概率论和随机过程2.2.pptx

2.2 离散型随机变量及其分布律;通常分为两类：;;1．离散型随机变量 定义 设X为一随机变量，如X的全部可能取到的值是有限个或可列无限多个，则称随机变量X为离散型随机变量。; （1）分布律可以用表格的形式表示：xn一般从小到大排列。;例．袋中5个球编号1－5，从中同时取出3个，以X表示取出球的最大编号，求X的分布律．; 由概率的性质可知分布律具有下述性质 （1）非负性： pk≥0; k=1，2， … （2）规范性： ;（1）已知随机变量X的分布律，可求出X的分布函数： ①设一离散型随机变量X的分布律为  P{X=xk}=pk (k=1，2，…) 由概率的可列可加性可得X的分布函数为 ; ②已知随机变量X的分布律, 亦可求任意随机事件的概率。 例如，求事件｛X∈B｝（B为实轴上的一个区间）的概率P{ X∈B}时，只需将属于B的X的可能取值找出来，把X取这些值的概率相加，即可得概率P{ X∈B}，即; 设一离散型随机变量X的分布函数为F(x)，并设F(x)的所有间断为x1,x2,…，那么，X的分布律为 ; F（x）的图形如下图所示，它是一条阶梯形的曲线，在x＝－1，2，3处有跳跃点，跳跃值分别为1/4，1/2，1/4。;;例3　已知随机变量X的分布律为 ; 伯努利 (Bernoulli) 概型; 设E为伯努利试验，将E独立地重复进行n次，（这里的“重复”是指试验E在相同条件下进行）而且每次试验中结果A出现的概率保持不变。我们把这n次独立重复贝努利试验总起来看成一个试验，称这种试验叫n重伯努利试验。总之，n重伯努利试验有下面四个约定： （1）每次试验的结果只能是两个可能的结果A和?A之一, ;定理1.4.3 对于n重伯努利试验，事件A在n次试验中出现k次的概率为 ;例1: 对某种药物的疗效进行研究，假定这药对某种疾病的治愈率0.8，现有10个人患此病的病人同时服用此药，求其中至少有6个病人治愈的概率。 解: 假定“病人服用此药后治愈”为事件A，按题意  P(A)=0.8， ;例2: 某厂生产的过程中出现次品的概率为0.002，求在该厂生产的1000件产品中恰好有10件次品的概率。 解: 设A表示事件“该厂生产的一件产品为次品”，则 P（A）=0.002，依题意所求的概率为;例2 重复独立地进行伯努力试验，直到事件A出现 r (r?1)次为止，求试验次数 X 的分布律.; 1.（0－1）分布： 设随机变量X只可能取0与1两个值，它的分布律为 P{X=k}=pk(1-p)1-k , k=0，1. (0p1)则称X服从（0－1）分布,记为X?（0－1）分布。 （0－1）分布的分布律用表格表示为：; 2.二项分布： 定义：若离散型随机变量X的分布律为;（2）因为 ，其中 恰为二项式 的一般项，故称为二项分布。 ;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)。; 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 ; 从下面的表格可以直观地看出上式的近似程度,k按二项分布公式直接分别计算按泊松近似公式计λ=np=1： ;由泊松近似公式计算上题： ; 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引入的 .;(2) 泊松分布背景： 　　例如，在一个时间间隔内某电话交换台收到的电话的呼唤次数、一本书一页中的印刷错误数、某地区在一天内邮递遗失的信件数、某一医院在一天内的急诊病人数、某一地区一个时间间隔内发生交通事故的次数、在一个时间间隔内某种放射性物质发出的、经过计数器的〆粒子数等都服从泊松分布，泊松分布也是概率论中的一种重要分布。 ; 在自然界和人们的现实生活中,经常要遇到在随机时刻出现的某种事件.我们把在随机时刻相继出现的事件所形成的序列,叫做随机事件流.;普通性:;例1 有300台机器，工作相互独立。发生故障概率为0.01，通常，一台机器的故障可由一人来修理（一人修一台），问至少需要多少工人，才能保证当设备发生故障但不能及时修理的概率小于0.01。;例2 在上例中，由一个人负责维修20台设备。 （1）求设备发生故障，而不能及时修理的概率； （2）又若由三个人共同负责维修80台，求设备及时修