概率论与数理统计04.pptVIP

* 例04-8.某电子元件寿命超过1500小时为一级品。已知某一大批元件的一级品率为0.2。从中随机抽取20件(独立)。问20件元件中恰有k只(k=0,1,…,20)为一级品的概率? 解:因为“一大批”,可视为“放回抽样”,误差不大.进一步,可视为“20重贝努利试验”. 它所有可能取的值为 0,1，2，……,20。取这些可能值的概率为 pk =P(X=k)=Cnk 0.2k0.8(n-k) (k=0,1,2,…n) * （2）几何分布 若 随机变量X ,它所有可能取的值为 1，2，3，…… 取这些可能值的概率为 则称随机变量 X 服从几何分布。 其实，在有放回抽样时，每次取一个产品，观察后即放回，再取下一个，设直至第一次出现不合格品所需抽样产品个数为 X ，X 所可能取的值为 ,表示前 次抽取都抽到合格品，而在第 次抽取才抽到不合格品， X 是服从几何分布的。 前已证明，在独立试验序列中，第 k 次试验首次出现“成功”的概率服从几何分布。 * （3）、超几何分布 : 设一堆同类产品共 个，其中有 个不合格品。现从中任取 个（假定 ），则这 个产品中所含的不合格品数 是一个离散型随机变量。 的概率分布如下： 这里 。这个概率分布称为 超几何分布。 * 下面来讨论超几何分布与二项分布的关系。我们来证明： 若当 时， （ 不变），则 * 证明思路: * （4）、泊松分布 若, 随机变量X ,它所有可能取的值为 0，1，2，…… 取这些可能值的概率为 pk =P(X=k)= ? ke- ? /k!, k=0,1,2,… 其中 ? 0 是常数。则称 X 为服从参数为 ? 的泊松分布，记为X ~ ?(?)。 例:呼叫次数,印刷错误,遗失信件,急诊人数,交通事故数,粒子计数,…. * 例04-9放射性物质在某一段时间内放射的粒子数 是服从泊松分布的。Rutherford和Geiger观察了放射性物质放出的 粒子个数的情况，一共做了2608次观察，每次观察的时间是7.5秒,总共观察到10094个 粒子，如表所示。从表中，我们看到按算出的 跟 的 频率相当接近。 放射粒子数 观察到 次数 频率 按泊松分布 计算之概率 0 1 2 3 4 5 6 7 8 9 ≥10 57 203 383 525 532 408 273 139 45 27 16 0.022 0.078 0.147 0.201 0.204 0.156 0.105 0.053 0.017 0.010 0.006 0.021 0.081 0.156 0.201 0.195 0.151 0.097 0.054 0.026 0.011 0.007 总计 2608 0.999 1.000 * 放射的粒子数为何服从泊松分布？ 首先把体积为 V 的某放射性物质设想分割为 n 份相同体积 的小块，并假定： （1）对于每个特定的小块而言，在7.5秒内放出两个以上 粒子的概率为0(实际上，放射两个以上的概率很小很小,可以忽略)；而放出一个粒子的概率为 ： 即 只跟体积的大小 成正比，而跟那一个小块无关，比例系数为 。 * （2）各小块是否放出粒子是相互独立的。 在这两条假定下，7.5秒内体积为 V 的某放射性物质放出 k 个粒子，可近似地看作在 V 的 n 个独立的小块中，恰有 k 块放出粒子（ n-k 块不放出粒子）。于是，放出 k 个粒子的概率，就可按独立试验序列来近似计算。 然而，上式只是个近似式。容易理解，把 V 无限细分，就能得到 的精确式。也就是说， 下面，我们来求出这个极限值。记 ，则 * 泊松定理: ? 0 是一常数, n是任意正整数,设 npn= ? ,则对于任意固定的非负整数k,有 * 证明思路: 对于固定的k,当n ? ? 时, * 从而得到泊松定理: 注意: 定理的条件 npn= ? 意味着当 n 很 大时pn必定很小。因此，当 n很大、p很 小时，“右边”为“左边”的近似式。 从以上的分析推导过程看出，某一具体问题，只要它符合类似于（1）、（2）的条件，那么就会出现服从泊松分布的随机变量。因此，有很多具体问题，它们的性质虽然各不相同，但它们的随机变量都服从泊松分布。 演示12！ 演示13！ * 例04-10 已知一电话总机每分钟收到传呼次数 为一随机变量，服从