概率统计：02.3.pptVIP

(1) 0 – 1 分布 X = xk 1 0 Pk p 1 - p 0 p 1 注 其分布律可写成 2.4 常见的离散型随机变量的分布 凡是随机试验只有两个可能的结果， 应用场合 如产品是否格、人口性别统计、 系统是否正常、电力消耗是否超负荷等等. 称为 n 重Bernoulli 试验概型： n 重Bernoulli 试验概型感兴趣的问题为： 在 n 次试验中事件 A 出现 k 次的概率，记为 将此试验独立的重复 n 次 服从(0-1)分布的试验叫做贝努利试验。 设 随机试验有两个可能的结果： (2) 二项分布 背景：n 重Bernoulli 试验中，事件A 在 n 次试验中发生的次数 —— X 若P ( A ) = p , 则 是一离散型随机变量 即事件A在n次试验中发生了k次 这k次可能是n次试验中任意的某个k次，共有Cnk种情况 对于某个指定的k次，其余n-k次A没有发生，概率为pk (1-p)n-k 称 X 服从参数为n, p 的二项分布，记作 0 – 1 分布是 n = 1 的二项分布 上述定义满足概率的基本性质，即： 二项分布的取值情况 设 .039 .156 .273 .273 .179 .068 .017 .0024 .0000 0 1 2 3 4 5 6 7 8 0.273? 由图表可见 , 当 时， 分布取得最大值 此时的 称为最可能成功次数 x P ? 0 ? 1 ? 2 ? 3 ? 4 ? 5 ? 6 ? 7 ? 8 设 .01 .06 .14 .21 .22 .18 .11 .06 .02 .01 .002 .001 0 1 2 3 4 5 6 7 8 9 10 11 ~ 20 ? ? x P ? ? ? ? ? 1 ? 3 ? 5 ? 7 ? 9 ? ? ? ? 0 ? 2 ? 4 ? 6 ? 8 ? 10 ? 20 由图表可见 , 当 时， 分布取得最大值 0.22 ? 二项分布中最可能出现次数的定义与推导 则称k为最可能出现的次数 当( n + 1)p = 整数时，在 k = [( n + 1)p ]与 [( n + 1)p ] – 1 处的概率取得最大值 当( n + 1)p ? 整数时，在 k = [( n + 1)p ] 处的概率取得最大值 例1 独立射击5000次，每次的命中率为0.001, 求 (1) 最可能命中次数及相应的概率； (2) 命中次数不少于2 次的概率. (2) 令X 表示命中次数，则 X ~ B( 5000,0.001 ) 解 (1) k = [( n + 1)p ] = [( 5000+ 1)0.001] = 5 问题 如何计算 ？ 若X ~ B( n, p), 则当 n 较大，p 较小，而 n p=λ适中，则可以用近似公式 证 记 则 那么有 当 故 称为Poisson定理 类似地，设一批产品中有M件正品，N件次品。从中任意取n件，则恰好取到k个次品的概率 为 当 时， 结论 超几何分布的极限分布是二项分布 二项分布的极限分布是 Poisson 分布 对每个 n 有 注： 解 令X 表示命中次数，则 X ~ B( 5000,0.001 ) 令 此结果也可直接查 P.357 附表1 Poisson 分布表 得到，它与用二项分布算得的结果0.9574仅 相差千分之二点二. 利用Poisson定理再求例1 (2) 例2 某厂产品不合格率为0.03，现将产品装箱， 若要以不小于90%的概率保证每箱中至少有100 个合格品，则每箱至少应装多少个产品？ 解 设每箱至少应装100+ n 个，每箱的不合格 品个数为X ，则X ~ B ( 100 + n , 0.03 ) 应用Poisson定理 由题意 λ=(100+n)0.03=3+0.03n≈3 取λ= 3 查Poisson分布表λ=3一栏 得 n +1 = 6 , n = 5 所以每箱至少应装105个产品,才能符合要求. 在实际计算中，当 n ? 20, p ?0.05时，可用上 述公式近似计算；而当n ? 100, np ?10时, 精度 更好 0