概率论3-2.pptVIP

3.2重要的离散型随机变量3.2.1独立试验序列3.2.2二项分布3.2.3泊松定理与泊松分布3.2.4其他重要离散型随机变量3.2.1独立试验序列有许多随机试验，其可能结果不止两个，但由于人们常只对试验是否发生某一种特定结果感兴趣，因而只有两个.例如，明天的天气可以有多种情况，但若只关心明天是否下雨，则观察明天的天气（作为一次独立试验），其结果就只有两个:A=“下雨”或“不下雨”.称结果只有两个的试验为一个伯努利试验。考察独立重复进行一伯努利试验的序列，独立---是指每一试验下发生的结果互相独立。独立重复进行n次伯努利试验,简称重伯努利试验。2、伯努利试验很多随机试验，其可能的结果不止两个，但由于人们常常只对试验中某一特定结果是否发生感兴趣，因而也可将之归结为伯努利试验。1、独立试验序列概型在相同条件下重复进行试验的数学模型伯努利试验独立试验序列概型3.2.1独立试验序列例1明天的天气可以有多种情况，但若只关心明天是否下雨，则观察明天的天气（作为一次独立试验），其结果就只有两个：“下雨”或“不下雨”，因而可被看作是一个贝努利试验。在实际应用上，经常要考察独立重复进行一伯努利试验的序列，并将这一独立重复的试验序列作为单独的一个复合试验来对待。这样的复合试验称为n重伯努利试验。每次试验中某事件A或者发生或者不发生，假定每次试验的结果与其它各次试验结果无关(即每次试验中事件A发生的概率都是p)，这样的一系列（比如n次）重复试验称为n重伯努利试验。3、n重伯努利试验即n次独立重复的伯努利试验称为n重伯努利试验.重复掷10次伯努利试验10重伯努利试验重复掷k次k重伯努利试验例3若学校的电话总机设有99个分机，已知每号分机平均每小时有3分钟要使用外线，在考虑该总机应设置多少条外线合适的问题时，可归结为n重伯努利试验的问题。注：在同样的条件下，若作“不放回抽样”，即检验过的产品不放回而抽下一件检验，这样接连抽取n件的检验就不能视作为n重伯努利试验。但是，当总量N很大时，抽出少数几件不致影响次品率，故而也可将不放回地接连抽取n件（n远小于N）的检验看成是n重伯努利试验。3.2.2二项分布定理1证明：在n次独立重复的伯努利试验中，事件A在某特定的k次中发生，而在其余n-k次试验中不发生，可表示为可算出其概率为证毕。记为二项分布：特别，称n=1的二项分布为两点分布，其分布列为于是解:设A=“观察一个人对该接种疫苗试验的反应呈阳性”于是解:设A=“观察一个人对该接种疫苗试验的反应呈阳性”（3）至少有2人反应为阳性于是于是即从而定理2可见n=99,则可100%满足使用，n99,则不一定能满足使用,即可能会发生事件是否可以通过控制,从而确定n,找出一种折中方案故3.2.3泊松定理与泊松分布泊松分布图形的特点历史上，泊松分布是作为二项分布的近似，于1837年由法国数学家泊松引入的.近数十年来，泊松分布日益显示其重要性,成为概率论中最重要的几个分布之一.在实际中，许多随机现象服从或近似服从泊松分布.泊松分布的背景及应用在生物学、医学、工业统计、保险科学及公用事业的排队等问题中,泊松分布是常见的.例如地震、火山爆发、特大洪水、交换台的电话呼唤次数等,都服从泊松分布.定理3(泊松定理)由已知又因为k是定值，故证毕。定理3(泊松定理)历史上，泊松分布是作为二项分布的近似，于1837年由法国数学家泊松引入的.近数十年来，泊松分布日益显示其重要性,成为概率论中最重要的几个分布之一.在实际中，许多随机现象服从或近似服从泊松分布.泊松分布的背景及应用在生物学、医学、工业统计、保险科学及公用事业的排队等问题中,泊松分布是常见的.例如地震、火山爆发、特大洪水、交换台的电话呼唤次数等,都服从泊松分布.为什么电话的呼叫次数、来到共公汽车站的乘客批数等会近似服从泊松分布？设某电话交换台在某时间段［０，Ｔ］内收到呼叫的次数为随机变量Ｘ现把时间段分为n等份(n较大)，每份为Δt=（1/n）Ｔ设在Δt内收到一次呼叫的概率为p(p较小)，每个Δt内是否收到呼叫是独立的。则一段时间内收到呼叫次数Ｘ~B（n,p）所以，Ｐ（Ｘ＝k）≈λke-λ/k!（λ=np）如同上述的论证，我们可以知道如一些顾客流，某种商品某段时间的销售量等均可近似地用泊松分布来描述。解问题主要是比较在这两种情况下，电脑发生故障得不到及时维修的概率。n较大,p较小例16解3.2.4其它重要离散型随机变量一、超几何分布二、几何分布几何分布有一个有趣的性质三、负二项分布三、负二项分布例设三次独立试验中,事件A出现的概率相等.若已知A至少出现一次的概率等于19/27,求事件A在一次试验中出现的概率?作业：习题3：10，12，17，22