概率论与数理统计(浙大版)第二章课件.ppt

第二章 随机变量及其分布 关键词： 随机变量 概率分布函数 离散型随机变量 连续型随机变量 随机变量的函数 第一节 随 机 变 量 　 在上一章中，我们把随机事件看作样本空间的子集；这一章里我们将引入随机变量的概念，用随机变量的取值来描述随机事件。 §2 离散型随机变量及其分布 图形表示 程序 x=[0, 1, 2]; pk=[1/4,2/4,1/4]; figure(color,w) plot(x,pk,r.,MarkerSize,31) ylim([0 0.6]) xlim([0,2.3]) text(x(1),pk(1), num2str(pk(1)),FontSize,21); text(x(2),pk(2), num2str(pk(2)),FontSize,21); text(x(3),pk(3), num2str(pk(3)),FontSize,21); figure(color,w) plot(x,pk,r.,MarkerSize,31) hold on plot(x,pk,r-.) ylim([0 0.6]) hold off xlim([0,2.3]) text(x(1),pk(1), num2str(pk(1)),FontSize,21); text(x(2),pk(2), num2str(pk(2)),FontSize,21); text(x(3),pk(3), num2str(pk(3)),FontSize,21); 3、离散型随机变量分布律的性质 例２: 设随机变量X的分布律为： ②每次试验只有两个可能的结果:A及 ③每次试验的结果相互独立。 2、二项分布 用X表示n重Bernoulli试验中事件A发生的次数， ，则X的分布律为: 解：令A=“掷出5点”， 程序和结果 x = 0:4; y = binopdf(x,4,1/6); figure(color,w) plot(x,y,r.,MarkerSize,31) figure(color,w) bar(x,y,0.1,r) pxequal3=y(4) 例2： 设有80台同类型设备，各台工作是相互独立的，发生故障的概率都是0.01，且一台设备的故障能有一个人处理。 考虑两种配备维修工人的方法， 其一是由4个人维护，每人负责20台； 其二是由3个人共同维护80台。 试比较这两种方法在设备发生故障时不能及时维修的概率的大小。 例3：某人骑了自行车从学校到火车站，一路 上 要经过3个独立的交通灯，设各灯工作独 立，且设各灯为红灯的概率为p，0p1， 以Y表示一路上遇到红灯的次数。 (1)求Y的概率分布律； (2)求恰好遇到2次红灯的概率。 例4：某人独立射击n次，设每次命中率为p， 0p1，设命中X次，(1) 求X的概率分布 律；(2) 求至少有一次命中的概率。 例5：有一大批产品，其验收方案如下：先作第一次检验， 从中任取10件，经检验无次品接受这批产品，次品数大 于2拒收；否则作第二次检验，从中任取5件，仅当5件 中无次品便接受这批产品，设产品的次品率为p． 求这批产品能被接受的概率L(p)． 2、泊松分布 定义：若随机变量X所有可能的取值为0,1,2,…, 而取每个值的概率为: 程序对比泊松分布与二项分布 poisspdf(k, Lambda) （a) n=20; p=0.04; (b) n=8; p=0.4; 上两图程序代码 figure(color,w) n=20; p=0.04; x = 0:n; y = binopdf(x,n,p); plot(x,y,r, LineWidth,3) xlim([0,n]) lama=n*p; z=poisspdf(x,lama); hold on plot(x,z,g-., LineWidth,3) hold off legend(二项分布:n=20,p=0.04,\lambda=n*p=0.8) 上述例2的解答： 分别用binopdf(x,n,p)和poisspdf(k, Lambda)函数编程解上一题 n=300; p=0.01; n1=5; x = 0:n1; y = binopdf(x,n,p); binosum=sum(y) lama=n*p; z=poisspdf(x,lama); Poissonsum=sum(z) 分别用binocdf(x,n,p)和poisscdf(k, Lambda)函数编程解上一题 n=300