第二章 概率与分布2.docxVIP

第二章 概率与分布·联系：对象在离散点或区间上分布分布特征数样本数据频数分布表频数分布图描述指标 () (p)随机变量概率分布表概率分布图总体参数 () ()2.3二项分布一、概率函数 (概率分布表)·名词解释：观察结果二项、概率等于二项展开式·有放回地独立重复摸球5次后黑球出现总次数X的概率函数。fx 表2.1 例2.3中离散型随机变量X的概率函数（n=5）X的可能取值 黑球数012345 概率P(x)0.00030.00640.05120.20480.40960.3277·这个概率函数值恰好对应于下列二项展开式的各个项：(0.2+0.8)5 ＝(0.2)5 +(0.8)(0.2)4 +(0.8)2 (0.2)3 +(0.8)3 (0.2)2 +(0.8)4 (0.2)+(0.8)5·一般地，阳性概率为，n次独立、重复试验后该事件出现阳性数为x次的概率为, x＝0, 1, , n(2.13) 其中 , 0!＝1, k!＝k(k-1)…(2)(1), k≠0 (2.13)式称为二项分布的概率函数，称相应的随机变量X服从二项分布(binomial distribution), 记为XΒ(, n)·至多出现x次数的概率为P=P(0)+P(1)+…+P(x)，简记为(2.14) 这就是二项分布变量X的分布函数。例2.3 现有5只动物注射了半数致死量的毒物，试分别计算死亡动物数X＝0, 1, 2, 3, 4, 5的概率。（提示：=0.5）解 P(0)＝(0.5)5 (0.5)0 ＝0.03125 P(1)＝(0.5)4 (0.5)1 ＝0.15625 P(2)＝(0.5)3 (0.5)2 ＝0.31250 P(3)＝(0.5)2 (0.5)3 ＝0.31250 P(4)＝(0.5)1(0.5)4 ＝0.15625 P(5)＝(0.5)0 (0.5)5 ＝0.03125二、分布图形的特征 (概率分布图)图2.1·0.5时, 在横轴的正方向拖一长尾呈正偏峰(a)·0.5时, 在横轴的负方向拖一长尾呈负偏峰(b)·=0.5时, 呈对称(c)·n相当大，n和n(1-)都大于5，=？，图形也接近对称(d)Pois图2.1 若干二项分布的概率函数直条图13012345678910111200.10.20.30.4 (d) 0.50, n相当大 （对称、正态10.20.30.40.5(c) =0.50 （对称）三、总体均数与总体标准差 (平均水平与变异程度—分布参数)·推导过程：（下述黑体字公式，可忽略）＝··＝(2.15)＝(2.16)(2.17)(2.18)(2.19)(2.20)＝＝＝(2.21)·样本频率的总体均数、总体方差和总体标准差x=n， p= ，(2.22)， 四、实例讨论（略）第四节 Poisson分布一、概率函数·Poisson分布是（1）罕见的独立事件阳性数目的随机分布（2）也可视为n很大, 很小时二项分布Ｂ(, n)的极限情形·以放射性脉冲计数为例，Poisson分布的前提条件：(1) (n足够大)，区间足够小，以致每个区间阳性数2（平稳性）(2) 每个区间阳性概率都是(重复、小概率)(3) 不同区间是否发生是统计独立的(独立性)数学上可以证明, 当n→∞时Pn(x)的极限为(2.23)·应用：许多发病率很低的疾病(如肿瘤，不具传染性、无永久免疫、无遗传性)，发病人数X近似地服从Poisson分布，其中二、分布图形的特征例2.4 据报导, 新生儿染色体异常率为1%, 试用两种方法计算100名新生儿发生x＝0, 1, 2例染色体异常的概率。解 利用二项分布和Poisson分布计算的结果如表2.2所示表2.2 用二项分布和POISSON分布计算染色体异常概率的比较XP(x)Β(1%, 100)Π(1)0(0.99)100 (0.01)0＝0.3660e-1 (1)0 /0!＝0.36791(0.99)100-1 (0.01)1＝0.3697e-1 (1)1 /1!＝0.36792(0.99)100-2 (0.01)2＝0.1849e-1 (1)2 /2!＝0.1839·Poisson分布图形：呈正偏峰不可能出现负偏峰的图形 f2_3a三、总体均数和总体方差二项分布的总体均数和总体方差为 和 Poisson分布的总体均数和总体方差为 和 即总体均数等于总体方差。这是Poisson分布独有的性质, 可通过考察样本均数是否接近样本方差, 来判断是否为Poisson分布四、可加性设X1～Π(λ1 ), X2 ～Π(λ2), 且互相独立, 则X1 +X2 ～Π(λ1 +λ2 ) 例如, 假定每10分钟内记录到的放射性脉冲数服从Π(λ), 独立、重复2次, 测定值为X1和X2 , 则它们之和服从Π