概率论与数理统计21节22节.pptVIP

由此可见日常生活中“提高警惕, 防火 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. 防盗”的重要性. 事，不用奇怪，不用惊慌. 启示 , 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 问题 如何计算？证 记 类似地, 从装有 a 个白球，b 个红球的袋中 不放回地任取 n 个球, 其中恰有k 个白球的 概率为 当 时， 对每个 n 有 结 论 超几何分布的极限分布是二项分布 二项分布的极限分布是 Poisson 分布 解 令X 表示命中次数, 则 令此结果也可直接查 P.378 附表2 泊松 分布表得到，它与用二项分布算得的结果0.9934仅相差万分之一. 利用Poisson定理再求例4 (2) X ~ B( 5000,0.001 ) 例5 某厂产品不合格率为0.03, 现将产品 装箱, 若要以不小于 90%的概率保证每箱 中至少有 100 个合格品, 则每箱至少应装 解 设每箱至少应装100 + n 个, 每箱的不 合格品个数为X , 则X ~ B ( 100 + n , 0.03 ) 由题意 3 (100+n)0.03=3+0.03n 取 = 3 多少个产品？ 例5 查Poisson分布表, =3 得 n +1 = 6 , n = 5 故每箱至少应装105个产品,才能符合要求. 应用Poisson定理 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 0.3580.3690.3660.368 1 0.305 0.3770.3720.3700.368 2 0.194 0.1890.1860.1850.184 3 0.057 0.0600.0600.0610.061 4 0.011 0.0130.0140.0150.015按二项分布按Possion公式 k n=10 p=0.1 n=20 p=0.05 n=40 p=0.025 n=100 p=0.01 ?=np=1 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 (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；都可以看作是源源不断出现的随机 质点流 , 若它们满足一定的条件, 则称为 Poisson 流, 在 长为 t 的时间内出现的质 点数 Xt ~ P ( ?t ) 例6 设一只昆虫所生虫卵数为随机变 量 X , 例6设各个虫卵是否能发育成幼虫是 相互独立的. 已知X ~ P(?)，且每个虫卵发育 成幼虫的概率为 p.求一昆虫所生的虫卵发育成幼虫数 Y 的概率分布. 解 昆虫 X 个虫卵 Y 个幼虫 已知 由全概率公式 故 每周一题4(1)自动生产线调整以后出 现废品的概率为 p, 当生产 过程中出现废品时立即重新 进行调整, 求在两次调整之 间的合格产品数的分布. 问 题 第4周 4(2) 已知运载火箭在飞行中进入其仪 器舱的宇宙粒子数服从参数为 2 的泊 松分布. 而进入仪器舱的粒子随机落 到仪器重要部位的概率为 0.1, 求落到 仪器重要部位的粒子数的概率分布 . 第四周 问题 Blaise Pascal1623-1662 帕斯卡 法国数学家 物理学家 思想家 帕斯卡帕斯卡四岁丧母, 在父亲精心培养 下, 16岁时发现帕斯卡六边形定理,写成 《圆锥曲线论》,由此定理导出400余条 推论, 这是古希腊阿波罗尼奥斯以来圆 锥曲线论的最大进步. 帕斯卡简介1642年发明世界上第一台机械加法 计算机——帕斯卡计算器. 他应用此方法解决了摆线问题.1654年研究二项系数性质,写出 《论算术三角形》一文,还深入讨论 不可分原理,这实际上相当于已知道1647年他发现了流体静力学的帕斯卡原理.三十岁时他曾研究过赌博问题, 对早期概率论的发展颇有影响.1658年完成了《摆线论》,这给 G.W