几种重要的分布.PPTVIP

第四章几种重要的分布 4.1 二项分布 4.2 超几何分布 4.3 普哇松分布 4.4 指数分布 4.5 Γ-分布 4.6 正态分布 贝努里(Bernoulli)概型与二项分布 （一）随机变量ξ的分布律 (P79)定义４.1　如果随机变量ξ有概率函数， ４.２超几何分布 　 例１　某班有学生２０名，其中有５名女同学，今从班上任选４名学生去参观展览，被选到的女同学数ξ是一个随机变量，求ξ的分布。 定义４２　设Ｎ个元素分为两类，有Ｎ１个属于第一类，Ｎ２个属于第二类（Ｎ１＋Ｎ２＝Ｎ）。从中按不重复抽样取n个，令ξ表示这n个中第一（或二）类元素的个数，则ξ的分布称为超几何分布。其概率函数是 例３　一大批种子的发芽率为90％，今从中任取10粒，求播种后，（１）恰有8粒发芽的概率； （２）不少于8粒发芽的概率。 解　设10粒种子中发芽的种子数目为ξ。因10粒种子是由一大批种子中抽取的，这是一个Ｎ很大，n相对于Ｎ很小的情况下的超几何分布问题，可用二项分布公式近似计算。ξ～B(10 0.9)  P99 1、2、4、7、8、14 ４３普哇松分布 其中 λ0 ，则称ξ 服从普哇松(Poisson) 分布。 　　　　　 例３　检查了100个零件上的疵点数，结果如表4-6: 　　 例1 某元件寿命ξ服从参数为λ(λ-1 =1000)的指数分布。3个这样的元件使用1000小时后，都没有损坏的概率是多少？ 各元件寿命相互独立，因此3个这样的元件使用1000小时都未损坏的概率为 4.5 Γ-分布 定理4.1 如果ξ1,ξ2,…,ξn相互独立，且ξi服从参数为λ,ri的Γ-分布，则它们的和 ξ1+ξ2+…+ξn服从参数为 r1+r2+…+rn的Γ－分布  P101 16、17、18、19、21 例1 ξ～N(0,1) 求  P101 20、23、25、26、27、28 （五）正态分布与Γ-分布的关系 （六） 二元正态分布 定理 4.5 二元正态分布的边缘概率密度是一元正态分布。 证：设（ξ，η）的联合概率密度由（4.16）式给出， ξ的边缘概率密度记为 定义4.8 若连续型随机变量ξ的概率密度为 第四章复习要求 2、熟练掌握几种重要分布的数字特征： 期望、方差、协方差、相关系数 设随机变量ξ服从正态分布 例2 = 0.975 ＝P(ξ≥1.96)=1- P(ξ≤1.96)=0.025 =P(-1.96≤ξ≤1.96)= =0.95 =0.81855 =0.97725+0.8413－1 ＝1 ∴如果ξ～N(0,1)，则 例3 解： 例4 解： 查表得： 若 ξ~N（0，1）,?（0.5)=0.6915, P{1.32ξ2.43}=?(2.43)-?(1.32) =0.9925-0.9066 注：(1) ?(x)＝1－ ?(－x)； (2) 若X～N(?, ?2)，则 正态分布表 定理 4.4 如果 ξ服从N(0, 1)，则ξ2服从 λ＝0.5，r=0.5的Γ-分布，即 证： 根据P54（2.26)式，当x≤0时， 当x0时 当x0时 定义4.7 若二元连续型随机变量（ξ，η）的联合概率密度为 （4.16） 其中 均为常数 。 时，称（ξ，η）服从二元正态分布 ＝1 由第三章的知识我们知道： 相互独立的两个随机变量一定不相关ρ＝0 但是不相关的随机变量不一定独立 然而对于二元正态分布来说，有定理4.6成立 定理4.6 服从二元正态分布的随机变量（ξ,η ) 它们独立的充分必要条件是ξ与η的相关系数ρ=0 证：必要性 充分性 称ξ服从具有n个自由度的t分布，简记为t（n）。 定义4.9 若连续型随机变量 ξ的概率密度为 称 ξ 服从具有第一个自由度为 n1 ， 第二个自由度为n2 的F分布，简记为 1、 熟练掌握几种重要的分布： 0－1分布；二项分布；超几何分布；几何分布； 普哇松分布；均匀分布；指数分布； 正态分布。 4、掌握常用分布的数字特征与分布参数之间的关系 3、理解随机变量的独立性及不相关的概念 掌握独立性的条件与判定方法。 3 3 7 20 26 27 14 频数 6 5 4 3 2 1 0 疵点数 试用普哇松分布公式计算疵点数的分布，并与实际 检查结果比较。 解： 要用普哇松(Poisson) 分布公式计算，首先要求出λ 0.03 0.03 0.07 0.