2.1—2.2随机变量和离散型.pptVIP

在前面的学习中,我们用字母A、B、C...表示事件，并视之为样本空间S的子集；针对等可能概型，主要研究了用排列组合手段计算事件的概率。 本章，将引入随机变量表示随机事件，以便采用高等数学的方法描述、研究随机现象。;第一节 随机变量 第二节 离散型随机变量及其分布律 第三节 连续型随机变量及其概率密度 第四节 随机变量的分布函数 第五节 随机变量的函数的分布 小结; 第二章知识结构图;第一节 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）.;(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. ;这种对应关系在数学上理解为定义了一种实值 单值函数.定义域为样本空间S，取值为实数.;（1）它是一个变量, 它的取值随试验结果而改变;我们将研究两类随机变量：; 第二节 离散型随机变量及其分布律;定义1 ：若随机变量X的所有可能取值是有限多个或可列无限多个, 则称X为离散型随机变量 .;其中 (k=1,2, …) 满足：;离散型随机变量分布律也可以用列表法表示;例题1： 设随机变量X的分布列为;例2：某篮球运动员投中篮筐概率是0.9，求其两次独立投篮后，投中次数 X 的概率分布。;练习 设袋中装有6个球，编号为{1,1,2,2,2,3}，从袋中任取一球，记取到的球的编号为X， 求：（1）X 的分布列；（2）编号大于1的概率．;练习 设袋中装有6个球，编号为{1,1,2,2,2,3}，从袋中任取一球，记取到的球的编号为X， 求：（1）X 的分布列；（2）编号大于1的概率．;;1、两点分布（也称（0-1）分布）;实例1 “抛硬币”试验,观察正、反两面情况. ;练习 200件产品中,有190件合格品,10件不合格品,现从中随机抽取一件,那么,若规定;2. 二项分布;例：某射手每次射击时命中10环的概率为 p, 现进行 4 次独立射击，求 恰有 k 次命中10环的概率。;例 某特效药的临床有效率为75%，今有10人服用，问至少有8人治愈的概率是多少？ ;练习 ：已知有一大批这类的灯泡,次品率是0.2。随机抽出20只灯泡做寿命试验,求这20只灯泡中恰有3只是次品的概率。;1、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.------超几何分布; 定义： 设随机变量 X 所有可能取的值为: 0, 1, 2,…, 概率分布为：;易于验证：;在某个时段内：; 例6： 某商店根据过去的销售记录,总结出某种商品每月的销售量可以用参数为 的泊松分布来描述,试求： ;例6某商店根据过去的销售记录,总结出某种商品每月 的销售量可以用参数为 的泊松分布来描述,试求： ;练习：某一无线寻呼台，每分钟收到寻呼的次数X服从参数 ?=3 的泊松分布。求： (1)一分钟内恰好收到3次寻呼的概率； (2)一分钟内收到2至5次寻呼的概率。; 历史上，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（Poisson)引入的 .; 当试验次数n很大时，计算二项概率变得很麻烦，如要计算; 泊松定理： 设λ0是一常数，n是任意正整数，设npn=λ，则对于任一固定的非负整数k，有; 意义：定理的条件npn=λ（常数）意味着当n很大时，pn必定很小。因此，上述定理表明当n很大、p很小时有以下近似式 ;n 100, np 10 时近似效果就很好;例　某人射击，每次命中率为0.02，求在独立进行400次射击中，至少击中2次的概率？ 解：设X表示射击400次击中的次数，由题意X~b(400，0.02)。;解：设1000 辆车通过,出事故的次数为 X , 则;4. 几何分布（了解）; 例7 一个保险推销员在某地区随机地选择家庭进行访问，每次访问的结果是：如果该户购买了保险则定义为成功，没有购买保险则定义为失败．从过去的经验看，随机选择的家庭会购买保险的概率为0.10，则该保险推销员第10次才取得成功的概率是多少？; 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;离散型随机变量的分布