概率与随机第15讲.pptVIP

例1 设生男孩的概率为p,生女孩的概率为 q=1-p，令X表示随机抽查出生的4个婴儿中“男孩”的个数. 贝努里概型 和 二项分布 一、 我们来求X的概率分布. X的概率函数是： 男 女 X表示随机抽查的4个婴儿中男孩的个数， 生男孩的概率为 p. X=0 X =1 X =2 X =3 X =4 X可取值0,1,2,3,4. 例2 将一枚均匀骰子抛掷3次， 令X 表示3次中出现“4”点的次数 X的概率函数是： 不难求得， 掷骰子：“掷出4点”，“未掷出4点” 一般地，设在一次试验中我们只考虑两个 互逆的结果：A或 ， 或者形象地把两个互逆结果叫做“成功”和“失败”. 新生儿：“是男孩”，“是女孩” 抽验产品：“是正品”，“是次品” 这样的n次独立重复试验称作n重贝努里试验，简称贝努里试验或贝努里概型. 再设我们重复地进行n次独立试验 ( “重复”是指这次试验中各次试验条件相同 )， 每次试验成功的概率都是p，失败的概率 都是q=1-p. 用X表示n重贝努里试验中事件A（成功）出现的次数，则 （2） 不难验证： （1） 称r.vX服从参数为n和p的二项分布，记作 X~B(n,p) 当n=1时， P(X=k)=pk(1-p)1-k,k=0,1 称X服从0-1分布 例3 已知100个产品中有5个次品，现从中 有放回地取3次，每次任取1个，求在所取的3个中恰有2个次品的概率. 解: 因为这是有放回地取3次，因此这3 次试验 的条件完全相同且独立，它是贝努里试验. 依题意，每次试验取到次品的概率为0.05. 设X为所取的3个中的次品数， 于是，所求概率为： 则 X ~ B (3, 0.05)， 注：若将本例中的“有放回”改为”无放回”，那么各次试验条件就不同了，不是贝努里概型，此时，只能用古典概型求解. 古典概型与贝努里概型不同，有何区别？ 请思考： 贝努里概型对试验结果没有等可能的要求，但有下述要求： （1）每次试验条件相同； 二项分布描述的是n重贝努里试验中出现 “成功”次数X的概率分布. （2）每次试验只考虑两个互逆结果A或 ， 且P(A)=p ， ； （3）各次试验相互独立. 可以简单地说， 例4 某类灯泡使用时数在1000小时以上 的概率是0.2，求三个灯泡在使用1000 小时以后最多只有一个坏了的概率. 解: 设X为三个灯泡在使用1000小时已坏的灯泡数 . X ~ B (3, 0.8)， 把观察一个灯泡的使用 时数看作一次试验, “使用到1000小时已坏” 视为“成功”.每次试验, “成功”的概率为0.8 P(X 1) =P(X=0)+P(X=1) =(0.2)3+3(0.8)(0.2)2 =0.104 对于固定n及p，当k增加时 ,概率P(X=k) 先是随之增加直至 达到最大值, 随后单调减少. 二项分布的图形特点： X~B(n,p) 当(n+1)p不为整数时，二项概率P(X=k)在k=[(n+1)p]达到最大值； ( [x] 表示不超过 x 的最大整数) n=10,p=0.7 n Pk 对于固定n及p，当k增加时 ,概率P(X=k) 先是随之增加直至 达到最大值, 随后单调减少. 二项分布的图形特点： X~B(n,p) 当(n+1)p为整数时，二项概率P(X=k)在k=(n +1)p和k =(n+1)p-1处达到最大值. 课下请自行证明上述结论. n=13,p=0.5 Pk n 0 想观看二项分布的图形随参数n,p的具体变化，请看演示 二项分布 二、二项分布的泊松近似 当试验次数n很大时，计算二项概率变得很麻烦，如教材例4中，要计算 我们先来介绍二项分布的泊松近似，后面第十七讲中，我们将介绍二项分布的正态近似. 或诸如此类的计算问题，必须寻求近似方法. 证明见教材. 定理的条件意味着当 n很大时，pn 必定很小. 因此，泊松定理表明，当 n 很大，p 很小时有以下近似式： 泊松定理 设 是一个正整数， ，则有 其中 n 100, np 10 时近似效果就很好 请看演示 二项分布的泊松近似 实际计算中， 其中 此例说明，当p不是很小，而是很大( 接近于1)，可将问题略为转换一下，仍然可以应用泊松近似. 当 n很大时，p不是很小，而是很大( 接近于1)时， 能否应用二项分布的泊松近似？ 请看教材例5. 下面我们看一个应用例子. 例5 为保证设备正常工作，需要配备适量的维修人员 .