概率统计(2.1-2.2).pptVIP

* 泊松(Poisson)定理： 证： 泊松定理的意义： 1. 在定理的条件下, 二项分布的极限分布是泊松分布. 2. 当n很大且 p又较小时, 这就是二项分布的概率近似计算公式。 例7. 某人进行射击, 每次命中率为0.02, 独立射击400次, 试求至少击中两次的概率. 解：设X为射击命中次数。则 用Poissn定理： 第二章 随机变量 2.1 随机变量的定义 2.2 离散型随机变量 2.3 连续型随机变量与随机变量的分布函 数 2.4 随机变量函数的分布 2.1 随机变量的定义 1、有些试验结果本身与数值有关. 例如：掷一颗骰子面上出现的点数； 2、在有些试验中，试验结果看来与数值无关，但我们可以引进一个变量来表示它的各种结果.也就是说，把试验结果数值化. 例如：在掷硬币试验E1中,引入变量： X＝ 1 出正面 0 出反面 为了方便地研究随机试验的各种结果及它们发生的概率，通常把随机试验的结果进行数量化。 定义:随机试验E的样本空间为??＝{e},若对于每个e??, 有唯一实数X(e)与之对应,这样就得到一个定义在?上的实的单值函数X(e),称其为：随机变量. ? e1 e2 e3 e4 X(e1) X(e2) X(e3) X(e4) 例. 设盒中有 其中2白、3黑5个球, 从中随便抽取2个球, 则 “ 抽得的白球数”X是个随机变量. 事件：{取到2白}＝{X=2} 用随机变量取值表示事件： 随机变量与一般函数的区别 函数 定义域 随机性 概率 一般函数 实数轴某个范围 无 无 随机变量 样本空间 不一定是实数集 有 取每个值都 有确定的概率 随机变量的分类 通常分为两类： 随机变量 离散型随机变量 连续型随机变量 所有取值可以逐 个一一列举 例如，“电视机的寿命”. 2.2 离散型随机变量 这样，我们就掌握了X这个随机变量取值的概率规律. 从中任取3 个球 取到的白球数X是一个随机变量 X可能取的值是0,1,2 取每个值的概率为： 例1 且 X 取各个可能值的概率，即事件 的概率为 （1） 称（1）式为离散型随机变量X的概率分布或分布律 . 定义 设离散型随机变量 X 所有可能取的值为 一 .离散型随机变量的概率分布 分布律也可以直观地用下面的表格来表示： 由概率的定义，式（1）中的 应满足以下条件： 这两条性质判 断某函数是否 是概率分布 例3 某系统有两台机器相互独立地运转．设第一台与第二台机器发生故障的概率分别为0.1，0.2，以X表示系统中发生故障的机器数，求X 的分布律． 解 故所求概率分布为： 1. 0－1分布 设随机变量 X 只可能取0与1两个值，它的分布律是 则称 X 服从（0－1）分布或两点分布． （0－1）分布的分布律也可写成 二、 常见的离散型随机变量的概率分布 对于一个随机试验，如果它的样本空间只包含两个元素，即 ，我们总能在W上定义一个服从（0－1）分布的随机变量． 来描述这个随机试验的结果。 检查产品的质量是否合格，对新生婴儿的性别进行登记，检验种子是否发芽以及前面多次讨论过的“抛硬币”试验都可以用（0-1）分布的随机变量来描述． 设试验 只有两个可能结果： 及 , 则称 为伯努利（Bernoulli）试验．设 ，此时 ,将E 独立重复地进行n次，则称这一串重复的独立试验为n重伯努利试验. 2. 二项分布 若随机变量X的概率分布为： 则称X服从参数为n、p的二项分布.其中q=1－p 记为: X～b(n，p) 在n次重复进行的Bernoulli试验中，设X是n重贝努利试验中事件A发生的次数, 成功的概率为p,则它的分布律为： A发生的次数 X～b(n、p). 当n=1时, P{X=k}=pk(1-p)1-k, k=0, 1, 即为0-1分布. 注 例4.从某大学到火车站途中有6个交通岗,假设在各个交通岗是否遇到红灯相互独立,并且遇到红灯的概率都是1/3. (1)设X为汽车行驶途中遇到的红灯数,求X的分布律. (2)求汽车行驶途中至少遇到5次红灯的概率. 解:(1)由题意,X~B(6,1/3),于是,X的分布律为: 例5 已知某类产品的次品率为0.2，现从一大批这类产品中随机地抽查20件，问恰好有k(k=0,1,2,…,20)件次品的概率是多少？ 解 这是不放回抽样．但由于这批产品的总数很大，且抽查的产品的数量相对于产品的总数来说又很小，因而可以当作放回抽样来处理． 我们