概率论与数理统计及其应用

概率论与数理统计及其应用

摘要：英国学者威尔斯说过：统计的思维方法，就像读和写的能力一样，将来有一天会成为效率公民的必备能力。概率论与数理统计是研究现实世界中随机现象统计规律的学科，广泛应用于社会，经济和科学技术等各个领域。本文就概率论与数理统计的方法与思维，以及在解决一些生活中的实际问题而展开讨论！

关键词——随机现象、统计、应用

从随机现象说起，在自然界和现实生活中，一些事物都是相互联系和不断发展的。在它们彼此间的联系和发展中，根据它们是否有必然的因果联系，可以分成截然不同的两大类：一类是确定性的现象。这类现象是在一定条件下，必定会导致某种确定的结果。举例来说，在标准大气压下，水加热到100摄氏度，就必然会沸腾。事物间的这种联系是属于必然性的。通常的自然科学各学科就是专门研究和认识这种必然性的，寻求这类必然现象的因果关系，把握它们之间的数量规律。

另一类是不确定性的现象。这类现象是在一定条件下，它的结果是不确定的。举例来说，同一个工人在同一台机床上加工同一种零件若干个，它们的尺寸总会有一点差异。又如，在同样条件下，进行小麦品种的人工催芽试验，各棵种子的发芽情况也不尽相同，有强弱和早晚的分别等等。为什么在相同的情况下，会出现这种不确定的结果呢？这是因为，我们说的“相同条件”是指一些主要条件来说的，除了这些主要条件外，还会有许多次要

条件和偶然因素又是人们无法事先一一能够掌握的。正因为这样，我们在这一类现象中，就无法用必然性的因果关系，对个别现象的结果事先做出确定的答案。事物间的这种关系是属于偶然性的，这种现象叫做偶然现象，或者叫做随机现象。

在自然界，在生产、生活中，随机现象十分普遍，也就是说随机现象是大量存在的。比如：每期体育彩票的中奖号码、同一条生产线上生产的灯泡的寿命等，都是随机现象。因此，我们说：随机现象就是：在同样条件下，多次进行同一试验或调查同一现象，所的结果不完全一样，而且无法准确地预测下一次所得结果的现象。随机现象这种结果的不确定性，是由于一些次要的、偶然的因素影响所造成的。

随机现象从表面上看，似乎是杂乱无章的、没有什么规律的现象。但实践证明，如果同类的随机现象大量重复出现，它的总体就呈现出一定的规律性。大量同类随机现象所呈现的这种规律性，随着我们观察的次数的增多而愈加明显。比如掷硬币，每一次投掷很难判断是那一面朝上，但是如果多次重复的掷这枚硬币，就会越来越清楚的发现它们朝上的次数大体相同。

我们把这种由大量同类随机现象所呈现出来的集体规律性，叫做统计规律性。概率论和数理统计就是研究大量同类随机现象的统计规律性的数学学科。

概率论的产生和发展

概率论产生于十七世纪，本来是由保险事业的发展而产生的，但是来自于赌博者的请求，却是数学家们思考概率论中问题的源泉。

早在1654年，有一个赌徒梅累向当时的数学家帕斯卡提出一个使他苦恼了很久的问题：“两个赌徒相约赌若干局，谁先赢 m 局就算赢，全部赌本就归谁。但是当其中一个人赢了 a (a

算机。

三年后，也就是1657年，荷兰著名的天文、物理兼数学家惠更斯企图自己解决这一问题，结果写成了《论机会游戏的计算》一书，这就是最早的概率论著作。

近几十年来，随着科技的蓬勃发展，概率论大量应用到国民经济、工农业生产及各学科领域。许多兴起的应用数学，如信息论、对策论、排队论、控制论等，都是以概率论作为基础的。

概率论和数理统计是一门随机数学分支，它们是密切联系的同类学科。但是应该指出，概率论、数理统计、统计方法又都各有它们自己所包含的不同内容。

概率论——是根据大量同类随机现象的统计规律，对随机现象出现某一结果的可能性作出一种客观的科学判断，对这种出现的可能性大小做出数量上的描述；比较这些可能性的大小、研究它们之间的联系，从而形成一整套数学理论和方法。

数理统计——是应用概率的理论来研究大量随机现象的规律性；对通过科学安排的一定数量的实验所得到的统计方法给出严格的理论证明；并判定各种方法应用的条件以及方法、公式、结论的可靠程度和局限性。使我们能从一组样本来判定是否能以相当大的概率来保证某一判断是正确的，并可以控制发生错误的概率。

统计方法——是一上提供的方法在各种具体问题中的应用，它不去注意这些方法的的理论根据、数学论证。

应该指出，概率统计在研究方法上有它的特殊性，和其它数学学科的主要不同点有：

第一，由于随机现象的统计规律是一种集体规律，必须在大量同类随机现象中才能呈现出来，所以，观察、试验、调查就是概率统计这门学科研究方法的基石。但是，作为数学学科的一个分支，它依然具有本学科的定义、公理、定理的，这些定义、公理、定理是来源于自然界的随机规律，但这些定义、公理、定理是确定的，不存在任何随机性。

