统计论lrh2-2分解.ppt

§2.2 离散型随机变量 重点：离散型随机变量的分布律；常见离散型随机变量的分布。 难点：离散型随机变量的分布律的计算。 本节指导： 1.理解离散型随机变量。 2.掌握离散型随机变量的分布律及其性质。 3.掌握两点分布、二项分布和泊松分布。 §2.2 离散型随机变量 4.会利用泊松定理进行计算。 5.会利用常见的Matlab命令进行相关计算。 6.了解小概率事件；了解几何分布、帕斯卡分布、超几何分布。 §2.2 离散型随机变量 如果随机变量 X 的可能取值为： x1，x2，……，xn，…… 称X为离散型随机变量 。称 pi=P(X=xi)， i =1, 2, …… 为 X 的分布律. 分布列也可用表格形式表示： X x1 x2 …… xn …… P p1 p2 …… pn …… 2.2.1 分布列的基本性质 (1) pi  0， (2) (正则性) (非负性) 注 意 点 (1) 求离散随机变量的分布列应注意： (1) 确定随机变量的所有可能取值; (2) 计算每个取值点的概率. 注 意 点 (2) 对离散随机变量的分布函数应注意： (1) F(x)是递增的阶梯函数; (2) 其间断点均为右连续的; (3) 其间断点即为X的可能取值点; (4) 其间断点的跳跃高度是对应的概率值. 例1 已知 X 的分布列如下： X 0 1 2 P 1/3 1/6 1/2 求 X 的分布函数. 解： X 0 1 2 P 0.4 0.4 0.2 解： 例2 已知 X 的分布函数如下,求 X 的分布列. 解：设X=“取到白球为止的取球次数”，则X所有可能取值为1,2,3,4,5.故X为离散型随机变量。 例3 袋中有1个白球4个红球。每次任取一个，取出后不再放回，直到取到白球为止。求取球次数的分布律及其分布函数。 令Ai为第i次取到白球，i=1,2,3,4,5，则 故X的分布列为 而X的分布函数为 2.2.2 常用离散分布 1 0-1分布 X 0 1 P 1-p p 2.2.2 常用离散分布 2 二项分布 记为 X ~ b(n, p). X为n重贝努利试验中“成功”的次数, 当n=1时，称 b(1, p) 为 0-1分布. n 重贝努利试验： 设随机试验E只有两个结果(成功、失败；黑球、白球；正面、反面)，记“成功”的概率为p. 将随机试验E独立重复进行n次所得到的一连串试验称为n重贝努利试验. n 重贝努利试验 在n 重贝努利试验中，记成功的次数为X. X 的可能取值为： 0，1，……，n. X 取值为 k 的概率为： n 重贝努利试验成功的次数 试验次数为 n=4, “成功”即取得合格品的概率为 p=0.8, 所以, X ~ b(4, 0.8) 思考： 若 Y 为不合格品件数，Y ？ Y ~ b(4, 0.2) 一批产品的合格率为0.8, 有放回地抽取4次, 每次一件, 则取得合格品件数 X 服从二项分布. 例4 设X ~ b(2, p)， Y ~ b(4, p)， 已知 P(X1) = 8/9， 求 P(Y1). 解: 由 P(X1) = 8/9 ，知 P(X=0) = 1/9. 由此得： P(Y1) = 1 P(Y=0) 所以 1/ 9 = P(X=0) =(1p)2， 从而解得: p = 2/3. = 1- (1p)4 = 80/81. 例5 某人进行射击,每次射击命中率为0.01，今独立射击400次,求击中次数大于等于10的概率。 Matlab常用二项分布函数 binopdf(x,n,p): 参数为n,p的二项分布律在x点处值。 binocdf(x,n,p):参数为n,p的二项分布函数在x点处函数值。 若随机变量 X 的概率分布为 则称 X 服从参数为 的泊松分布, 记为 X ~ P(). 3 泊松分布 泊松定理 定理2.2.1 (二项分布的泊松近似) 在n重贝努利试验中，记 p 为一次试验中 成功的概率. 若 np ，则 在实际应用中，一般要求n p. 例6（续例5）利用近似公式来计算例1中的概率 。 解：由题意知n=400,p=0.01,故由近似公式得np=4，故所求概率为 例7 若有彼此独立工作的同类设备90台，每台发生故障的概率为0.01,现配备三名修理工，每