内招第五次概率.pptVIP

泊松分布的定义及图形特点 设随机变量X所有可能取的值为0 , 1 , 2 , … , 且概率分布为： 其中 0 是常数,则称 X 服从参数为 的 泊松分布,记作X~P( ). * 泊松分布的图形 * 泊松分布的图形特点： X~P( ) 当 不为整数时，概率P(X=k)在k=[ ]达到最大值； 当 为整数时，概率P(X=k) 在k= 和 达到最大值； P78，题7 * 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 . 近数十年来，泊松分布日益显示 其重要性,成为概率论中最重要的几个分布之一. 在实际中，许多随机现象服从或近似服从泊松分布. 二项分布与泊松分布 * 泊松定理表明，泊松分布是二项分布B(n,p)的极限分布. 当n很大，p很小时，二项分布就可近似地看成是参数?=np的泊松分布 P40 * 　　在一个时间间隔内某电话交换台收到的电话的呼唤次数。 回顾：泊松分布产生的一般情况 　　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 泊松定理表明，泊松分布是二项分布B(n,p)的极限分布. 当n很大，p很小时，二项分布就可近似地看成是参数?=np的泊松分布 　…… * 例．某地区疾病资料统计表明，因感冒而导致死亡的比例为0.2%（死因独立）．现有1000人患感冒．求（1）恰有4人死亡的概率（2）死亡人数不超过2人的概率 泊松分布的例子 * 泊松分布表，附表1 * 例 某射手连续向一目标射击，直到命中为止，已知他每发命中的概率是p，求所需射击发数X 的分布律. 解: 显然，X 可能取的值是1,2,… ， P(X=1)=P(A1)=p, 为计算 P(X =k )， k = 1,2, …， Ak = {第k发命中}，k =1, 2, …， 设 于是 几何分布 P40,P78 题4 * 可见 这就是求所需射击发数X的分布律. P(X=1)=P(A1)=p, Ak = {第k发命中}，k =1, 2, …， 设 于是 若随机变量X的分布律如上式，则称X具有几何分布. 设有N件产品,其中有M件次品,现从这N件中任取n件, 次品 正品 M件次品 N-M件 正品 这种概率分布就称为超几何分布。 X~H(N, M, n) 超几何分布以二项分布为极限。 则其中所包含的次品数就是一个随机变量X. 超几何分布 连续型随机变量（密度函数） 连续型r.v及其密度函数的定义 概率密度函数的性质 对密度函数f(x)的理解 常见的连续性随机变量 P42 * ,使得对任意 , 有 对于随机变量 X ,如果存在非负可积函数f(x) , x 则称 X为连续型r.v,称 f(x)为 X 的概率密度函 数，简称为概率密度或密度. 连续型r.v及其密度函数的定义: P42 密度函数的几何意义： 连续型r.v取任一指定值的概率为0. 注： 概率密度函数的性质 1 o 2 o 这两条性质是判定一个 函数 f(x)是否为某r.vX的 概率密度函数的充要条件. f (x) x o 面积为1 P42 例 设随机变量X的概率密度为 求常数a. 密度函数 f (x)在某点处a的高度，并不反映X取值的概率. f (x) x o 对密度函数 f(x)的理解: 连续型r.v取任一指定值的概率为0. 但是，这个高度越大， 则X取a附近的值的概率就越大. 密度曲线在某点的高度反映了概率集中在该点附近的程度. 它表示随机变量 X 取值于 的概率近似等于 . 在连续型r.v理论中所起的作用与 在离散型r.v理论中所起的 作用相类似. 密度曲线在某点的高度反映了概率集中在该点附近的程度. 连续型r.v取任一指定值的概率为0. 注: 对于连续型r.v 有 注释： 泊松定理指明了以n，p(np=λ)为参数的二项分布，当n→∞时趋于以λ为参数的泊松分布，因此泊松分布可看成二项分布的极限分布。同时，这一事实也显示泊松分布在理论上的重要性。 注释： 泊松定理指明了以n，p(np=λ)为参数的二项分布，当n→∞时趋于以λ为参数的泊松分布，因此泊松分布可看成二项分布的极限分布。同时，这一事实也显示泊松分布在理论上的重要性。 贝叶斯公式: 设A1,A2,…,An为完备事件组. B为任一事件