2.2离散随机变量解析.ppt

(4) Poisson 分布 总 结 离散型随机变量的定义 常用分布 1、退化分布 2、0-1分布B(1,p) 3、二项分布B(n,p) 4、Poission分布P( ) * * * 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 X P 或 若 一、离散随机变量的概念 X ~ 或 分布律的特征性质 非负性 规范性 用这两条性质 判断一个函数 是否是概率分布 称上述公式为r.v. X 的概率分布或分布律. 0.3 0.6 0.1 P 0 1 2 X 例1(P28). 在3件正品2件次品组成的产品中,任取2件, 求取到次品数X 的概率分布。 解：r.v. X 所有可能取值为0，1，2 {X=0}表示“所取2件全为正品”，故 同理 (2) 0 – 1 分布 B(1, p) X 0 1 P 1- p p 0 p 1 二、常见离散r.v.的分布 (1) 退化分布 P{X=C}=1 若随机变量X取常数C的概率为1， 这时称X服从退化分布或单点分布。 应用场合 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. 或 称此随机变量r.v. X的分布服从参数为p的0 – 1 分布 或两点分布或贝努里分布，记 为 X～B(1, p) (1-p)5 例2.某射手对目标独立射击5次，每次命中目标的概率为p，以X表示命中目标的次数，求X的分布律。 解：设Ai?第i次射击时命中目标，i=1,2,3,4,5 则A1,A2,…A5相互独立，且 P(Ai)=p(i=1,2,…5), r.v. X所有可能取值为0,1,2,3,4,5 例3(P28).对某一目标射击，直到击中为止，设每次射击命中率为p, 则求射击次数的分布律。 X=射击次数； 记 1-p=q 解 P(X=k) =qk-1 · p (k=1,2,…) (前k-1次未击中，第k次击中) X 1 2 … k … p qp … … P qk-1p 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X～B(n, p) 下面讨论二项分布的特征性质。 (3) 二项分布B(n, p) (2)0–1 分布是 n = 1 的二项分布； (1) 记 (3) X～B(n, p)的充分必要条件为: X 可表示为n个独立同服从0-1分布的随机变量之和. Xi～B(1, p) 解 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 =0.9934 例4 独立射击5000次, 命中率为0.001, 求命中次数不少于1 次的概率. 由此可见日常生活中“提高警惕, 防火防盗”的重要性. 由于时间无限, 自然界发生地震、海啸、空难、泥石流等都是必然的，早晚的事，不用奇怪，不用惊慌. 同样, 人生中发生车祸、失恋、患绝症、考试不及格、炒股大亏损等都是正常现象, 大可不必怨天尤人, 更不要想不开而跳楼自杀. 问题 如何计算P {X≥2500}? 若 其中? 0是常数，则称 X 服从参数为?的Poisson 分布.记作 或 泊松,法国数学家，1781年6月21日生于法国卢瓦雷省皮蒂维耶，1840年 4月25日卒于法国索镇。 泊松在青年时期曾学过医学，后因喜好数学，于1798年入巴黎综合工科学校深造。毕业时，因研究论文优秀而被指定为讲师，1806年任该校教授，1809年任巴黎理学院力学教授，1812年当选为巴黎科学院院士。 ? 泊松的科学生捱开始于研究微分方程及其在摆的运动和声学理论中的应用。他工作的特色是应用数学方法研究各类物理问题，并由此得到数学上的发现。他对积分理论、行星运动理论、热物理、弹性理论、电磁理论、位势理论和概率论都有重要贡献。他一生共发表300多篇论著。 , 则对固定的 k 设 定理1. Possion定理 定理说明:若X~B( n, p),则当n 较大(≥20), p较小(≤0.05), 而np =? 适中,