| 在概率统计应用方面，主要考查概率的基本概念和常用分布的应用。
|
|
|
|
|
| 在不变的条件下，重复做n次试验，设n次试验中事件A发生m次。如果当n很大时，频率m/n稳定地在某一数值p的附近摆动，而且随着n的增大，这种摆动的幅度越小，则称数值p为事件A的概率，记作P（A）=p。
|
|
|
|
|
|
|
| 注意：概率为0的事件不一定是不可能事件，概率为1的事件也不一定是必然事件。
|
|
|
|
|
② 。
|
|
|
|
|
| ④当B?A时，则P（A-B）=P（A）-P（B）。
|
|
|
|
|
|
|
|
|
|
|
| 如果P（AB）=P（A）P（B），则称A与B相互独立。
|
|
|
| 容易推出，A与B相互独立当且仅当P（B|A）=P（B）。也就是说，A与B相互独立意味着B发生的概率与A是否发生无关。同样，A发生的概率与B是否发生也无关。
|
|
|
|
|
|
|
| ②P（A∪B∪C）=P（A）+P（B）+P（C）-P（AB）-P（AC）-P（BC）+P（ABC）。
|
|
|
|
|
如果n个事件B1，B2，…，Bn两两互斥，且 ，则称这n个事件是一个完全事件组。
|
|
|
| 设B1，B2，…，Bn是一个完全事件组，且P（Bi）>0（1≤i≤n），则
|
|
|
|
|
| 【例】设一仓库中有10箱同种规格的产品，其中由甲、乙、丙3厂生产的分别有5箱、3箱、2箱，3厂产品的废品率依此为0.1、0.2、0.3。从这10箱产品中任取一箱，再从这箱中任取一件产品，求取得的正品的概率。
|
|
|
| 【解】令A表示事件“取得的产品为正品”，B1，B2，B3分别表示事件“任取一件产品是甲、乙、丙厂生产的”。显然，B1，B2，B3是一个完全事件组。根据全概率公式，
|
|
|
|
|
|
|
| 本节介绍7种常见的分布，考生要对这些分布的分布函数有所了解。
|
|
|
|
|
| 当随机实验只有两种可能的结果时，可以用服从0-1分布的随机变量来描述。
|
|
|
|
|
|
|
|
|
| 设伯努利概型在每次试验中事件A发生的概率为p，则n次实验中A发生的次数可以用服从二项分布B（n，p）的随机变量来描述。
|
|
|
|
|
|
|
|
|
| 设独立重复中每次试验“成功”的概率均为p。如果某次试验“成功”，就不再继续试验，则试验次数可用服从几何分布G（p）的随机变量来表示。
|
|
|
| pk=P（ξ=k）=p（1-p）k-1，k=0，1，2，…
|
|
|
|
|
|
|
| 泊松（Poisson）分布可作为描述大量试验中稀有事件出现次数的概率分布的数学模型。例如，数字通信中的误码数、大批量产品中不合格品数、原子蜕变放射出的粒子数都可用服从泊松分布的随机变量来表示。
|
|
|
|
|
|
|
|
|
| 当随机实验的结果在[a，b]均匀分布时，可以用服从均匀分布μ（a，b）的随机变量来描述。
|
|
|
|
|
|
|
|
|
| 设备、器件和工具的无故障工作时间或使用寿命常用服从指数分布的随机变量来描述。
|
|
|
|
|
|
|
|
|
| μ=0，σ=1的正态分布N（0，1）称作标准正态分布，其密度函数记作?（x），它的分布函数记作Φ（x）。
|
|
|
|
|
