清华大学《概率论与数理统计》第二章 - 原稿-272806613.pptxVIP

第二章 离散随机变量与数学期望;;;;;;例 将n只球(1～n号)随机地放进n只盒子(1～n号)中去，一只盒子装一只球，若一只球装入与球同号的盒子中，称为一个配对，记X为总的配对数，Ⅹ如何表示呢?;我们自然而然地会想到示性函数，令Ai 表示第i个球和盒子配对，IAi (ω)为事件Ai的示性函数，则Ⅹ(ω)可表为 ;;;定义2.1.1 如果随机变量X(ω)所有可能取值是有限个或可列多个，则称X(ω)为离散型随机变量（discrete random variable）简写作d.r.v.。;定义2.1.2 设离散型随机变量 (d.r.v.) X(ω)所有可能取的值为xk ，k∈N={1,2,…}，X(ω)取各个值的概率为： P{X= xk }= pk ， k∈N （2.1） 称P{X= xk }= pk (k∈N) 为 d.r.v X(ω)的概率分布或分布律。 ;r.v X(ω)的概率分布反映了它取各种可能值的概率分配，包含了它的全部概率信息。 由概率定义，易知pk满足如下两个条件： (2.2);可以这样理解分布律，将质量1分布在各个质点上，xk点处的质量为pk 。如图2-1 ;分布律也可以用表格形式来表示：;（1） 二点分布 定义2.1.3 若r.v. X只取1和0两个值，且P(X=1)=p，P(X=0)=1-p，(0? p?1)，则称r.v.X服从参数为p的二点分布。 简记为：X ～ B(1, p)。 ;若事件A发生r.v.X取1，否则X取0；即 则 ； 可见示性函数可用来描述某随机事件发生与否。;例2.1 200件产品，190件是合格的，10件是不合格的，现从中任取一件，若规定 则X服从参数为0.95的二点分布。;二点分布是最简单的一种分布类型，它可描述一切只有或只关心两种可能结果的随机事件。 比如产品合格与不合格，新生婴儿是男是女，比赛中的胜与负，电信号的正与负，种子是否发芽等等。;（2）二项分布（Binomial distribution） 以X表示n重贝努利试验中A发生的次数，易知X是一个随机变量，其可能取值为0,1,2,…,n。由于各次试验相互独立，故在n次试验中A发生k次的概率;定义2.1.4 若r.v.X满足: (2.3) 则称r.v.X服从参数为（n,p）的二项分布，又称为贝努利??布（Bernoulli分布），简记X～B(n,p)。;根据上面的定义，显然有 ； （规一性），其中 。 特别地，当n=1时，二项分布化为： 这就是二点分布。 可见，二点分布是二项分布的一个特例。;例2.2 某人进行射击训练，每次射中的概率时0.02，独立射击400次，求至少击中1次的概率。 解： 将每次射击看作一次独立试验，则整个试验可看作一个400次的贝努利试验。设击中的次数为X，则X ~B (400,0.02)。;X的分布率为： 则所求概率为 ：;这个例子的实际意义十分有趣。这个射手每次命中的概率只有0.02，绝不是个天才，但他坚持射击400次，则击中目标的概率近似为1，几乎成为必然事件。 只要功夫深，铁杵磨成针;上例中，直接计算P(X=k)相当麻烦，下面我们介绍一个当n相当大，p很小时二项分布概率的近似公式，这就是二项分布的泊松逼近。 ;定理2.1.1 (泊松(Poisson)定理) 设λ0是一个常数，n是任一正整数，设pn=λ/n，则对任一固定的非负整数k，有 (2.4) ;证明： 对任一固定的k，当n→ ∞时 ， 故：