《概率论与数理统计在日常生活中的应用.doc》由会员分享，可在线阅读，更多相关《概率论与数理统计在日常生活中的应用.doc（15页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、概 率 论 与 数 理 统 计在 日 常 经 济 生 活 中 的 应 用摘要：数学作为一门工具性学科在我们的日常生活以及科学研究中扮演着极其重要的角色。概率论与数理统计作为数学的一个重要组成部分，在生活中的应用也越来越广泛，近些年来，概率论与数理统计知识也越来越多的渗透到经济学，心理学，遗传学等学科中，另外在我们的日常生活之中，赌博，彩票，天气，体育赛事等都跟概率学有着十分密切的关系。本文着眼于概率论与数理统计在我们生活中的应用，通过前半部分对概率论与数理统计的一些基本知识的介绍，包括概率的基本性质，随机变量的数字特征及其分布，贝叶斯公式，中心极限定理等，结合后半部分的事例分析讨论了概率论与数
2、理统计在我们生活中的指导作用，可以说，概率论与数理统计是如今数学中最活跃，应用最广泛的学科之一。关键词：概率论 数理统计 经济生活 随机变量 贝叶斯公式 中国地质大学2014届本科生毕业论文 III Probability Theory and Mathematical Statistics In our daily economic lifeAbstract: As an instrumental discipline, Mathematics plays a very important role in our daily life and scientific research. Pro
3、bability theory and mathematical statistics as an important part of mathematics in life has become increasingly widespread in recent years, probability theory and mathematical statistics knowledge is increasingly penetrate into economics, psychology, genetics and other disciplines, in addition to ou
4、r everyday lives, are related to the probability of gambling, lottery, weather, sports and other school has a very close relationship. This article focuses on the theory of probability and mathematical statistics application in our lives, through the introduction of the first half of some basic know
5、ledge of probability theory and mathematical statistics, numerical characteristics, including the fundamental nature of probability, random variables and their distributions, Bayesian formula , the central limit theorem, combined with the second half of the cases discussed the theory of probability
6、and mathematical statistics in guiding role in our lives, we can say, probability theory and mathematical statistics is now one of the most active, the most widely used discipline .Key words: Probability Mathematical Statistics Economic Life Random Variables Bayesian Law第 13 页 共 15 页 中国地质大学2014届本科生毕
