2常用统计分布研究.ppt

2.0.1随机事件与概率 1. 必然事件:在一定条件下必然出现的现象称为必然事件。例： 不可能事件：某一事件一定不发生，则称为不可能事件。 随机事件:在某些确定条件下，可能出现也可能不出现的现象被称为随机事件。例： 通常用A,B,C表示随机事件。 2．频率与概率 设随机事件A在n次实验中出现了m次，则其比值m/n称为随机事件A的频率，记为： 由于m的取值区间为〔0，n〕,因此W(A)的取值区间就为〔0，1〕,即任何随机事件的频率都介于0与1之间。 经验证明：当实验重复多次时，随机事件A的的频率具有一定的稳定性。 例如，为考察一批小麦种子的发芽情况，分别从中抽取5粒、10粒、50粒、100粒、300粒、600粒、1000粒，在相同条件下进行发芽实验，结果列于下表中。 由随机事件的频率的稳定性可以看出，随机事件发生的可能性可以用一个数字来表示。 能够刻画随机事件A在实验中发生可能性的大小的，介于0与1之间的数叫随机事件A的概率，记作P(A). 当实验次数充分大时， P(A) ≈ W(A)= m/n ∵ W(A)的取值区间就为〔0，1〕, ∴P(A)的取值区间也为〔0，1〕。 注意：随机事件的规律性是对大量个体组成的整体而言的，但不能归结为个体性质的总和。 例：一批水稻种子的发芽率为90%，这是大量种子表现出的规律性，就其中一粒种子而言，要么发芽，要么不发芽，而不会只发芽90%。 2.0.2随机变量 随机变量:若具有随机性的事件可以用数值来表示，则该随机事件就称为随机变量。(在一定条件下，以一定概率取某一可能值的变量称为随机变量） 例：抛硬币：w1表示徽花向上，w2表示字向上，则随机变量 X=0, 当w =w2 X=1，当w =w1 2.0.2随机变量 随机变量用X表示，进行一次实验，随机变量可以取得一个测量数值xi，若在相同实验条件下，重复进行n次独立测量，随机变量X就有n个测量值，即x1、x2、… xn，称为一个测量列。 测量值的集合:（x1、x2、… xn）称为随机变量X的一个容量为n的样本的观测值。 离散型随机变量频数分布图 2.1 离散型随机变量的概率分布 1．Bernoulli 分布（两点式分布）(“0-1”分布） 在一次实验中，事件A发生的概率为p，不发生的概率为q＝1－p，将此分布称为Bernoulli，也称为两点式分布(“0-1”分布）。而取得这些值的概率为： （k=0，1） 其中0p1,p+q=1. 把实验的可能结果只有两种的“重复独立实验”，就称之为Bernoulli 实验模型。 2．二项式分布 将只有两种可能结果的Bernoulli 实验A独立进行n次，来研究“A事件发生k次”的随机事件的概率P（X＝k），显然，k的可能取值为0，1，2，… n。其对应的概率为： （k=0，1，2，… n.），（0p1，q=1－p） 这种分布叫做二项式分布 若考虑到k的所有可能取值，则： 根据排列组合理论，二项式分布中所有排列组合种数 这样（2－11）就可以写为 二项式分布含有两个参数n,p,通常把这种分布记作B(n,p） 如果随机变量X服从二项式分布B(n,p），则记为：X～ B(n,p）. 如果事件A在每次实验中发生的概率为p，则事件A在n次试验中发生的次数X服从二项式分布B(n,p）。 【例题2－2】利用键盘向计算机输入数据，已知某操作员操作失误率为0.01，今需要输入1000数据，求失误小于4次的概率。 解：将每一次操作都视为一次实验，设X为失误次数，由题意可知X服从B（1000，0.01）的二项式分布。k的取值为0、1、2、3，根据公式（2－12）得： 3．泊松分布 建立二项式实验模型时，当重复实验次数n非常大，而实验结果（事件）出现的概率p又很小，np不可忽略时，二项式分布就趋向于一种新的分布—泊松分布 例如一定面积中某物种的数目；显微镜的某一视野中某种细菌 （或病毒）的个数；某一段时间内对某一网站的访问次数；大海中一网捕到的某种稀有鱼类的尾数等等。 例如：（1）生产自动线上输出的信号多数是正确的，求某个时间出现错误的概率； （2）工厂生产现场不出事故的时间是多数，求发生事故的概率。 泊松分布是二项式分布的极端情况，可由二项式分布来逼近而得到。 若随机变量X服从二项式分布，其概率函数为： （k=0，1，2，… n.）， （0p1，q=1－p） 由 令：np=m，则p=m/n, q=1-p=(1-m/n) 则 当n→∞时，