2.2离散型随机变量及其概率分布重点.pptVIP

* §2.2离散型随机变量及其概率分布 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 规范性 X ~ 或 * 解 例1 设汽车在开往甲地途中需经 过 4 盏信号灯, 每盏信号灯独立地 以概率 p 允许汽车通过. 出发地 甲地 首次停下时已通过的信号灯盏数, 求 X 的概 率分布与 p 0.4 时的分布函数. 令 X 表示 例1 * ? 0 ? 1 ? 2 ? 3 ? 4 x x ] ] ] ? ] ? ? k pk 0 1 2 3 4 0.6 0.4?0.6 0.42?0.6 0.43?0.6 0.44 当 * ? 0 ? 1 ? 2 ? 3 ? 4 x F x o ? o ? 1 ? o ? o ? o * 用分布律或分布函数来计算事件的概率 例2 在上例中, 分别用分布律与分布函数计 算下述事件的概率： 例2 解 或 * 或 此式应理解为极限 * 1 0 – 1 分布 X xk 1 0 Pk p 1 - p 0 p 1 注 其分布律可写成 常见的离散型随机变量的分布 凡试验只有两个可能的结果，常用 应用场合 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. * 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 * 例4 独立射击5000次, 每次命中率为0.001, 例4 解 1 k [ n + 1 p ] [ 5000+ 1 0.001] 5 求 1 最可能命中次数及相应的概率； 2 命中次数不少于1 次的概率. * 2 令X 表示命中次数,则 X ~ B 5000,0.001 小概率事件虽不易发生，但重 复次数多了，就成大概率事件. 本例 启示 * 问题 如何计算 ？ * 3 Poisson 分布 若 其中 是常数，则称 X 服从参数为 的Poisson 分布. 或 记作 * 在Poisson 定理中， 由此产生了一种离散型随机变量的概率分布 — Poisson 分布 * 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 应 用 场 合 放射性物质发出的 粒子数； * , 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 * 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