampling space)
对于随机试验，尽管在每次试验之前不能预知试验的结果，但试验的一切可能的结果是已知的，我们把随机试验的所有可能结果组成的集合称为的样本空间(Sampling space)，记为。样本空间的元素，即的每个结果，称为样本点(Sampling point)。例如，上面的个随机试验的样本空间分别为：
；
；
；
；这里的是售票处一天内准备出售的车票数。
；
；这里表示最低温度，表示最高温度。并设这一地区的温度不会小于，也不会大于。
三,随机事件(Random event)
在随机试验中，可能发生也可能不发生的事情就叫随机事件(Random event)。随机事件常用大写字母表示，它是样本空间的子集合。在每次试验中，当且仅当子集中的一个样本点出现时，称事件发生。
例如在中，如果用表示事件“掷出奇点数”，那么是一个随机事件。由于在一次投掷中，当且仅当掷出的点数是1，3，5中的任何一个时才称事件发生了，所以我们把事件表示为。同样地，若用表示事件“掷出偶点数”，那么也是一个随机事件，.
对于一个试验，在每次试验中必然发生的事件，称为的必然事件(Certain event)；在每次试验中都不发生的事件，称为的不可能事件(Impossible event)。例如在中，“掷出的点数不超过6”就是必然事件，用集合表示这一事件就是的样本空间.而事件“掷出的点数大于6”是不可能事件，这个事件不包括的任何一个可能结果，所以用空集表示。对于一个试验，它的样本空间是的必然事件；空集是不可能事件。必然事件与不可能事件虽已无随机性可言，但在概率论中，常把它们当作两个特殊的随机事件，这样做是为了数学处理上的方便。
四,事件间的关系与运算(Relation and operation of events)
因为事件是一个集合，因而事件间的关系和运算是按集合间的关系和运算来处理的。下面给出这些关系和运算在概率中的提法。并根据“事件发生”的含义，给出它们在概率中的含义。
设试验的样本空间为，而是的子集。
（1）事件的包含与相等(Inclusion and equivalent relation) 若事件发生必然导致事件发生，则称事件包含事件，记为或者。若且，即，则称事件与事件相等。
（2）事件的和(Union of events) 事件与事件至少有一个发生的事件称为事件与事件的和事件，记为.事件发生意味着：或事件发生，或事件发生，或事件与事件都发生。
事件的和可以推广到多个事件的情景。设有个事件，定义它们的和事件为{中至少有一个发生}，记为.
（3）事件的积(Product of events) 事件与事件都发生的事件称为事件与事件的积事件，记为，也简记为。事件（或）发生意味着事件发生且事件也发生，即与都发生。
类似的，可以定义个事件的积事件={都发生}。
（4）事件的差(Difference of events) 事件发生而事件不发生的事件称为事件与事件的差事件，记为。
（5）互不相容事件(互斥)(Incompatible events) 若事件与事件不能同时发生，即，则称事件与事件是互斥的，或称它们是互不相容的。若事件中的任意两个都互斥，则称这些事件是两两互斥的。
(6) 对立事件(Opposite events),不发生”的事件称为事件的对立事件，记为.和满足：，，。
（7）事件运算满足的定律 设为事件，则有交换律(Exchange law)：；。
结合律(Combination law)：；。
分配律(Distributive law)：；。
对偶律(Dual law)：；。
Example 1.1 向指定目标射三枪，观察射中目标的情况。用、、分别表示事件“第1、2、3枪击中目标”，试用、、表示以下各事件：
（1）只击中第一枪；
（2）只击中一枪；
（3）三枪都没击中；
（4）至少击中一枪。
Solution （1）事件“只击中第一枪”，意味着第二枪不中，第三枪也不中。所以，可以表示成 。
（2）事件“只击中一枪”，并不指定哪一枪击中。三个事件“只击中第一枪”、“只击中第二枪”、“只击中第三枪”中，任意一个发生，都意味着事件“只击中一枪”发生。同时，因为上述三个事件互不相容，所以，可以表示成 ++.
（3）事件“三枪都没击中”，就是事件“第一、二、三枪都未击中”，所以，可以表示成 .
（4）事件“至少击中一枪”，就是事件“第一、二、三枪至少有一次击中”，所以，可以表示成 或 ++++++ .
