概率試驗
- 1.投擲一個骰子投擲5次
- 2.某人射擊1次,擊中目標的概率是0.8, 他射擊10次;
- 3.一個盒子中裝有5個球(3紅2白),有放回依次從中抽取5個球
- 4.生產一種零件,出現次品的概率是0.04,生產這種零件4件
以上這些的特點都是:
- 條件相同
- 獨立重複性試驗
- 發生或者不發生
- 發生的概率相同
例子
投擲一枚圖釘,設針尖向上的概率爲p, 則針尖向下的概率爲q = 1 - p. 連續投擲一枚圖釘3次,僅出現1次針尖向上的概率是多少?
分析:這是一個條件相同,獨立重複性試驗:P=C31pq2=3pq2
擴展:如果連續投3次圖釘,出現k(0 <= k <= 3)次針尖向上的概率是多少?
- 出現0次:P(B0)=P(A1ˉA2ˉA3ˉ)=q3
- 出現1次:P(B1)=P(A1A2ˉA3ˉ)+P(A1ˉA2A3ˉ)+P(A1ˉA2ˉA3)=3q2p
- 出現2次:P(B2)=P(A1A2A3ˉ)+P(A1ˉA2A3)+P(A1A2ˉA3)=3qp2
- 出現3次:P(A1A2A3)=p3
- 總結:P(Bk)=C3kpkq3−k,k=0,1,2,3
伯努利分佈
- 伯努利分佈(Bernoulli distribution) 又名兩點分佈或0-1分佈,介紹伯努利分佈前首先需要引入伯努利試驗(Bernoulli trial)
- 伯努利試驗是隻有兩種可能結果的單次隨機試驗,即對於一個隨機變量X而言:伯努利試驗都可以表達爲"是或否"的問題
- 例如:拋一次硬幣是正面朝上嗎?剛出生的孩子是男孩嗎?等
- 如果試驗E是一個伯努利試驗,將E獨立重複進行n次,則稱這一串重複的獨立試驗爲n重伯努利試驗
- 進行一次伯努利試驗,成功(X=1)概率爲p(0 <= p <= 1), 失敗(X=0)概率爲1-p,則稱隨機變量X服從伯努利分佈,伯努利分佈是離散型概率分佈
二項分佈
- 在n次獨立重複試驗中,設事件A發生的次數是X, 且在每次試驗中事件A發生的概率是p, 那麼事件A恰好發生k次的概率是 P(X=k)=Cnkpk(1−p)n−k,k=0,1,2,...,n
- 於是得到隨機變量X的概率分佈如下:q = 1 - p
- X: 0, 1, …, k, …, n
- p: Cn0p0qn,Cn1p1qn−1,...,Cnkpkqn−k,...,Cnnpnq0
- 此時我們稱隨機變量X服從二項分佈,記爲:X∼B(n,p) 其中p爲成功概率
- ∑k=0nCnkpk(1−p)n−k=1 全概率 求和是必然事件,概率爲1
案例1
- 某射手每次射擊擊中目標的概率是0.8, 求這名射手在10次射擊中
- (1) 恰好有8次擊中目標的概率
- (2) 至少有8次擊中目標的概率
分析:
- (0) p=0.8,1−p=0.2,n=10
- (1) C108p8(1−p)2
- (2) p(8)+p(9)+p(10)=C108p8(1−p)2+C109p9(1−p)+C1010p10
- 將(0)帶入(1)、(2) 得到最終的解
案例2
- 設一個射手平均每設計10次中靶4次,求在5次射擊中
- (1)擊中1次
- (2)第二次擊中
- (3)擊中兩次
- (4)第二、三兩次擊中
- (5)至少擊中一次
- 求以上的概率
分析:
- 由題意:射手射擊1次,中靶的概率是0.4
- (1) n=5, k=1, 則 P(X=1)=C51p(1−p)4
- (2) 第二次擊中和其他幾次擊中沒有任何關係,也就是他一次擊中的概率即爲0.4
- (3) n=5, k=2, 則 P(X=2)=C52p(1−p)3
- (4) 只和第2,3次有關和其他無關,則概率爲0.4*0.4
- (5) 有兩種方法,正面求解相加,也可以從反面來推,推薦從反面求解,【1 - 沒有擊中一次的概率】: 1−C50p0(1−p)5
二項式定理
-
二項展開公式 (a+b)n=Cn0an+Cn1an−1b+Cn2an−2b2+...+Cnran−rbr+...+Cnnbn (n∈N+)
-
二項展開式的通項公式:Tr+1=Cnran−rbr (0≤r≤n,r∈N,n∈N+), 主要用來求指定的項
-
項的係數與二項式係數
- 項的係數與二項式係數是不同的兩個概念,但當二項式的兩個項的係數都爲1時,係數就是二項式係數,如
- 在(ax+b)n的展開式中,第r+1項的二項式係數爲Cnr
- 第r+1項的係數爲Cnran−rbr
- 而(x+x1)n的展開式中的係數等於二項式係數
- 二項式係數是組合數,一定爲正的;而項的係數不一定爲正的
-
(1+x)n的展開式:(1+x)n=Cn0xn+Cn1xn−1+Cn2xn−2+...+Cnnx0
- 若令x=1, 則有:(1+1)n=2n=Cn0+Cn1+Cn2+...+Cnn
- 二項式奇數項係數的和等於二項式偶數項係數的和.
