第二章随机变量及其分布2.2离散型随机变量及其分布律.ppt

第二节 离散型随机变量及其分布律 三、小结 伯努利资料 泊松资料 故有 必定很小, 因此, 上式 也能用来作二项分布概率的近似计算. (2.7) 例5 计算机硬件公司制造某种特殊型号的微型 芯片, 次品率达0.1%, 各芯片成为次品相互独立. 求在1000只产品中至少有2只次品的概率. 品中的次品数, 解 所求概率为 利用(2.7)式来计算得, 显然利用(2.7)式的计算来得方便. 一般, 颇佳. 离散型随机变量的分布 两点分布 二项分布 泊松分布 二项分布 泊松分布 两点分布 一、离散型随机变量的分布律 二、常见离散型随机变量的概率分布 三、小结 一、离散型随机变量的分布律 的概率, 为 由概率的定义, 说明： 离散型随机变量，非离散型随机变量 分布律也可以用表格的形式来表示: 率的规律. 这些概率合 起来是1. 可以想象成: 概率1以一定的规律分布在 各个可能值上. 这就是(2.4)称为分布律的缘故. 例1 设一汽车在开往目的地的道路上需经过4 组信号灯, 它已通过的信号灯组数 (设各组信号灯的工作是相互独立的), 解 或写成 二、常见离散型随机变量的概率分布 (一) (0―1)分布 其分布是 (0―1)分布的分布律也可写成 实例 “抛硬币”试验, 观察正、反两面情况. 随机变量X服从(0―1)分布. 其分布律为 对于一个随机试验, 如果它的样本空间只包含 两个元素, 服从(0―1)分布的随机变量 来描述这个随机试验的结果. 两点分布随机数演示 (二) 伯努利试验、二项分布 伯努利(Bernoulli)实验. 此 则称这一 它有广泛的应用, 是研究最多的模型之一. 伯努力资料 实例1 抛一枚硬币观察得到正面或反面. 若将硬 　　　币抛 n 次,就是n重伯努利试验. 实例2 抛一颗骰子n次,观察是否 “出现 1 点”, 就 　　　是 n重伯努利试验. 二项概率公式 且两两互不相容. 称这样的分布为二项分布.记为 二项分布 两点分布 二项分布的图形 二项分布随机数演示 例如 在相同条件下相互独立地进行 5 次射击,每次射击时击中目标的概率为 0.6 ,则击中目标的次数 X 服从 b (5,0.6) 的二项分布. 二项分布随机数演示 例2 按规定, 某种型号的电子元件的使用寿命 超过1500小时的为一等品. 已知某一大批产品的一 级品率为0.2, 现在从中随机抽查20只. 问20只元件 少? 解 因而此抽样可近似当作放回抽样来处理, 这是不放回抽样. 但由于这批元件的总数 很大, 且抽查元件的数量相对于元件的总数来说又 很小, 这 样做会有一些误差, 但误差不大. 我们把检查一只 元件看它是否为一等品看成是一次试验, 检查20只 元件相当于做20重伯努利试验. 中一级品的只数, 那么, 且有 由(2.6)式即得所求概率为 将计算结果列表如下: 图示概率分布 例3 某人进行射击, 假设每次射击的命中率为 独立射击400次, 试求至少击中两次的概率. 0.02, 解 将一次射击看成是一次试验. 设击中的次 于是所求概率为 结果的实际意义： 1. 决不能轻视小概率事件. 由实际推断原理, 我们怀疑“每次射击命中率为 0.02”这一假设, 认为该射手射击的命中率不到0.02 2. 例4 设有80台同类型设备, 各台工作是相互独 立的, 发生故障的概率都是 0.01, 且一台设备的故 障能由一个人处理. 考虑两种配备维修工人的方法, 其一是由4人维护, 每人负责20台; 其二是由3人共 共同维护台80. 试比较这两种方法在设备发生故障 时不能及时维修的概率的大小. 解 按第一种方法, 中同一时刻发生故障的台数”， 则知80台中发生故障而不能及时维修的概率为 故有 按第二种方法, 障的台数, 此时, 故80台中发生故障 而不能及时维修的概率为 我们发现, 在后一种情况尽管任务重了(每人平 均维护约27台), 但工作效率不仅没有降低, 反而提 高了. (三)　泊松分布 而 取各个值的概率为 泊松资料 泊松分布的图形 泊松分布的背景及应用 　 二十世纪初卢瑟福和盖克两位科学家在观察 与分析放射性物质放出的粒子个数的情况时, 他们 做了2608次观察(每次时间为7.5秒)发现放射性物 质在规定的一段时间内, 其放射的粒子数X服从泊 松分布. 电话呼唤次数 交通事故次数 商场接待的顾客数 地震 火山爆发 特大洪水 上面我们提到 二项分布 泊松分布 泊松定理 数, 有 证 有