§1.2 概率的统计定义(The Statistic Definition of Probability)
一,频率(Frequency)
设为任一随机试验，为其中任一事件，在相同条件下，把独立的重复做次，表示事件在这次试验中出现的次数（称为频数）。比值称为事件在这次试验中出现的频率(Frequency)。
人们在实践中发现：在相同条件下重复进行同一试验，当试验次数很大时，某事件发生的频率具有一定的“稳定性”，就是说其值在某确定的数值上下摆动。一般说，试验次数越大，事件发生的频率就越接近那个确定的数值。因此事件发生的可能性的大小就可以用这个数量指标来描述。
二,概率的统计定义(The statistic definition of probability)
Definition 1.1 设有随机试验，若当试验的次数充分大时，事件的发生频率稳定在某数附近摆动，则称数为事件的概率(Probability)，记为：。(Let be a random experiment,a number is called the probability of a event if the frequency of swings nearby steadily.)
概率的这种定义，称为概率的统计定义，统计定义是以试验为基础的，但这并不是说概率取决于试验。值得注意的是事件出现的概率是事件的一种属性。也就是说完全决定于事件本身的结果，是先于试验客观存在的。概率的统计定义只是描述性的，一般不能用来计算事件的概率。通常只能在充分大时，以事件出现的频率作为事件概率的近似值。
三,概率的性质(The property of probability)
（1）.
（2）,.
（3）若，则.
（4）.
（5）.特别地，若 ,，.
（6）对任意两个事件，有.
这条性质可以推广到多个事件。设是任意个事件，则有
Example 1.2 设事件的概率分别为,在下列三种情况下分别求的值：
（１）与互斥；
（２）
（３）．
Solution 由性质（5），=.
因为与互斥，所以，==P(B)=
因为所以===
==
§1.3 古典概型(Classical Probability)
一,古典概型（等可能概型）(Classical probability)
“概型”是指某种概率模型。“古典概型”是一种最简单、最直观的概率模型。如果做某个随机试验时，只有有限个事件可能发生，且事件满足下面三条：
（1）发生的可能性相等（等可能性）；
（2）在任意一次试验中至少有一个发生（完备性）；
（3）在任意一次试验中至多有一个发生（互不相容性）。
具有上述特性的概型称为古典概型(Classical probability)或等可能概型。称为基本事件(Basic events)。
等可能概型中事件概率的计算：设在古典概型中，试验共有个基本事件，事件包含了个基本事件，则事件的概率为
Example 1.3 一袋中有8个大小形状相同的球，其中5个黑色球，三个白色球。现从袋中随机地取出两个球，求取出的两球都是黑色球的概率。
Solution 从8个球中取出两个，不同的取法有种。若以表示事件{取出的两球是黑球}，那么使事件发生的取法为种，从而
/=5/14
Example 1.4 在箱中装有100个产品，其中有3个次品，为检查产品质量，从这箱产品中任意抽5个，求抽得5个产品中恰有一个次品的概率。
Solution 从100个产品中任意抽取5个产品，共有种抽取方法，事件={有1个次品，4个正品}的取法共有种取法，故得事件的概率为
Example 1.5 将个球随机地放入个盒子中，求：
（１）每个盒子最多有一个球的概率；
（２）某指定的盒子中恰有（）个球的概率。
Solution 这显然也是等可能问题。
先求个球随机地放入个盒子的方法总数。因为每个球都可以落入个盒子中的任何一个，有种不同的放法，所以个球放入个盒子共有种不同的放法。
（1）事件={每个盒子最多有一个球}的放法。第一个球可以放进个盒子之一，有种放法；第二个球只能放进余下的个盒子之一，有种放法；．．．第N个球只能放进余下的个盒子之一，有种放法；所以共有种不同的放法。故得事件的概率为
（2）事件={某指定的盒子中恰有个球}的放法。先从个球中任选个分配到指定的某个盒子中，共有种选法；再将剩下的个球任意分配到剩下的个盒子中，共有种放法。所以，得事件的概率为
Example 1.6 在１~９的整数中可重复的随机取６个数组成６位数，求下列事件的概率：
（１）６个数完全不同；
（２）６个数不含奇数；
（３）６个数中５恰好出现4次。
Solution 从9个数中允许重复的取6个数进行排列，共有种排列方法。
（1）事件A={６个数完全不同}的取法有种取法，故
（2）事件B={６个数不含奇数}的取法。因为6个数只能在2，4，6，8四个数中选，每次有4种取法，所以有取法。故
（3）事件C={６个数中５恰好出现4次}的取法。因为6个数中５恰好出现4次可以是6次中的任意4次，出现的方式有种，剩下的两种只能在1，2，3，4，6，7，8，9中任取，共有种取法。故
二,几何概型(Geometric probability)
上述古典概率是在有限样本空间下进行的，为了克服这种局限性，我们将古典概型推广。
如果一个试验具有以下两个特点：
样本空间是一个大小可以计量的几何区域（如线段、平面、立体）。
向区域内任意投一点，落在区域内任意点处都是“等可能的”。
那么，事件的概率由下式计算：
Example 1.7 在一个均匀陀螺的圆周上均匀地刻上（０，４）上的所有实数，旋转陀螺，求陀螺停下来后，圆周与桌面的接触点位于［0.5，１］上的概率。
Solution 由于陀螺及刻度的均匀性，它停下来时其圆周上的各点与桌面接触的可能性相等，且接触点可能有无穷多个，故 .
