绪论 人们通常将自然界或社会中出现的现象分成二类: 一类是必然的 necessity, inevitability, 一类是偶然的 chanciness, casulness, chance, fortuity, randomly

问题的提出 人们经常遇到的问题是如何选取样本以及 根据样本来对总体的种种统计特征作出判 断。实际工作中碰到的随机变量(总体)往 往是分布类型大致知道,但确切的形式并不 知道,亦即总体的参数未知.要求出总体的 分布函数F(x)(或密度函数p(x))就等于要根 据样本来估计出总体的参数.这类问题称为 参数估计

假设检验的概念 任何一个有关随机变量未知分布的假设称 为统计假设或简称假设.一个仅牵涉到随机 变量分布中几个未知参数的假设称为参数 假设.这里所说的\假设\只是一个设想,至于 它是否成立,在建立假设时并不知道,还需 进行考察. 对一个样本进行考察,从而决定它能否合理 地被认为与假设相符,这一过程叫做假设检 验.判别参数假设的检验称为参数检验.检 验是一种决定规则,通过一定的程序作出是 与否的判断

习题一第3题用步枪射击目标5次,设Ai为\第 次击中目标\i=1,2,3,4,5),B为\5次中击中次 数大于2\,用文字叙述下列事件:

例5市上供应灯泡中,甲厂产品(A)占70%,乙 厂(A)占30%,甲,乙厂的产品合格率分别为 95%,80%,B表示产品合格,求总合格率P(B) 解由于B=AB+AB为二互斥事件之和

关于上一次作业的问题 请注意全概率公式和贝叶斯公式的题型,将 试验可看成分为两步做,如果要求第二步某 事件的概率,就用全概率公式,如果是在第 步二某事件发生条件下第一步某事件的概 率,就用贝叶斯公式

再谈试验及样本空间 一次随机试验的所有可能的试验结果所构 成的集合被称作样本空间,而每一个可能 的试验结果构成样本点.样本点的集合A称 作事件,只包含一个样本点的集合{a}被称 作基本事件. 请注意,这里的试验结果实际上是一次试验 的全过程的记录,因此和我们原来的印象中 的试验结果并非一样,并非试验结束时候的 那个结果

事件的独立性 定义1.4如果事件A发生的 可能性不受事件B发生与否 的影响,即P(A|B)=P(A),则 称事件A对于事件B独立

上一次作业的问题 主要是许多人仍然没有按照标准格式解题. 问题是没有假设事件或者假设事件的概率, 正式解题的时候必须先作假设,即按下面两 种格式之一: 假设事件A为或者写成假设概率P(A)为 的概率

每一个事件都有它的发生概率 即给定事件A,存在着一个正数P与之对应, 称之为事件A的概率,记作P(A)或P{A} 最高的发生概率为1,表示必然发生. 最低的概率为0,表示不可能发生. 而一般的随机事件的概率介于0与1之间. 这里只是概率的数学上的规定,其实就是任 何一个事件到实数轴上的[0,1]区间的映射. 但怎样获得切合实际的一个事件的概率呢?