7、业论文 目录摘要 IAbstractII第一章 基本知识21.1 概率的基本性质 21.2 随机变量的数字特征 21.3 点估计 41.4 贝叶斯公式 51.5 中心极限定理 61.6 随机变量及其分布 7第二章 在日常生活中的应用92.1 在中奖问题中的应用 92.2 在经济管理决策中的应用 92.3 在经济损失估计中的应用102.4 在求解经济最大利润中的应用112.5 在保险问题中的应用112.6 在疾病诊断中应用12第三章 结束语 13致谢14参考文献15第一章 基本知识 1.1 概率的重要性质1.1.1定义 设E是随机试验，S是它的样本空间，对于E的每一事件A赋予一个实数，记为P（A
8、），称为事件的概率。 概率满足下列条件：（1）非负性：对于每一个事件A （2）规范性：对于必然事件S （3）可列可加性：设是两两互不相容的事件，有（可以取）1.1.2 概率的一些重要性质（i） （ii）若是两两互不相容的事件，则有（可以取）（iii）设A，B是两个事件若，则，（iv）对于任意事件A，（v） （逆事件的概率）（vi）对于任意事件A，B有1.2 随机变量的数字特征 1.2.1 数学期望 设离散型随机变量X的分布律为，k=1,2，若级数绝对收敛，则称级数的和为随机变量X的数学期望，记为，即 设连续型随机变量X的概率密度为，若积分绝对收敛，则称积分的值为随机变量X的数学期望，记为，即定
9、理 设Y是随机变量X的函数Y=(g是连续函数)（1）如果X是离散型随机变量，它的分布律为，k=1,2，若绝对收敛则有（2）如果X是连续型随机变量，它的分概率密度为，若绝对收敛则有数学期望的几个重要性质(1)设C是常数，则有;(2)设X是随机变量，C是常数，则有;(3)设X,Y是两个随机变量，则有；(4)设X，Y是相互独立的随机变量，则有.1.2.2 方差 定义 设X是一个随机变量，若存在，则称为X的方差，记为D（x）即D（x）=，在应用上还引入量，记为，称为标准差或均方差。方差的几个重要性质(1)设C是常数，则有(2)设X是随机变量，C是常数，则有，;(3)设X,Y是两个随机变量，则有特别，若
10、X,Y相互独立，则有;(4)的充要条件是X以概率1取常数，即.切比雪夫不等式：设随机变量X具有数学期望，则对于任意正数，不等式成立1.3 点估计 1.3.1 矩估计用矩法求估计很古老的估计方法，是建立在独立同分布情形下的大数定律（样本均值趋向总体平均），它由K .Pearson 在20世纪初提出，其中心思想就是用样本矩去估计总体矩 。总体X分布函数的未知参数为如果总体的k阶原点矩存在，我们设总体的k阶原点矩与它的样本的k阶原点矩相等 即从上面式子可得到关于未知量的解，取作为的估计，就称为的矩估计。关键要掌握两个式子（设总体的均值为，方差为，是来自总体X的一个样本）：可得总体X的一阶，二阶原点矩
11、为而样本的一阶，二阶原点矩为 由此可得到 ，所以，其中由于上面无偏性有提到方差并不等于样本方差，而是，矩估计为。当矩估计不唯一时，我们可以根据下面的两个基本原则来选择是否用矩估计：a、涉及到矩的阶数尽量小， 对总体X的要求也尽量少； 比较常用到的矩估计的阶数一般是一、二阶数；b、用的估计最好是最小充分统计量的函数，因为在各种统计问题中充分性原则都应是适合的。矩估计的两个基本特点是1、由于矩估计是基于经验分布函数，而经验分布函数逼近真实分布函数的前提条件是样本容量较大，所以理论上，矩估计是以大样本为应用对象的；2、矩估计没有用到总体分布的任何信息时，本质上是一种非参数方法，对已知的总体分布，它不
12、一定是一个好的估计。1.3.2 极大似然估计 极大似然方法是统计中最重要、应用最广泛的方法之一。该方法在1821年由德国数学家Gauss提出的，但并没有得到重视，在1922年R.A.Fisher再次提出，并探讨研究了它的性质。它利用总体分布函数的相关信息，克服矩估计的一些不足。总体X的分布律或概率密度函数为是未知参数，其中总体的样本是，则 为的似然函数。若统计量满足条件 则称为的极大似然估计。极大似然法有许多优良的性质：相合性与渐进有效性、渐进正态性等等。可以计算一些比较复杂的点估计。尽管如此，极大似然也有它的局限性，比如说：极大似然法一定要知道总体分布形式，并且一般情况下，似然方程组的求解比
