《概率论》第三章 离散型随机变量.ppt

3.方差的计算 离散型随机变量的方差 (1) 利用定义计算 (2) 利用公式计算 例7 已知 ，求 解 故方差为 例8 解 这样，就有 例9 解 这样，就有 常见离散型随机变量分布的数学期望与方差 * * * * * * 1、设随机变量ξ所有取的值为0,1,2,…,而取各个值的概率为 其中 是常数，则称ξ服从参数为 的泊松分布，记为 利用级数 ，易知 三、泊松（poisson）分布 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. 　二十世纪初罗瑟福和盖克两位科学家在观察与分析放射性物质放出的 粒子个数的情况时,他们做了2608 次观察(每次时 间为7.5 秒)发现放射性物质在规定的一段时间内, 其放射的粒子数X 服从泊松分布. 一段时间或一定空间内事件出现次数往往服从于Poisson分布，如： 一天中某车间机器出故障的次数等. 某书上某一页的印刷错误数； 一段时间内某网站被访问的次数； 一段时间内候车室中旅客数目； 一段时间内到电信局交电话费的人数； 某块布上的暇点数； 实际计算时，可查Poisson分布表. 例6 已知ξ服从Possion分布， 且 ，求 解 需要确定参数 即 2、Possion分布与二项分布的关系 定理2 (possion定理) 设 ，当n较大，p较小时，可以用possion分布近似代替二项分布，即 ，其中 注 一般当 时，用Poisson分布近似二项分布的效果较好. 解 因此 例7 可近似认为 则由查表得： 设N个元素分为两类，有M个属于第一类， N-M个属于第二类。从中不重复抽取n个，用ξ表示取到第一类元素的个数，则 超几何分布. 这里M ≤N , n ≤N, n , N , M为自然数，则称ξ服从 四、 超几何分布 第三节 数字特征 引例： 试问哪个射手技术较好? 甲乙两射手进行打靶练习，各发100枚子弹，他们打中的环数及次数如下： X甲 8 9 10 频数Nk 30 60 10 X乙 8 9 10 频数Nk 35 35 30 甲、乙的平均环数 环数为 的频率 概率代替频率 一、离散型随机变量的数学期望 假设 数学期望从本质上体现了 取可能值的平均值. 当随机变量 取各个可能值是等概率分布时 , 的期望值才与算术平均值相等. 随机变量 的算术平均值为 注 1. E 是一个实数，而非变量，它是一种加 权平均，它从本质上体现了随机变量 取可能值的真正的平均值. 2. 级数的绝对收敛性保证了级数的和不随级数各项次序的改变而改变 , 之所以这样要求是因为数学期望是反映随机变量 取可能值的平均值，它不应随可能值的排列次序的改变而改变. 试问哪个射手技术较好? 例1 乙射手 甲射手 解 故乙射手的技术比较好. 多次射击后，平均得分分别是2.1环与2.2环 例2 如何确定投资决策方向? 某人有10万元现金，想投资于某项目，预估成功的机会为 30%，可得利润8万元 ， 失败的机会为70%，将损失 2 万元．若存入银行，同期间的利率为5% ，问是否作此项投资? 解 存入银行的利息: 故应选择投资. 设 为投资利润，则 例3（二项分布的数学期望） 解 例4（泊松分布的数学期望） 解 注1、若 ，则 2、若 ，则 特别地，若 服从参数为p的两点分布，即 则 例4 解 二、离散型随机变量函数的数学期望 问题 例6 1. 离散型随机变量函数的分布律 解 的可能值为 2. 离散型随机变量函数的数学期望 例6(续) 解 一般地，若已知离散型随机变量函数 且已知 的分布律 则不必求出 的分布律而可以直接计算 的数学 期望，即 性质1 性质2 性质3 3. 数学期望的性质 引例 有两批灯泡,其平均寿命都是 E =1000小时. 如何体现随机变量取值的分散程度？ 三、离散型随机变量的方差 方差的意义 　　方差是一个体现随机变量 取值分散程度的量. 如果 值大, 表示 取值分散程度大, 即 的代表性差; 而如果 值小, 则表示 的取值比较集中, 以 作