概率论与数理统计第5讲.pptVIP

下面我们研究二项分布 B(n, p) 和两点分布B(1, p)之间的一个重要关系。 设试验 E 只有两个结果: A 和 。 将试验 E 在相同条件下独立地进行 n 次，记 X 为 n 次独立试验中A出现的次数。描述第 i 次试验的随机变量记作 Xi , 则 Xi ～ B(1, p)，且 X1, X2 , …, Xn相互独立 ( 随机变量相互独立的严格定义将在后面讲述)。则有 X= X1+X2+ … +Xn . 设随机变量 X 所有可能取的值为: 0, 1, 2,…, 概率分布为： 3. 泊松分布 易见 例8：某一无线寻呼台，每分钟收到寻呼的次数X服从参数 ?=3 的泊松分布。求： (1). 一分钟内恰好收到3次寻呼的概率； (2).一分钟内收到2至5次寻呼的概率。. 解: (1). P{X=3} = P(3; 3) = (33/3!)e-3 ≈ 0.2240； (2). P{2≤X≤5} = P{X=2} + P{X=3} + P{X=4} + P{X=5} = [ (32/2!) + (33/3!) + (34/4!) + (35/5!) ]e-3 ≈ 0.7169. 解: 例 9: 某一城市每天发生火灾的次数 X 服从参数为0.8的泊松分布。求该城市一天内发生 3 次以上火灾的概率。 P{X≥3}= 1-P{X3} = 1-( P{X=0}+P{X=1}+P{X=2} ) = 1-( (0.80/0!)+(0.81/1!)+(0.82/2!) )e-0.8 ≈ 0.0474 . 泊松分布的图形 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 。 二项分布与泊松分布的关系 定理1(泊松定理): 对二项分布 B(n,p), 当 n充分大, p又很小时,对任意固定的非负整数 k，有近似公式 由泊松定理，n重伯努利试验中稀有事件出现的次数近似地服从泊松分布。 我们把在每次试验中出现概率很小的事件称作稀有事件。如：地震、火山爆发、特大洪水、意外事故等。 例10：某出租汽车公司共有出租车400辆，设每天每辆出租车出现故障的概率为0.02，求:一天内没有出租车出现故障的概率。 解: 将观察一辆车一天内是否出现故障看成一次试验 E。因为每辆车是否出现故障与其它车无关, 于是, 观察400辆出租车是否出现故障就是做 400 次伯努利试验。设 X 表示一天内出现故障的出租车数, 则 X ～ B(400, 0.02)。 令 ? = np = 400×0.02 = 8 ，于是, P{一天内没有出租车出现故障} = P{X=0} = b(0;400,0.02) ≈(80/0!)e-8 = 0.0003355. 小结 本节首先介绍了随机变量的基本概念与分类，接着介绍离散型随机变量及其概率分布；然后介绍三种常见的离散型概率分布：两点分布、二项分布、泊松分布及其关系。 对于离散型随机变量，如果知道了其概率分布，也就知道了它取各个可能值的概率。 概率论与数理统计 第五讲 主讲教师：杨勇 佛山科学技术学院数学系 随机变量概念的产生 在实际问题中，随机试验的结果可用数量来表示，这就产生了随机变量的概念。 §2.1 随机变量 一方面，有些试验，其结果与数有关(试验结果就是一个数)； 另一方面，有些试验，其结果看起来与数值无关， 但试验结果可以数值化。 第二章 一维随机变量及其分布 △ 试验结果与数值有关的例子： 1. 掷一颗骰子，观察其上面出现的点数； 4. 七月份北京的最高气温； 每天北京站下火车的人数； 3. 每年12月份北京发生交 通事故的次数； 5. 一部电梯一年内出现故障的次数…。 △ 试验结果看起来与数值无关，但试验结果可以数值化的例子： 在投篮试验中，用{0} 表示投篮未中，{1} 表示罚篮命中，{3} 表示三分线外远投命中，{2} 表示三分线内投篮命中，则随机试验结果可数值化。 2. 在掷硬币试验中，用{1} 表示带国徽或人头 的一面朝上，{0} 表示另一面朝上，则随机 试验的结果也可数值化。 这种随机试验结果与数值的对应关系，在数学上可理