概率2-1描述.ppt

=1/8 P(X=3)= P( ) 路口3 路口2 路口1 即 X表示该汽车首次遇到红灯前已通过的路口的个数 三、三种常见分布 1、（0-1）分布：（也称两点分布）(举例) 随机变量X只可能取0与1两个值，其分布律为： 看一个试验 将一枚均匀骰子抛掷3次. X的分布律是： 2.伯努利试验和二项分布 令X 表示3次中出现“4”点的次数 掷骰子：“掷出4点”，“未掷出4点” 抽验产品：“是正品”，“是次品” 一般地，设在一次试验E中我们只考虑两个互逆的 结果：A 或 . 这样的试验E称为伯努利试验 . “重复”是指这 n 次试验中P(A)= p 保持不变. 将伯努利试验E独立地重复地进行n次 ,则称这一串重复的独立试验为n重伯努利试验 . “独立”是指各 次试验的结果互不影响 . 用X表示n重伯努利试验中事件A发生的次数，则 易证： （1） 称 r.v X 服从参数为n和p的二项分布（解释） ，记作 X~b(n,p) （2） 例6 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，它是伯努里试验. 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)， 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, 此试验就不是伯努利试验 . 此时, 只能用古典概型求解. 请注意： 伯努利试验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重伯努利试验中事件 A 出现的次数 X 的分布律 . （2）每次试验只考虑两个互逆结果 A 或 ， （3）各次试验相互独立. 可以简单地说， 且 P(A)=p ， ； 例7 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” 视为事件A .每次试验, A 出现的概率为0.8 P{X 1} =P{X=0}+P{X=1} =(0.2)3+3(0.8)(0.2)2 =0.104 3. 泊松分布 设随机变量X所有可能取的值为0 , 1 , 2 , … , 且概率分布为： 其中 0 是常数,则称 X 服从参数为 的 泊松分布,记作X~π( ).（意义） 例8 一家商店采用科学管理，由该商店过去的销售记录知道，某种商品每月的销售数可以用参数λ=5的泊松分布来描述，为了以95%以上的把握保证不脱销，问商店在月底至少应进某种商品多少件？ 解: 设该商品每月的销售数为X, 已知X服从参数λ=5的泊松分布. 设商店在月底应进某种商品m件, 求满足 P{ X ≤ m }0.95 的最小的m . 进货数 销售数 求满足 P {X ≤ m }0.95 的最小的m. 查泊松分布表得 P{Xm}≤ 0.05 也即 于是得 m+1=10, m=9件 或 对于离散型随机变量，如果知道了它的分布律,也就知道了该随机变量取值的概率规律. 在这个意义上，我们说 这一节，我们介绍了离散型随机变量及其分布律，并给出两点分布、二项分布、泊松分布三种重要离散型随机变量. 离散型随机变量由它的分布律唯一确定. 四、小结 练习题 五、布置作业 《概率统计》标准化作业（四） * * * * 随机变量概念的产生 引入随机变量的意义 随机变量的分类 一、随机变量概念的产生 在实际问题中，随机试验的结果可以用数量来表示，由此就产生了随机变量的概念. 1、有些试验结果本身与数值有关（本身就是一个数）. 例如，掷一颗骰子面上出现的点数； 四月份哈尔滨的最高温度； 每天进入一号楼的人数； 昆虫的产卵数； 2、在有些试验中，试验结果看来与数值无关，但我们可以引进一个变量来表示它的各种结果.也就是说，把试验结果数值化. 正如裁判员在运动场上不叫运动员的名字而叫号码一样，二者建立了一种对应关系. 这种对应关系在数学上理解为定义了一种实值单值函数. e. X(e) R 这种实值函数与在高等数学中大家接触到的函数不一样！ （1）它随试验结果的不同而取不同的值，因而在试验之前只知道它可能取