第二，在研究概率统计中，使用的是“由部分推断全体”的统计推断方法。这是因为它研究的对象——随机现象的范围是很大的，在进行试验、观测的时候，不可能也不必要全部进行。但是由这一部分资料所得出的一些结论，要全体范围内推断这些结论的可靠性。

第三，随机现象的随机性，是指试验、调查之前来说的。而真正得出结果后，对于每一次试验，它只可能得到这些不确定结果中的某一种确定结果。我们在研究这一现象时，应当注意在试验前能不能对这一现象找出它本身的内在规律。

概率论的内容

概率论作为一门数学分支，它所研究的内容一般包括随机事件的概率、统计独立性和更深层次上的规律性。

概率是随机事件发生的可能性的数量指标。在独立随机事件中，如果某一事件在全部事件中出现的频率，在更大的范围内比较明显的稳定在某一固定常数附近。就可以认为这个事件发生的概率为这个常数。对于任何事件的概率值一定介于 0和 1之间。

有一类随机事件，它具有两个特点：第一，只有有限个可能的结果；第二，各个结果发生的可能性相同。具有这两个特点的随机现象叫做“古典概型”。

在客观世界中，存在大量的随机现象，随机现象产生的结果构成了随机事件。如果用变量来描述随机现象的各个结果，就叫做随机变量。

随机变量有有限和无限的区分，一般又根据变量的取值情况分成离散型随机变量和非离散型随机变量。一切可能的取值能够按一定次序一一列举，这样的随机变量叫做离散型随机变量；如

果可能的取值充满了一个区间，无法按次序一一列举，这种随机变量就叫做非离散型随机变量。

在离散型随机变量的概率分布中，比较简单而应用广泛的是二项式分布。如果随机变量是连续的，都有一个分布曲线，实践和理论都证明：有一种特殊而常用的分布，它的分布曲线是有规律的，这就是正态分布。正态分布曲线取决于这个随机变量的一些表征数，其中最重要的是平均值和差异度。平均值也叫数学期望，差异度也就是标准方差。

数理统计的内容

数理统计包括抽样、适线问题、假设检验、方差分析、相关分析等内容。抽样检验是要通过对子样的调查，来推断总体的情况。究竟抽样多少，这是十分重要的问题，因此，在抽样检查中就产生了“小样理论”，这是在子样很小的情况下，进行分析判断的理论。

适线问题也叫曲线拟和。有些问题需要根据积累的经验数据来求出理论分布曲线，从而使整个问题得到了解。但根据什么原则求理论曲线？如何比较同一问题中求出的几种不同曲线？选配好曲线，有如何判断它们的误差？……就属于数理统计中的适线问题的讨论范围。

假设检验是只在用数理统计方法检验产品的时候，先作出假设，在根据抽样的结果在一定可靠程度上对原假设做出判断。

方差分析也叫做离差分析，就是用方差的概念去分析由少数试验就可以做出的判断。

由于随机现象在人类的实际活动中大量存在，概率统计随着现代工农业、近代科技的发展而不断发展，因而形成了许多重要分支。如：随机过程、信息论、极限理论、试验设计、多元分析等。

概率论与数理统计的应用

概率论与数理统计的应用几乎遍布所有的科学技术领域，工农生产和国民经济的各个部门。如：

1.气象、水文、地震预报、人口的控制及预测都与概率论紧密相关。

2.产品的抽样验收，新研制的药品是否能在临床中应用要用到假设

检验。

3.寻求最佳生产方案要进行实验设计和数据处理。

4.电子系统的设计，火箭卫星的研制与发射都离不开可靠性估计。

5.处理通信问题，需要研究通信论。

6.探讨太阳黑子的变化规律时，时间序列分析方法非常有用。

7.研究化学反应的时变率，要以马尔科夫过程来描述。

8.生物学中研究群体的增长问题时，提出了生灭型随机模型，传染

病流行问题要用到多变量生灭型随机模型。

9.许多服务系统，如电话通信、船舶装卸、机器维修、病人候诊、

存货控制、水库调整、购物排队、红绿灯转换等，都可用一类概率模型来描述，其涉及到的知识就是排队论。

目前，概率统计理论进入其他自然科学领域的趋势还在不断发展，在社会科学领域，特别是经济学中研究最优决策和经济的稳定增长等，都大量采用概率统计理论。

生活中最重要的问题，其中绝大部分在实质上只是概率的问题——英国数学家拉普拉斯。

概率论是生活的真正领路人，如果没有对概率的某种估计，那么我们将寸步难行，无所作为——英国逻辑学家和经济学家杰文斯参考文献：

概率论与数理统计（第四版）——乐励华、段五朵主编

概率统计及其应用——欧贵冰主编

百度论文数篇

概率论与数理统计思想的应用——崔永伟，杜聪慧主编

概率论基础——王凤雨

姓名：郭秀文

专业班级：09建环2班

学号：20090110070228