GT常见的离散型随机变量.pptVIP

第二章 第四节 常见的离散型随机变量 §2.4 常见的离散型随机变量(discrete random variable) 1．Bernoulli分布 Bernoulli分布的概率背景 例 1 Bernoulli分布的数学期望与方差 2．二项分布(Binomial distribution) 说 明 二项分布的概率背景 分布列的验证 例 2 二项分布分布列的性质 例 3 例 3（续） 二项分布的数学期望与方差 3．Poisson 分布 分布列的验证 Poisson分布的应用 Poisson分布是概率论中重要的分布之一． 自然界及工程技术中的许多随机指标都服从Poisson分布． 例如，可以证明，电话总机在某一时间间隔内收到的呼叫次数，放射物在某一时间间隔内发射的粒子数，容器在某一时间间隔内产生的细菌数，某一时间间隔内来到某服务台要求服务的人数，等等，在一定条件下，都是服从Poisson分布的． 例 4 例 4（续） 例 5 例 5（续） Poisson定理(Poisson’s theorem) Poisson定理的证明 Poisson定理的证明 Poisson定理的证明 Poisson定理的应用 例 6 例 6（续） Poisson分布的数学期望与方差 4．几何分布(geometric distribution) 分 布 列 的 验 证 几何分布的概率背景 例 7 例 7（续） 几何分布的数学期望与方差 5．超几何分布(hypergeometric distribution) 超几何分布的概率背景 负二项分布 负二项分布 负二项分布 * * 如果随机变量的分布列为 ， 或者 或者 ． 其中为参数，则称随机变量服从参数为的Bernoulli分布，记作． Bernoulli分布也称为0-1分布，或两点分布． 进行一次Bernoulli试验，设 ， 令：在本次Bernoulli试验中的成功次数． 换句话说，令 则 ． 15件产品中有4件次品，11件正品．从中任意取出一件，令 ：取出的一件产品中的次品数． 则的取值为0或者1，并且 ，． 即 ． 如果随机变量的分布列为 ． 其中是自然数，而，则称随机变量服从参数为的二项分布，记作． 显然，当时，随机变量的分布列为 对照前面所讲的Bernoulli分布，可知此时随机变量服从参数为的Bernoulli分布．即 换句话讲，Bernoulli分布是二项分布的一个特例． 进行一个重Bernoulli试验，令 ：重Bernoulli试验中事件发生的次数． 并且 ，． 则由§1.6的知识，可知随机变量的可能取值为，并且的分布律为 即． 这表明，二项分布表示的是重Bernoulli试验中事件发生的次数． 一张考卷上有5道选择题，每道题列出4个可能答案，其中只有一个答案是正确的．某学生靠猜测至少能答对4道题的概率是多少？ 解： 每答一道考题相当于做一次Bernoulli试验，设 ，则． 则答5道题相当于做一个5重Bernoulli试验．令 ：答5道题靠猜测答对的题数． 则．因此所求概率为 若，则 ， ． 由此可知，二项分布的分布列开始时随着的增大而增大，达到其最大值后再随着的增大而减少．这个使得取最大值的称为二项分布的最可能次数． 可以证明，若不是整数，则；如果是整数，则或者（此时，在这两点处的值一样大）． 对同一目标进行300次独立射击，每次射击的命中率均为，试求300次射击最可能命中多少次？其相应的概率是多少？ 解： 进行300次独立射击相当于做一个300重Brenoulli试验．令 ：300次射击命中目标的次数． 则． 由于不是整数，所以最可能的射击命中次数 ． 其相应的概率为 ⑴ 由于，以及为自然数，所以 ， ． ⑵ 由二项式定理，可知 ． 所以，， 确实是一个分布列． 如果随机变量的分布列为 其中是常数，则称随机变量服从参数为的Poisson分布． ⑴ 由于，所以对，有 ； ⑵ 由幂级数展开式 ，有 综上所述，可知 是分布列． 设随机变量服从参数为的Poisson分布，而且 ， 试求． 解： 由于随机变量服从参数为的Poisson分布，故的分布列为 本题的解题关键是求出参数．由已知： ，得， 由此得方程 ． 解方程，得 ，或者． 由于参数，故所求． 所以，所求概率为 ． 设一个人在一年内的感冒次数服从参数的Poi