2.2 离散型随机变量及其分布律研究.ppt

泊松分布的图形 在某个时段内： 大卖场的顾客数； 某地区拨错号的电话呼唤次数； 市级医院急诊病人数； 某地区发生的交通事故的次数. ① ② ③ ④ ⑤ 一个容器中的细菌数； 一本书一页中的印刷错误数； 一匹布上的疵点个数； ⑥ ⑦ ⑧ 泊松 分布 应用 场合 放射性物质发出的 粒子数； 前面我们提到 二项分布 泊松分布 泊松定理 数, 有 证 有 故有 必定很小, 因此, 上式 也能用来作二项分布概率的近似计算. 例5 计算机硬件公司制造某种特殊型号的微型芯 次品率达0.1%, 各芯片成为次品相互独立. 在1000只产品中至少有2只次品的概率. 品中的次品数, 解 所求概率为 片, 求 利用近似计算得： 显然利用近似计算来得方便. 一般, 离散型随机变量的分布 两点分布 二项分布 泊松分布 二项分布 泊松分布 两点分布 三、小结 1. 作业：习题二 3,7,8,13,16 随机变量的分类 离散型 随机变量 连续型 　　随机变量所取的可能值是有限多个或无限可列个, 叫做离散型随机变量. 　　随机变量所取的可能值可以连续地充满某个 区间,叫做连续型随机变量. 一、离散型随机变量的分布律 二、常见离散型随机变量的概率分布 三、小结 第二节 离散型随机变量及其分布律 引入分布的原因 以认识离散随机变量为例, 我们不仅要知道 X 取哪些值,而且还要知道它取这些值的概率各是多少,这就需要分布的概念.有没有分布是区分一般变量与随机变量的主要标志. 这个就是随机变量X 的概率分布。 引例：从盒中任取3 球， 记 X 为取到白球数。则 X 是一随机变量。 X 可能取的值为: 0, 1, 2。 取各值的概率为 且 一、离散型随机变量的分布律 的概率,为 由概率的定义, 说明： 分布律也可以用表格的形式来表示: 率的规律. 这些概率合 起来是1. 可以想象成: 概率1以一定的规律分布在 各个可能值上. 例1 设一汽车在开往目的地的道路上需经过4组信 号灯, 它已通过的信号灯 组数， 解 假设各组信号灯的工作是相互独立的, 或写成 练习1： 设随机变量X的分布律为 试确定常数a. 练习2 设袋中装有6个球，编号为{1,1,2,2,2,3}，从袋中任取一球，记取到的球的编号为X， 求：（1）X 的分布列；（2）编号大于1的概率． X 1 2 3 P 1/3 1/2 1/6 X 的分布列为: 练习2 设袋中装有6个球，编号为{1,1,2,2,2,3}，从袋中任取一球，记取到的球的编号为X， 求：（1）X 的分布列；（2）编号大于1的概率． 二、常见离散型随机变量的概率分布 (一) (0―1)分布 其分布是 (0―1)分布的分布律也可写成 实例 “抛硬币”试验, 观察正、反两面情况. 随机变量X服从(0―1)分布. 其分布律为 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、电力消耗是否超标等等. 应用 场合 对于一个随机试验, 如果它的样本空间只包含 两个元素, 服从(0―1)分布的随机变量 来描述这个随机试验的结果. (二) 伯努利试验、二项分布 伯努利(Bernoulli)实验. 此 则称这一 它有广泛的应用, 是研究最多的模型之一. n重伯努利试验是一种非常重要的数学模型， 实例1 抛一枚硬币观察得到正面或反面. 若将硬 币抛 n 次,就是n重伯努利试验. 实例2 抛一颗骰子n次,观察是否 “出现 1 点”, 就是 n重伯努利试验. 二项概率公式 且两两互不相容. 称这样的分布为二项分布.记为 二项分布 两点分布 二项分布的图形 例如 在相同条件下相互独立地进行 5 次射击,每次射击时击中目标的概率为 0.6 ,则击