离散随机变量概率分布解释.ppt

定义 若随机变量 X 的可能取值是有限 个或可列个, 则称 X 为离散型随机变量 描述X 的概率特性常用概率分布或分布律 X P 或 离散随机变量及分布律 即 §2.2 分布律的性质 非负性 归一性 X ~ 或 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 . 离散随机变量及分布函数 其中 . ? 0 ? 1 ? 2 ? 3 ? 4 x F( x) o ? o ? 1 ? o ? o ? o (1) 0 – 1 分布 是否超标等等. 常见离散r.v.的分布 凡试验只有两个结果, 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 X = xk 1 0 Pk p 1 - p 0 p 1 应用 场合 或 (2) 二项分布 n 重Bernoulli 试验中, X 是事件A 在 n 次试 验中发生的次数 , P (A) = p ,若 则称 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 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 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 对固定的 n、p, P ( X = k) 的取值呈不 对称分布 固定 p, 随着 n 的增大，其取值的分布 趋于对称 当( n + 1) p ? 整数时, 在 k = [( n + 1) p ] 处的概率取得最大值 , 则对固定的 k 设 Possion定理 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 问题 如何计算 ？ 类似地, 从装有 a 个白球，b 个红球的袋中 不放回地任取 n 个球, 其中恰有k 个白球的 概率为 当 时， 对每个 n 有 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 解 令X 表示命中次数, 则 令 此结果也可直接查 附表2 泊松 分布表得到，它与用二项分布算得的结果 0.9934仅相差万分之一. 利用Poisson定理再求例4 (2) X ~ B( 5000,0.001 ) 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 0.349 0.358 0.369 0.366 0.368 1 0.305 0.377 0.372 0.370 0.368 2 0.194 0.189 0.186 0.185 0.184 3 0.057 0.060 0.060 0.061 0.061 4 0.011 0.013 0.014