论文部分内容阅读
【摘要】概率的定义是对随机现象建立数学建模的工具,但很多教材把古典概型、几何概型和概率的定义混淆。混淆的结果是分不清主次,忽略掉了概率定义的重要性,导致概念不清。本文从概率的定义出发,对几个随机现象建立概率模型,突出概率的定义在建立概率模型中的作用。
【关键词】概率模型;样本空间;建模
一、引言
概率的定义首先是一个对随机现象进行建模的工具。概率模型就是对于一个随机现象的数描述。产生随机现象的过程,我们叫做随机试验,所以,概率的定义里面首先有一个随机试验。
随机现象的不确定性是指试验结果的不确定,所以建模的第一步是找到所有可能出现的结果。这些结果的集合,叫样本空间。样本空间的子集叫做事件。根据我们的需要,对样本空间的一些子集,定义一个域。对于一些简单的随机现象,可以考虑样本空间的所有子集组成的事件组。
对于每一个事件,都有一个实数和它对应,这个从事件到实数的映射,叫做概率。这个实数是反应事件发生的可能性大小的。
概率是定义在集合上的函数,必须满足三条公理:非负性、归一性和可加性。概率的三条公理,蕴含了概率的其他性质。
二、样本空间的建立
概率模型分为两部分:样本空间和概率律。建立概率模型的第一步,是明确样本空间和事件族。例如,对于这样一个试验:投掷一枚硬币,如果出现正面,停止,如果出现反面,再投掷一次。这个实验中,有三个结果:第一次正面,第一次反面第二次正面,第一次反面第二次反面。这三个结果构成了样本空间: {正面,(反面,正面),(反面,反面)}
这里需要注意,在如果连续两次投掷硬币,只能看做一次试验而不能看做两次试验。两次投硬币的样本空间为: {(正面,正面),(正面,反面),(反面,正面),(反面,反面)}
样本空间的建立经常用一个树状图来表示,更加直观。例如,上面两个试验的样本空间可以用如下的树状图表示:
三、建立概率模型
概率是定义在集合上的函数,必须满足三条公理:非负性、归一性和可加性。例如在第一个例子中,如果硬币是两面均匀的,两次投掷是独立的,自然可以得到:P(正面)=,P(反面,正面)= ,P(反面,反面)= 。事件组看做是样本空间的所有子集,事件的概率等于包含其中的实验结果概率之和。这样的定义显然符合概率的三条公理。
在第二个例子中,如果每个结果的概率相同,根据归一性和可加性,每一个结果的概率都是 。事件的概率是事件中的结果数乘以 。这个概率模型就是一个古典概型了。
有的概率问题中没有给出明确的试验,可以根据已知条件建立概率模型。例如,若A发生的概率为0.6,A与B都发生的概率为0.1,A与B都不发生的概率为0.15,求A与B至少有一个发生的概率。这个问题中只是给出了两个事件的概率,于是我们建立这样一个样本空间: 。根据已知条件,由A发生的概率为0.6,得: ;类似的,可以得到: , ,结合归一化公式 ,解得
, , ,
于是A与B至少有一个发生的概率为
四、总结
概率的定义是建立概率模型的基础。概率模型分为两部分:样本空间和事件组、概率律。概率必须满足三个公理。在教学的过程中,必须紧紧把握概率的定义,对具体的试验建立概率模型。
参考文献:
[1]概率导论(第二版)[美]Dimitri P.Bertsekas John N.Tsitsiklis 郑国忠 童兴伟 译.人民邮电出版社.
[2]概率论与数理统计(第四版)盛骤 谢式千 潘承毅 高等教育出版社
[3]概率论与数理统计 梁之舜 邓集贤 等编著 高等教育出版社
【关键词】概率模型;样本空间;建模
一、引言
概率的定义首先是一个对随机现象进行建模的工具。概率模型就是对于一个随机现象的数描述。产生随机现象的过程,我们叫做随机试验,所以,概率的定义里面首先有一个随机试验。
随机现象的不确定性是指试验结果的不确定,所以建模的第一步是找到所有可能出现的结果。这些结果的集合,叫样本空间。样本空间的子集叫做事件。根据我们的需要,对样本空间的一些子集,定义一个域。对于一些简单的随机现象,可以考虑样本空间的所有子集组成的事件组。
对于每一个事件,都有一个实数和它对应,这个从事件到实数的映射,叫做概率。这个实数是反应事件发生的可能性大小的。
概率是定义在集合上的函数,必须满足三条公理:非负性、归一性和可加性。概率的三条公理,蕴含了概率的其他性质。
二、样本空间的建立
概率模型分为两部分:样本空间和概率律。建立概率模型的第一步,是明确样本空间和事件族。例如,对于这样一个试验:投掷一枚硬币,如果出现正面,停止,如果出现反面,再投掷一次。这个实验中,有三个结果:第一次正面,第一次反面第二次正面,第一次反面第二次反面。这三个结果构成了样本空间: {正面,(反面,正面),(反面,反面)}
这里需要注意,在如果连续两次投掷硬币,只能看做一次试验而不能看做两次试验。两次投硬币的样本空间为: {(正面,正面),(正面,反面),(反面,正面),(反面,反面)}
样本空间的建立经常用一个树状图来表示,更加直观。例如,上面两个试验的样本空间可以用如下的树状图表示:
三、建立概率模型
概率是定义在集合上的函数,必须满足三条公理:非负性、归一性和可加性。例如在第一个例子中,如果硬币是两面均匀的,两次投掷是独立的,自然可以得到:P(正面)=,P(反面,正面)= ,P(反面,反面)= 。事件组看做是样本空间的所有子集,事件的概率等于包含其中的实验结果概率之和。这样的定义显然符合概率的三条公理。
在第二个例子中,如果每个结果的概率相同,根据归一性和可加性,每一个结果的概率都是 。事件的概率是事件中的结果数乘以 。这个概率模型就是一个古典概型了。
有的概率问题中没有给出明确的试验,可以根据已知条件建立概率模型。例如,若A发生的概率为0.6,A与B都发生的概率为0.1,A与B都不发生的概率为0.15,求A与B至少有一个发生的概率。这个问题中只是给出了两个事件的概率,于是我们建立这样一个样本空间: 。根据已知条件,由A发生的概率为0.6,得: ;类似的,可以得到: , ,结合归一化公式 ,解得
, , ,
于是A与B至少有一个发生的概率为
四、总结
概率的定义是建立概率模型的基础。概率模型分为两部分:样本空间和事件组、概率律。概率必须满足三个公理。在教学的过程中,必须紧紧把握概率的定义,对具体的试验建立概率模型。
参考文献:
[1]概率导论(第二版)[美]Dimitri P.Bertsekas John N.Tsitsiklis 郑国忠 童兴伟 译.人民邮电出版社.
[2]概率论与数理统计(第四版)盛骤 谢式千 潘承毅 高等教育出版社
[3]概率论与数理统计 梁之舜 邓集贤 等编著 高等教育出版社