概率的概念古典概型几何概型概率的公理化定义共39页文档

设有k 个不同的球, 每个球等可能地落入N 个盒子中（）, 设每个盒子容球数无限, 求下列事件的概率:N k ≤（1）某指定的k 个盒子中各有一球；（4）恰有k 个盒子中各有一球；（3）某指定的一个盒子没有球；k m ≤（2）某指定的一个盒子恰有m 个球( )（5）至少有两个球在同一盒子中；（6）每个盒子至多有一个球.例2（分房模型）例7两船欲停靠同一个码头, 设两船到达码头的时间各不相干，而且到达码头的时间在一昼夜内是等可能的. 如果两船到达码头后需在码头停留的时间分别是1 小时与2 小时，试求在一昼夜内，任一船到达时，需要等待空出码头的概率.解设船1 到达码头的时刻为x，0 ≤x < 24船2 到达码头的时刻为y，0 ≤y < 24设事件A表示任一船到达码头时需要等待空出码头设Ω是随机试验E 的样本空间，若能找到一个法则，使得对于E 的每一事件A 赋于一个实数，记为P ( A ), 称之为事件A 的概率，这种赋值满足下面的三个条件：非负性：0)(,≥⊂∀A P A Ω 规范性：1)(=ΩP ∑∞=∞==⎟⎠⎞⎜⎝⎛11)(i i i i A P A P U 可列可加性：L ,,21A A 其中为两两互斥事件，概率的公理化理论由前苏联数学家柯尔莫哥洛夫(A.H.Колмогоров)1933年建立.三、概率的公理化定义6、加法公式：对任意两个事件A, B, 有)()()()(ABPBPAPBAP−+=∪)()()(BPAPBAP+≤∪推广：) ()()() ()( )()()(ABC PBCP ACPAB PCP BPAPCBAP+−−−+ +=∪∪)()1()()()()(2111111n n nnk j i k j i nj i j i ni i ni i A A A P A A A P A A P A P A P L L U −≤<<≤≤<≤==−++++−=∑∑∑一般：右端共有项.12−n例9 中小王他能答出第一类问题的概率为0.7, 答出第二类问题的概率为0.2, 两类问题都能答出的概率为0.1. 为什么不是？2.07.0×若是的话, 则应有)()()(2121A P A P A A P =而现在题中并未给出这一条件.在§1.4中将告诉我们上述等式成立的条件是：事件相互独立.21,A A例10设A , B 满足P ( A ) = 0.6, P ( B ) = 0.7,在何条件下，P (AB ) 取得最大(小)值？最大(小)值是多少？解)()()()(AB P B P A P B A P −+=∪)()()()(B A P B P A P AB P ∪−+=3.01)()(=−+≥B P A P 1)(=∪B A P 最小值在时取得6.0)()(=≤A P AB P ——最小值——最大值)()(B P B A P =∪最大值在时取得。

概率公理化的定义概率公理化是概率论的基本公理系统，用于定义和推导概率的性质和规则。

它由三个基本公理组成，分别是非负性公理、规范性公理和可列可加性公理。

首先，非负性公理指出概率是一个非负的实数，即概率值始终大于或等于零。

这是因为概率是表示事件发生的可能性的度量，而任何事件的发生概率都不应该是负数。

因此，对于任何事件A，其概率P(A)满足P(A)≥0。

其次，规范性公理指出概率的最大值是1，即整个样本空间的概率是1。

样本空间是所有可能事件的集合，而其中的某一个事件一定会发生。

因此，整个样本空间的概率等于1。

即对于整个样本空间S，有P(S) = 1。

最后，可列可加性公理是概率公理化的核心内容，它指出对于任意可列个互不相容的事件Ai（i=1，2，3，...），其概率P(Ai)的和等于它们各自概率的和。

这表示当我们考虑多个事件同时发生的情况时，可以将它们的概率逐个相加来求得总概率。

即对于事件A1，A2，A3，...，有P(A1∪A2∪A3∪...) =P(A1) + P(A2) + P(A3) + ...。

这三个基本公理共同构成了概率公理化的定义，通过这些公理我们可以进行概率的形式化描述和推导。

同时，这些公理也满足概率的一些基本性质和规则，如辅助定理、概率的有限可加性、概率的递减性等。

其中，辅助定理是基于这三个公理得到的，它指出对于事件A 和事件B，当A包含于B时，A的概率一定小于等于B的概率。

即当A⊆B时，有P(A)≤P(B)。

概率的有限可加性指出对于任意有限个互不相容的事件A1，A2，A3，...，它们的概率P(A1∪A2∪A3∪...)等于它们各自概率的和。

即对于有限个事件A1，A2，A3，...，有P(A1∪A2∪A3∪...) = P(A1) + P(A2) + P(A3) + ...。

概率的递减性指出对于事件A和事件B，当A包含于B时，B的概率一定大于等于A的概率。

即当A⊆B时，有P(B)≥P(A)。

§1.4 概率的公理化定义及概率的性质一、几何概率一个随机试验，如果数学模型是古典概型，那么描述这个实验的样本空间Ω,文件域 F 和概率P 已在前面得到解决。

在古典概型中，试验的结果是有限的，受到了很大的限制。

在实际问题中经常遇到试验结果是无限的情况的。

例如，若我们在一个面积为ΩS 的区域Ω中，等可能的任意投点，这里等可能的确切意义是这样的：在区域Ω中有任意一个小区域A ，若它的面积为A S , 则点A 落在A 中的可能性大小与A S 成正比，而与A 的位置及形状无关。

如果点A 落在区域A 这个随机事件仍记为A ，则由P(Ω)=1可得Ω=S S A P A)(, 这一类概率称为几何概率。

同样，如果在一条线段上投点，那么只需要将面积改为长度，如果在一个立方体内投点，则只需将面积改为体积。

例1：（会面问题）甲乙两人约定在6时到7时之间某处会面，并约定先到者应等候另一人一刻钟，过时即可离去，求两人能会面的概率。

解：以x 和y 分别表示甲乙约会的时间，则600,600≤≤≤≤y x 。

两人能会面的充要条件是15≤-y x 在平面上建立直角坐标系（如教材图）则（x,y ）的所有可能结果是边长为60米的正方形，而可能会面的时间由图中阴影部分表示。

这是一个几何概率问题，由等可能性 167604560)(222=-==ΩS S A P A例2 蒲丰（Buffon ）投针问题。

平面上画有等距离的平行线，平行线间的距离为a(a>0)，向平面任意投掷一枚长为l(l<a)的针，试求针与平行线相交的概率。

解：假设x 表示针的中点与最近一条平行线的距离，又以ϕ表示针与此直线间的交角，有20ax ≤≤，πϕ≤≤0 由这两式可以确定ϕ,x 平面上的一个矩形 }0,20),({πϕϕ≤≤≤≤=Ωax x ， 这时为了针与平行线相交，其条件为ϕsin 2lx ≤，由这个不等式表示的区域A 是图中的阴影部分 }sin 2,20),({ϕϕlx a x x A ≤≤≤=由等可能性可知 a la d lS S A P A ππϕϕπ22sin 2)(0===⎰Ω 若l,a 为已知，则以π值代入上式，即可计算得P （A ）的值。