- 即:Cn0+Cn2+...=Cn1+Cn3+...=2n−1
-
二項式係數的性質
- 對稱性: 與首末兩端"等距離"的兩個二項式係數相等,即Cnm=Cnn−m
- 增減性與最大值:
- 當r≤2n+1時,二項式係數Cnr的值逐漸增大,當r≥2n+1時,Cnr的值逐漸減少,且在中間取得最大值
- 當n爲偶數時,中間一項(第2n+1項)的二項式係數Cn2n取得最大值
- 當n爲奇數時,中間兩項(第2n+1和第2n+1+1項)的二項式係數Cn2n−1=Cn2n+1相等並同時取最大值
-
係數最大項的求法
- 設第r項的係數Ar最大,由不等式組{Ar≥Ar−1Ar≥Ar+1可確定r
-
賦值法
- 若(ax+b)n=a0+a1x+a2x2+...+anxn, 則設f(x)=(ax+b)n, 有
- a0=f(0)
- a0+a1+a2+...+an=f(1)
- a0−a1+a2−a3+...+(−1)nan=f(−1)
- a0+a2+a4+a6+...=2f(1)+f(−1)
- a1+a3+a5+a7+...=2f(1)−f(−1)
從二項分佈到二項式定理
1) 二項式定理公式
- (a+b)n=Cn0anb0+Cn1an−1b1+...+Cnran−rbr+...+Cnnbna0=∑r=0nCnran−rbr
- 寫成p,q的形式爲:(p+q)n=Cn0pnq0+Cn1pn−1q1+...+Cnrpn−rqr+...+Cnnpnq0
2 ) 二項分佈與二項式定理之間的聯繫
- 二項分佈對應二項式定理的每一項
- 二項分佈的概率求和是二項式定理的一個特殊情況,也就是 p+q=1的情況
二項分佈與兩點分佈之間的關係
案例分析
- 籃球比賽,每次罰球命中得1分,不中得0分,某籃球運動員罰球命中率爲0.7,在某次比賽中他一共罰球20次,則
- (1) 他一次罰球的得分服從兩點分佈
- (2) 在這次比賽中,命中次數X服從二項分佈即 X∼B(20,0.7)
總結
- 兩點分佈:在一次試驗中,事件A出現的概率爲p,事件A不出現的概率爲q=1-p,若以X記一次試驗中A出現的次數,則X僅取0、1兩個值。兩點分佈就是0-1分佈, 是特殊的二項分佈, 只是不同的叫法,也是試驗次數爲1的伯努利試驗。X∼B(1,p)
- 二項分佈:是重複n次獨立的伯努利試驗。在每次試驗中只有兩種可能的結果,而且兩種結果發生與否互相對立,並且相互獨立,與其它各次試驗結果無關,事件發生與否的概率在每一次獨立試驗中都保持不變, 是試驗次數爲n次的伯努利試驗。
- 兩點分佈是一種特殊的二項分佈,n=1, p=p
二項分佈與超幾何分佈之間的關係
案例分析
- 一個袋中放有M個紅球,(N - M)個白球,依次從袋中取n個球,記下紅球的個數X
- (1) 如果是有放回地取,則X∼B(n,NM)
- (2) 如果是不放回地取,則X服從超幾何分佈 P(X=k)=CNnCMkCN−Mn−k (k=0,1,2,...,m) 其中m=min(M,n)
超幾何分佈的推導
-
設有7個球,4紅,3白,連續取3個球(n=3), 則紅球的變量X爲:(k ~ 0,1,2,3)
-
分類討論:
- X爲0:白白白 =》P(X=0)=73∗62∗51
- X爲1:紅白白、白紅白、白白紅 =》P(X=1)=74∗63∗52+73∗64∗52+73∗62∗54
- X爲2:類似上面,此處省略
- X爲3:類似上面,此處省略
-
關於超幾何分佈 百度百科