概率二单元白底.pptVIP

泊松分布的图形特点： X~ P( ) 泊松分布 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 ，所以称为泊松分布. 例6 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, 或 m=9件 第三节 连续随机变量及其分布 概率密度 f ( x )具有以下性质： 定义3: 设随机变量X的分布函数为F(x)，若存在非负函数 f ( t ),使得对于任意实数x，有 则称X为连续型随机变量，称f(t)为X的概率密度函数，简称概率密度或分布密度。 这两条性质是判定一个 函数 f(x)是否为某r.vX的 概率密度函数的充要条件. 由性质（2）知： 介于曲线 y = f (x)与Ox轴之 间的面积等于1（见图1）。 由性质（3）知： X 落在区间（x1 , x2] 的概率等于区间（x1 , x2）上曲线 y=f( x )之下的曲边梯形的面积(见图2)。 图２ 图１ 面积为1 由性质（4）知： 若已知连续型随机变量X的分布函数 F(x) 求导得概率密度 f (x)。 （4）若x为f(x)的连续点，则有 由定义3知： 若已知连续型随机变量X的概率密度 f ( x ) 求积分得分布函数 F ( x )。 （1） 若X为具有概率密度 f (x) 的连续型随机变量， f (x) 在 x0 处的函数值 f (x0) 反映了概率在 x0点处的“密集程度”，而不表示 X 在 x0 处的概率。 （2）若X为连续型随机变量，由定义知 X 的分布函数F(x)为连续函数（注意：反之不然）。 三点说明 X 取一个点 a 的概率 为零。 而事件{ X=a } 并非不可能事件。 由P(A)=0, 不能推出 由P(B)=1, 不能推出 B= ? 称A为几乎不可能事件，B为几乎必然事件. （3）在计算连续型随机变量X落在某一区间的 概率时，可以不必区分该区间是开区间或闭区间或半开半闭区间，即有 求：（1）常数a；（2） （3）X的分布函数 F ( x ) （1）由概率密度的性质可知 所以 a＝1/2 例1：设随机变量 X 具有概率密度 解： 由于f (x)是分段 表达的，求F(x)时 注意分段求. 解：1) 由于X为连续型随机变量， 故 F (x) 是连续函数。 P{ 0.3X0.7 }=F (0.7) - F (0.3) =(0.7)2-(0.3)2=0.4 X的密度函数为 f (x)=F (x)= 注意到F(x)在某一点处导数不存在，根据改变被积函数在个别点处的值不影响积分结果的性质，可以在 F’(x) 没意义的点处，任意规定 F ’(x) 的值. 例：设随机变量X具有密度函数 则称X在区间(a,b)上服从均匀分布，记为X~U(a,b)， 均匀分布 设连续型随机变量X的概率密度函数为 X的分布函数为 ： 概率密度函数f(x)与分布函数F(x)的图形可用图示 即 X 落在区间[x1，x2]中的概率等于两区间的长度之比，而与子区间的位置无关。 1. 它的实际背景是： 随机变量 X 取值在区间 (a, b) 上，并且取值在(a, b)中任意小区间内的概 率与这个小区间的长度成正比.则 X 具有(a,b)上 的均匀分布. 2 . 若向区间S上随机投掷一点，将其质点的坐标用 X 来表示，则 X 服从均匀分布。这里“随机投掷一点”的含义是指该点落入 S 内任何子区间内的可能性只与这部分区间的长度成比例，而与这部分区间的位置无关. 例：某公共汽车站从上午7时开始，每15分钟来一辆车，如某乘客到达此站的时间是7时到7时30分之间的均匀分布的随机变量，试求他等车少于5分钟的概率。 设连续型随机变量X具有概率密度 则称X服从参数为?的指数分布,记作 X ~ E（λ）。 指数分布 X的分布函数为 f(x)和F(x)可用图形表示 解： 指数分布的这一特性称为无记忆性。 利用 可以证明 ， 正态分布 设随机变量X的概率密