概率论C第二章2-2,2-3.ppt

例2 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. 解 (1) k = [( n + 1)p ] = [( 5000+ 1)0.001] = 5 令X 表示命中次数，则 X ~ B( 5000,0.001 ) 问题 如何计算 ？ Poisson定理 则对固定的 k 设 Poisson定理说明：若X ~ B( n, p), 则当 n 较大， p 较小，而 适中，则可以用近似公式 解 令X 表示命中次数，则 X ~ B( 5000,0.001 ) 令 利用Poisson定理再求上例P(X≥2) Poisson定理说明：若X ~ B( n, p), 则当 n 较大， p 较小，而 适中，则可以用近似公式 在Poisson 定理中， 由此产生了一种离散型随机变量的概率分布 — Poisson 分布 (4) Poisson 分布 若 其中 是常数，则称 X 服从参数为 的Poisson 分布，记作 注：Poisson 分布的计算有表可查（P282-283）. 一个容器中的细菌数； 放射性物质发出的粒子数； 一本书中每页印刷错误的个数； 某一地区发生的交通事故的次数 市级医院急诊病人数； 等等 在一定时间间隔内： 一匹布上的疵点个数； 大卖场的顾客数； 应用场合 电话总机接到的电话次数； 例 设随机变量X 服从参数为λ的Poisson分布， 且已知 解：随机变量 X 的分布律为 由已知 可得 所以 如果随机变量X 的分布律为 试确定未知常数c . 例2 由分布律的性质有 解： 称X 服从超几何分布，记作 §2.2 离散型随机变量及其概率分布 若r.v. X 的可能取值是有限 或可列个， 则称 X 为离散型随机变量 描述离散型r.v.的概率特性常用分布列(律)或概率分布(概率函数）,即 分布列的性质 一、离散型随机变量的概念 非负性 规范性 例1. 从1～10这10个数字中随机取出5个数字，令 X：取出的5个数字中的最大值．试求X的分布律． 具体写出，即可得 X 的分布律： 解：X 的可能取值为 5，6，7，8，9，10． 并且 =—— 求分布律一定要说明 k 的取值范围！ F( x) 是分段阶梯函数，在 X 的可能取值 xk 处发生间断，间断点为第一类跳跃间断点， 在间断点处有跃度 pk 离散型r.v的分布函数 例3 设一汽车在开往目的地的途中需经过 4 盏 信号灯，每盏信号灯独立地以概率 p 允许 汽车通过。令 X 表示首次停下时已通过的 信号灯的盏数，求 X 的分布列 出发地 目的地 解 例4 一门大炮对目标进行轰击，假定此目标必须 被击中r 次才能被摧毁。若每次击中目标的 概率为p (0 p 1), 且各次轰击相互独立， 一次一次地轰击直到摧毁目标为止，求所需 轰击次数 X 的概率分布。 解 P ( X = k ) = P ( 前 k –1次击中 r – 1次， 第 k 次击中目标) 解 P ( X = k ) = P ( 首次出现废品之前已生产 k个合格品,第k+1个是废品) (1) 0 – 1 分布 X 1 0 P p 1 - p 0 p 1 二、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 常用0 – 1分布描述，如产品是否合格、人口性别统 计、系统是否正常、电力消耗是否超负荷等等 注:其分布律可写成 (2) 离散型均匀分布 如在“掷骰子”的试验中，用 表示事件｛出现 点｝， 则随机变量 是均匀分布． (3) 二项分布 背景：n 重Bernoulli 试验中，每次试验感兴趣 的事件A 在 n 次试验中发生的次数 —— X 是一离散型随机变量 若P ( A ) = p , 则 称 X 服从参数为n, p 的二项分布(也叫Bernolli分布)，记作 0 – 1 分