3、不可能事件的概率为0,即P(d)=0。 三、小概率事件实际不可能性原理 随机事件的概率表示了随机事件在一次试验中出现的可能性大小。若随机事件的概率很 小,例如小于0.05、0.01、0.001,称之为小概率事件。小概率事件虽然不是不可能事件, 但在一次试验中出现的可能性很小,不出现的可能性很大,以至于实际上可以看成是不可能 发生的。在统计学上,把小概率事件在一次试验中看成是实际不可能发生的事件称为小概率 事件实际不可能性原理,亦称为小概率原理。小概率事件实际不可能性原理是统计学上进行 假设检验(显著性检验)的基本依据。在下一章介绍显著性检验的基本原理时,将详细叙述 小概率事件实际不可能性原理的具体应用 第二节概率分布 事件的概率表示了一次试验某一个结果发生的可能性大小。若要全面了解试验,则必 须知道试验的全部可能结果及各种可能结果发生的概率,即必须知道随机试验的概率分布 ( probability distribution)。为了深入研究随机试验,我们先引入随机变量( random variable 的概念。 、随机变量 作一次试验,其结果有多种可能。每一种可能结果都可用一个数来表示,把这些数作 为变量x的取值范围,则试验结果可用变量x来表示 【例4.3】对100头病畜用某种药物进行治疗,其可能结果是“0头治愈 1头 治愈”、“2头治愈”、“ “100头治愈”。若用x表示治愈头数,则x的取值为0、 100。 【例4.4】孵化一枚种蛋可能结果只有两种,即“孵出小鸡”与“未孵出小鸡”。若 用变量x表示试验的两种结果,则可令x=0表示“未孵出小鸡”,x=1表示“孵出小鸡” 【例4.5】测定某品种猪初生重,表示测定结果的变量x所取的值为一个特定范围 (a,b),如0.5-1.5kg,x值可以是这个范围内的任何实数 如果表示试验结果的变量x,其可能取值至多为可列个,且以各种确定的概率取这些 不同的值,则称x为离散型随机变量( discrete random variable):如果表示试验结果的变 量x,其可能取值为某范围内的任何数值,且x在其取值范围内的任一区间中取值时,其概 率是确定的,则称x为连续型随机变量( continuous random variable) 引入随机变量的概念后,对随机试验的概率分布的研究就转为对随机变量概率分布的 研究了。 离散型随机变量的概率分布35 3、不可能事件的概率为 0，即 P（ф）=0。 三、小概率事件实际不可能性原理 随机事件的概率表示了随机事件在一次试验中出现的可能性大小。若随机事件的概率很 小，例如小于 0.05、0.01、0.001，称之为小概率事件。小概率事件虽然不是不可能事件， 但在一次试验中出现的可能性很小，不出现的可能性很大，以至于实际上可以看成是不可能 发生的。在统计学上，把小概率事件在一次试验中看成是实际不可能发生的事件称为小概率 事件实际不可能性原理，亦称为小概率原理。小概率事件实际不可能性原理是统计学上进行 假设检验（显著性检验）的基本依据。在下一章介绍显著性检验的基本原理时，将详细叙述 小概率事件实际不可能性原理的具体应用。 第二节 概率分布 事件的概率表示了一次试验某一个结果发生的可能性大小。若要全面了解试验，则必 须知道试验的全部可能结果及各种可能结果发生的概率，即必须知道随机试验的概率分布 (probability distribution)。为了深入研究随机试验，我们先引入随机变量(random variable) 的概念。 一、随机变量 作一次试验，其结果有多种可能。每一种可能结果都可用一个数来表示，把这些数作 为变量x的取值范围，则试验结果可用变量x来表示。 【例4.3】 对100头病畜用某种药物进行治疗，其可能结果是“0头治愈”、 “1头 治愈”、“2头治愈”、“…”、“100头治愈”。若用x表示治愈头数，则x的取值为0、1、 2、…、100。 【例4.4】 孵化一枚种蛋可能结果只有两种，即“孵出小鸡”与“未孵出小鸡”。 若 用变量x表示试验的两种结果，则可令x=0表示“未孵出小鸡”，x=1表示“孵出小鸡”。 【例4.5】 测定某品种猪初生重，表示测定结果的变量x所取的值为一个特定范围 (a,b)，如0.5―1.5kg，x值可以是这个范围内的任何实数。 如果表示试验结果的变量x，其可能取值至多为可列个，且以各种确定的概率取这些 不同的值，则称x为离散型随机变量 (discrete random variable)；如果表示试验结果的变 量x，其可能取值为某范围内的任何数值，且x在其取值范围内的任一区间中取值时，其概 率是确定的，则称x为连续型随机变量(continuous random variable)。 引入随机变量的概念后，对随机试验的概率分布的研究就转为对随机变量概率分布的 研究了。 二、离散型随机变量的概率分布