Example 1.8 甲乙两人相约点在预定地点会面。先到的人等候另一人分钟后离去，求甲乙两人能会面的概率。
Solution 以，分别表示甲、乙二人到达的时刻，那末 , ；若以表示平面上的点的坐标，则所有基本事件可以用这平面上的边长为4的一个正方形：, 内所有点表示出来。二人能会面的充要条件是 （图中阴影部分）；所以所求的概率为：
.
§1.4 条件概率(Conditional Probability)
一,条件概率(Conditional probability)
在实际问题中，常常会遇到这样的问题：在得到某个信息以后（即在已知事件发生的条件下），求事件发生的概率。这时，因为求的概率是在已知发生的条件下，所以称为在事件发生的条件下事件发生的条件概率。记为。
由此引入条件概率的一般定义：
Definition 1.2 设是两个事件，且，称=为在事件发生的条件下事件发生的条件概率(Conditional probability)。(Suppose are two events and,= is called the conditional probability of under the condition that occurs.)
计算条件概率可选择两种方法之一：
在缩小后的样本空间中计算发生的概率.
在原样本空间中，先计算，再按公式=计算，求得.
Example1.9 设某种动物有出生起活20岁以上的概率为80%，活25岁以上的概率为40%.如果现在有一个20岁的这种动物，问它能活25岁以上的概率？
Solution 设事件={能活20岁以上}；事件={能活25岁以上}。按题意，，由于，因此.由条件概率定义
二,乘法公式(Multiplication formula)
由条件概率的定义容易推得概率的乘法公式(Multiplication formula)：
利用这个公式可以计算积事件。乘法公式可以推广到个事件的情形：若)，则
Example1.10 在一批由90件正品，３件次品组成的产品中,不放回接连抽取两件产品，问第一件取正品，第二件取次品的概率。
Solution 设事件={第一件取正品}；事件={第二件取次品}。按题意，=，=.由乘法公式
三、全概率公式(Complete probability formula)
为了计算复杂事件的概率，经常把一个复杂事件分解为若干个互不相容的简单事件的和，通过分别计算简单事件的概率，来求得复杂事件的概率。
全概率公式(Complete probability formula)：为样本空间的一个事件组，且满足：
（1）互不相容，且;
(2).
则对中的任意一个事件都有
Proof,因为
()=
由假设，得到
Example1.11 七人轮流抓阄，抓一张参观票，问第二人抓到的概率？
Solution 设={第人抓到参观票}()，于是
由全概率公式 .
从这道题，我们可以看到，第一个人和第二个人抓到参观票的概率一样；事实上，每个人抓到的概率都一样。这就是“抓阄不分先后原理”。
Example 1.12 设有一仓库有一批产品，已知其中50%、30%、20%依次是甲、乙、丙厂生产的，且甲、乙、丙厂生产的次品率分别为，现从这批产品中任取一件，求取得正品的概率？
Solution 以、、表示诸事件“取得的这箱产品是甲、乙、丙厂生产”；以表示事件“取得的产品为正品”，于是,
按全概率公式,有：
四,贝叶斯公式(Bayesian formula)
设是样本空间的一个事件，为的一个事件组，且满足：
（1）互不相容，且;
(2).
则
这个公式称为贝叶斯公式(Bayesian formula)，也称为后验公式。
Example 1.13 发报台分别以概率0.6和0.4发出信号“．”和“—”，由于通讯系统受到干扰，当发出信号“．”时，收报台未必收到信号“.”，而是分别以0.8和0.2收到“．”和“—”；同样，发出“—”时分别以0.9和0.1收到“—”和“．” 。如果收报台收到“．”，问它没收错的概率？
Solution 设={发报台发出信号“．”}，={发报台发出信号“—”}，＝｛收报台收到“．”｝，＝｛收报台收到“—”｝；于是，，，，，，；按贝叶斯公式，有
所以没收错的概率为.