13、较复杂，一般需要在计算机上通过跌代运算方能计算出其近似解，且并不是通过求导数都获得极大似然估计值的，以及任何统计推断都应该依赖损失函数，但是极大似然方法没有考虑到损失函数。1.4贝叶斯公式设是一系列互不相容的事件，且有 , 则对任一事件A，有 ， 叫先验概率，也叫边缘概率，叫后验概率（）。1.5 中心极限定理1.5.1林德伯格定理 设独立随机变量满足林德伯格条件，对于任意的正数,有。其中是随机变量的概率密度,则当时,我们有即其中是任何实数。1.5.2棣莫弗-拉普拉斯中心极限定理： 设在独立试验序列中,事件A在各次试验中发生的概率为,随机变量表示事件A在次试验中发生的次数,则有,其中是任何实数。
14、1.6随机变量及其分布1.6.1随机变量 设随机试验的样本空间为是定义在样本空间S上的实值单值函数，称为随机变量1.6.2离散性随机变量及其分布律(1) 离散随机变量：有些随机变量，它全部可能取到的值是有限个或可列无限多个，这种随机变量称为离散型随机变量。满足如下两个条件（1），（2）=1三种重要的离散型随机变量设离散型随机变量的分布律为,其中K=0、1，P为k=1时的概率(0p1)，则称X服从（0-1）分布（2）伯努利实验、二项分布 设实验E只有两个可能结果：A与，则称E为伯努利实验.设，此时.将E独立重复的进行n次，则称这一串重复的独立实验为n重伯努利实验。 满足条件（1），（2）=1注意
15、到是二项式的展开式中出现的那一项，我们称随机变量X服从参数为n，p的二项分布。（3）泊松分布 设随机变量X所有可能取的值为0,1,2，而取各个值的概率为 其中是常数，则称X服从参数为的泊松分布记为1.6.3 随机变量的分布函数 设X是一个随机变量，x是任意实数，函数 称为X的分布函数 分布函数，具有以下性质(1) 是一个不减函数 (2) （2） (3) （3）1.6.4 连续性随机变量及其概率密度 连续随机变量：如果对于随机变量X的分布函数F（x），存在非负可积函数，使对于任意函数x有则称x 为连续性随机变量，其中函数f(x)称为X的概率密度函数，简称概率密度1 概率密度具有以下性质，满足（1
16、）；（3）；（4）若在点x处连续，则有2,三种重要的连续型随机变量 (1)均匀分布若连续性随机变量X具有概率密度，则成X在区间(a,b)上服从均匀分布.记为 (2)指数分布若连续性随机变量X的概率密度为 其中为常数，则称X服从参数为的指数分布。（3）正态分布若连续型随机变量X的概率密度为的正态分布或高斯分布，记为 特别，当时称随机变量X服从标准正态分布1.6.5 随机变量的函数的分布 设随机变量X具有概率密度又设函数处处可导且恒有，则Y=是连续型随机变量，其概率密度为第二章 在日常生活中的应用中国的经济在近些年发展极为迅速，但市场难料，盲目投资也是不理性的。概率论是根据大量随机现象的统计规律，
17、对随机现象出现某一结果的可能性的科学判断，对这种现象出现的可能性大小做出数量上的描述。而经济市场是一个极大的随机系统，其中许多问题都是一种随机现象，因此，完全可以用概率论的思想来对一些经济问题进行指导。2.1 在中奖问题中的应用集市上有一个人在设摊“摸彩”，只见他手拿一个黑色的袋子，内装大小.形状.质量完全相同的白球20只，且每一个球上都写有号码（1-20号）和1只红球，规定：每次只摸一只球。摸前交1元钱且在1-20内写一个号码，摸到红球奖5元，摸到号码数与你写的号码相同奖10元。（1） 你认为该游戏对“摸彩”者有利吗？说明你的理由。（2） 若一个“摸彩”者多次摸奖后，他平均每次将获利或损失多
18、少元？分析：（1）分别求出“摸彩”者获奖5元和获奖10元的概率，即可说明； （2）求出理论上的收益与损失，再比较即可解答解答:（1）获奖5元的可能性和获奖10元的可能性同样大，P（摸到红球）=P（摸到同号球）=，概率相等，所以获奖5元的可能性和获奖10元的可能性同样大；（2）每次的平均收益为 （5+10）-1=-0.250，故每次平均损失0.25元2.2 在经济管理决策中的应用 某人有一笔资金,可投入三个项目:房产、地产 和商业,其收益和市场状态有关,若把未来市场划分为好、中、差三个等级,其发生的概率分别为, ,根据市场调研的情况可知不同等级状态下各种投资的年收益(万元) ,见下表: 各种投资
