离散型随机变量及其其分布.pptVIP

2.2 离散型随机变量及其概率分布 2、概率分布（分布律或概率函数） 设离散型随机变量X，其所有可能取值为x1, x2, …, xi, …, 且取这些值的概率依次为p1, p2, …, pi, …, 即 二、几个常用的离散型随机变量的概率分布律 两点分布 若随机变量X只有两个可能的取值 ，且其分布为 则称X服从x1,x2处参数为p的两点分布。 2、二项分布 (1)贝努里(Bernoulli)试验模型。 设随机试验满足： 1°在相同条件下进行n次重复试验； 2°每次试验只有两种可能结果，A发生或A不发生； 3°在每次试验中，A发生的概率均一样，即P(A)=p； 4°各次试验是相互独立的， 则称这种试验为贝努里概型或n重贝努里试验。 在n重贝努里试验中，人们感兴趣的是事件A发生的次数。 （2）二项分布定义 3、泊松(Poisson)分布 若随机变量X所有可能取值为0,1,2,…，且 4、几何分布 设随机变量X的可能取值是1,2,3,…,且 P(X=k)=(1-p)k-1p=qk-1p，k=1，2，3，… , 其中0p1是参数，则称随机变量X服从参数p为的几何分布。 作业 Page 41 2，4，10，12 * 随机变量的分类： 随机变量 一、 离散型随机变量及其概率分布（ 分布律） 1、离散型随机变量的概念 若某个随机变量的所有可能取值是有限多个或可列无限多（可数无穷）个，则称这个随机变量为离散型随机变量。 讨论随机变量的目的是要研究其统计规律性，要知道离散型随机变量X的统计规律必须且只须知道X的所有可能取值以及X取每一个可能值的概率。 则称P(X=xi)=pi (i=1, 2, … ) 为随机变量X 的概率分布或称分布律，也称概率函数。 分布律可用表格形式表示为： P(X=xi)=pi (i=1, 2, … ) 而且满足（1）P(X=xi)=pi≥0 (i=1, 2, … ) 　　　　（2） … pi … p3 p2 p1 P … xi … x3 x2 x1 X 一般地，X是离散型随机变量，其概率分布律为 P(X=xi)=pi, (i=1, 2, … ) 则 例2.5 设袋中有5只球，其中有2只白球，3只黑球。现从中任取3只球(不放回)，求抽得的白球数X为k的概率。 解 X=k的所有可能取值为0，1，2 X是一个随机变量 解 设Ai ?第i次射击时命中目标，i=1,2,3,4,5 则A1, A2，…，A5相互独立，且 P(Ai)=p,i=1,2,…,5。SX={0,1,2,3,4,5}, 例2.6 某射手对目标独立射击5次，每次命中目标的概率为p，以X表示命中目标的次数，求X的分布律。 1、 (0-1)分布 若随机变量X的分布律为： P(X=k)=pk(1-p)1-k， k=0，1，(0p1) 则称X服从以p为参数的0-1分布，记为X~B(1,p)。 0-1分布的分布律也可写成 1-p p P 0 1 X 即随机变量只可能取0，1两个值，且取1的概率为p，取0的概率为1-p (0p1)，亦即 P(X=1)=p， P(X=0)=1-p。 若某个随机试验的结果只有两个，如产品是否合格，试验是否成功，掷硬币是否出现正面等等，它们的样本空间为S={ω 1, ω 2},我们总能定义一个服从0-1分布的随机变量 即它们都可用0-1分布来描述，只不过对不同的问题参数p的值不同而已。 以随机变量X表示n次试验中A发生的次数，X可能取值为0,1,2,3,…,n。设每次试验中A发生的概率为p， 发生的概率为1-p=q。 (X=k)表示事件“n重贝努里试验中A恰出现k次”，即 这里每一项表示k次试验中出现A，而另外n-k次试验中出现 ，且每一项两两互不相容，一共有Cnk项。 由4°独立性可知每一项的概率均为pk(1-p)1-k，因此 此为n重贝努里试验中A出现k次的概率计算公式，记为 若随机变量X具有概率分布律 其中p+q=1，则称随机变量X服从以n，p为参数的二项分布（或称贝努里分布)，记为X~B(n,p) 或 X~b(n,p) 。 可以证明： 正好是二项式(p+q)n展开式的一般项，故称 二项分布。 特别地，当n=1时P(X=k)=pkq1-k(k=0,1)即为0-1分布。 例2.7 设有一大批产品，其次品率为0.002。今从这批产品中随机地抽查100件，试求所得次品件数的概率分布律。 解 （视作放回抽样检验） 设(X=k)表示事件“100件产品中有k件次品”，则X可能取值为0，1，2，…，100。 本题可视作100重贝努里试验中恰有k次发生(k件次品)， X~B(100