Example 1.14 根据以往的记录，某种诊断肝炎的试验有如下效果：对肝炎病人的试验呈阳性的概率为0.95 ；非肝炎病人的试验呈阴性的概率为0.95,对自然人群进行普查的结果为：有千分之五的人患有肝炎。现有某人做此试验结果为阳性，问此人确有肝炎的概率为多少？
Solution 设{某人做此试验结果为阳性}，{某人确有肝炎}；由已知条件有，，，；从而，；由贝叶斯公式，有
本题的结果表明，虽然，，这两个概率都很高。但若将此实验用于普查，则有，即其正确性只有8.7%.如果不注意到这一点，将会经常得出错误的诊断。这也说明，若将和搞混了会造成不良的后果。
§1.5 事件的独立性(Independence of Events)
一,事件的独立性(Independence of events)
设，是两个事件，一般而言，这表示事件的发生对事件的发生的概率有影响，只有当时才可以认为的发生与否对的发生毫无影响，这是就称两事件是独立的。这时，由条件概率可知，
由此，我们引出下面的定义。
Definition 1.3 若两事件，满足,则称，相互独立(Mutual independence)。 (The events ，is called independent mutually if .)
Theorem 1.1 若四对事件中有一对是相互独立的，则另外三对也是相互独立的.(If there is one dual of the four events is independence,then the rest are also independence.)（证明留给学生）
在实际问题中，我们一般不用定义来判断两事件，是否相互独立，而是相反，从试验的具体条件以及试验的具体本质分析去判断它们有无关联，是否独立？如果独立，就可以用定义中的公式来计算积事件的概率了。
Example 1.15 两门高射炮彼此独立的射击一架敌机，设甲炮击中敌机的概率为0.9，乙炮击中敌机的概率为0.8，求敌机被击中的概率？
Solution 设={甲炮击中敌机}，={乙炮击中敌机}，那么{敌机被击中}=；因为与相互独立，所以，有
Note：事件的独立性与互斥是两码事，互斥性表示两个事件不能同时发生，而独立性则表示他们彼此不影响。
Definition 1.4 设是三个事件，如果满足：
则称这三个事件是两两独立的。(Three events are called independence between them if .)
Definition 1.5 设是三个事件，如果满足：
,
则称这三个事件是相互独立的。(Three events are called independence each other if
,.)
三个事件相互独立一定是两两独立的，但两两独立未必是相互独立。
Example 1.16 一产品的生产分4道工序完成，第一、二、三、四道工序生产的次品率分别为2%、3%、5%、3%，各道工序独立完成，求该产品的次品率？
Solution 设A={该产品是次品}，={第i道工序生产出次品}，I=1,2,3,4,则
事件的相互独立性概念可推广到多个事件的情形：
Definition 1.6 设是个事件,若对任意，对任意，都成立
则称事件相互独立。(The events are called independent each other if
for any .)
第一章小结(Summary of Chapter One)
1,本章介绍了随机事件与样本空间的概念，事件的关系与运算；给出了概率的统计定义，概率加法定理，条件概率与概率乘法定理，并介绍了全概率公式与逆概率公式，研究了事件的独立性问题，贝努里概型。
2,古典概型是一种随机现象的数学模型，它要求所研究的样本空间是有限的，且各样本点的发生和出现是等可能的。计算古典概率必须要知道样本点的总数和事件Ａ所含的样本点数。在所考虑的样本空间中，对任何事件Ａ均有.古典概率的求法是灵活多样的，从不同的角度分析，可以构成不同的样本空间，解题的关键是确定什么是所需的样本点。
统计概率是一种随机试验事件的概率，它不一定是古典概型。其特点是以事件出现次数的频率作为概率的近似值。
事件的关系和运算和集合论的有关知识有着密切的联系。如事件的包含关系可以表示为集合的包含关系；事件的和、积相当于集合的并、交，事件的对立相当于集合的互补，学习时需要加以对照。
为了讨论有关系的事件的概率，必须了解概率的加法定理、条件概率与概率乘法定理。在应用加法定理时首先要搞清楚所涉及的事件是否互斥（三个以上的事件是否两两互斥？）。使用概率的乘法公式时，首先要搞清楚所涉及的事件是否相互独立？条件概率与事件乘积的概率的联系由公式表示。了解事件的独立性以及事件的互不相容性对于计算一些事件的概率可起简化作用。
全概率公式 中要求是互不相容的完备群。逆概率公式是求后验概率而得到的。它与全概率公式中求先验概率问题恰是对立的，但彼此又有公式相联系。