19、年收益分布表好中差房产113-3地产64-1商业102-2请问:该投资者如何投资好?解我们先考察数学期望,可知 ；根据数学期望可知,投资房产的平均收益最大,可能选择房产,但投资也要考虑风险,我们再来考虑它们的方差:;因为方差愈大,则收益的波动大,从而风险也大,所以从方差看,投资房产的风险比投资地产的风险大得多,若收益与风险综合权衡,该投资者还是应该选择投资地产为好,虽然平均收益少万元,但风险要小一半以上。2.3 在经济损失估计中的应用随着经济建设的高速发展火灾、车祸等各种意外事故所造成的经济损失成明显上升的趋势,从而买保险成为各单位及个人分担经济损失的一种有效方法。利用统计知识可以估计各种意外
20、事故发生的可能性以及发生后导致的经济损失大小。下面以参数估计为例来说明它在这一方面的应用。 已知某仓库货物在储藏过程中,仓库货物因火灾而损失的金额服从正态分布 ,今随机抽取8 次货损资料,得到如下仓库货物损失金额表。仓库货物损失金额表货物损失金额(元)1000200030005000次数2141解利用矩估计法或最大似然估计法可知: , 的矩估计量分别为:，从而根据表2 中的数据可计算出:；从而得到仓库货物损失的平均估计值为2625元,标准差的估计值为1049. 55 元。2.4 在求解经济最大利润问题中的应用如何获得最大利润是商界永远追求的目标,随机变量函数期望的应用为此问题的解决提供了新的思
21、路。 某公司经销某种原料,根据历史资料:这种原料的市场需求量 (单位:吨) 服从 上的均匀分布,每售出 吨该原料,公司可获利千元;若积压1 吨,则公司损失 千元,问公司应该组织多少货源,可使期望的利润最大?分析: 此问题的解决先是建立利润与需求量的函数,然后求利润的期望,从而得到利润关于货源的函数,最后利用求极值的方法得到答案。解答：设公司组织该货源吨,则显然应该有,又记为在吨货源的条件下的利润,则利润为需求量的函数,即 ,由题设条件知:当时,则此吨货源全部售出,共获利；当时,则售出 吨(获利) 且还有吨积压(获利) ,所以共获利，由此得从而得 上述计算表明 是的二次函数,用通常求极值的方法可
22、以求得,吨时,能够使得期望的利润达到最大。2.5，在保险问题中的应用某保险公司有2500个人参加保险,每人每年付1200元保险费,在一年内一个人死亡的概率为0.002,死亡时某家属可向保险公司领得20万元。问：(1)保险公司亏本的概率多大？(2)保险公司一年的利润不少于100万元,200万元的概率各位多大？ 解：（1）设X为一年内死亡的人数,则XB(2500,0.002),P(亏本)= 保险公司亏本的概率为0.00007,几乎为零。 （2）P(利润) P(利润) 以上结果说明保险公司几乎不可能亏本,不过要记住,关键之处是对死亡率估计必须正确,如果所估计死亡率比实际低,甚至低得多,那么情况就会不
23、同。2.6，在疾病诊断中的应用 据调查某地居民肝癌发病率为0.0004，现用甲胎蛋白法来检查肝癌：若呈阳性表明患病，若呈阴性表明未患病。假阳性（即未患病结果却呈阳性）和假阴性（即患病结果却称阴性）的概率分别为0.05 和0.01。某人经检验结果呈阳性，他确实患肝癌的概率有多大？令A=“被检验者患肝癌”，B=“检验结果呈阳性”则 由贝叶斯公式可得P(A|B)= 由此可见，虽然检测结果为阳性，但实际患病的可能性非常之小，这不得让我们大吃一惊。但其实仔细一想，也是能够理解的。在上述计算中，假阳性的概率并不大，即检验结果是错误的情况并不多，但肝癌的发病率更小，即绝大多数情况下不会患肝癌，这就使得检验结果是错误的部分P(A)P(B|A)相对很大，这就造成了P(A|B)很小。但这并不能这种检测方法没有用，像我们在医院检查的时候都会有所谓的“初查”，包括体温，心率，血压等，然后在这之后再对有患病可能性的人进行甲胎蛋白法检查，其准确率就会提高很多。参考文献1 魏宗书 概率论与数理统计（第二版） 高等教育出版社，2008.4.2 韦来生 数理统计 科学出版社, 2008.23 谢兴武李宏伟主编,概率统计释难解疑M科学出版社,2007：98-1094 马丽迪，张吉龙. 概率论在经济生活中的多维应用：应用概率与数理统计，