概率论与数理统计第二版22.pptVIP

第二节 离散型随机变量 * 定义1 ：设xk(k=1,2, …)是离散型随机变量X所取的一切可能值，pk是X取值 xk的概率，称 k=1,2,… … 为离散型随机变量X的概率函数或分布律，也称概率分布. ?离散型随机变量的概率分布 分布列 X x1 x2 … xk … P p1 p2 … pk … 其中 (k=1,2, …) 满足如下性质： k=1,2, … （1） （2） 知道了离散型随机变量的分布律，也就不难计算出随机变量落在某一区域内的概率，因此，分布律全面地描述了离散型随机变量的统计规律。 例1 X P (1)求常数a ; (2) 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2 且 例3. 某篮球运动员投中篮圈概率是0.9，求他两次独立投篮投中次数X的概率分布. 解： X可取0、1、2为值 P(X =0)=(0.1)(0.1)=0.01 P(X =1)= 2(0.9)(0.1) =0.18 P(X =2)=(0.9)(0.9)=0.81 且 P(X =0)+ P(X =1)+ P(X =2)=1 二、几个常见的离散型分布 1.两点分布（0-1分布） 用X表示n重贝努里试验中事件A（成功）出现的次数，则 （2） 不难验证： （1） 称r.vX服从参数为n和p的二项分布，记作 X~B(n,p) 当n=1时， P(X=k)=pk(1-p)1-k,k=0,1 称X服从0-1分布 2.二项分布 例4. 设射手每一次击中目标的概率为p，现连续射击n次，求击中次数 X 的概率分布. 例5、 某类灯泡使用时数在1000小时以上 的概率是0.2，求三个灯泡在使用1000 小时以后最多只有一个坏了的概率. 解: 设X为三个灯泡在使用1000小时已坏的灯泡数 . X ~ B (3, 0.8)， 把观察一个灯泡的使用 时数看作一次试验, “使用到1000小时已坏” 视为“成功”.每次试验, “成功”的概率为0.8 P(X 1) =P(X=0)+P(X=1) =(0.2)3+3(0.8)(0.2)2 =0.104 对于固定n及p，当k增加时 ,概率P(X=k) 先是随之增加直至 达到最大值, 随后单调减少. 二项分布的图形特点： X~B(n,p) 当(n+1)p不为整数时，二项概率P(X=k)在k=[(n+1)p]达到最大值； ( [x] 表示不超过 x 的最大整数) n=10,p=0.7 n Pk 对于固定n及p，当k增加时 ,概率P(X=k) 先是随之增加直至 达到最大值, 随后单调减少. 二项分布的图形特点： X~B(n,p) 当(n+1)p为整数时，二项概率P(X=k)在k=(n +1)p和k =(n+1)p-1处达到最大值. 课下请自行证明上述结论. n=13,p=0.5 Pk n 0 设射手每一次击中目标的概率为0.33，现连续射击11次，击中次数最大可能是多少次？ 3、泊松分布 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( ). (一) 定义 显然， 且有 即 满足分布律的两个条件 . 请看演示 泊松分布的图形特点： X~P( ) 泊松分布 （二）二项分布的泊松近似 当试验次数n很大时，计算二项概率变得很麻烦，如要计算 我们先来介绍二项分布的泊松近似，后面将介绍二项分布的正态近似. 或诸如此类的计算问题，必须寻求近似方法. 泊松定理 设随机变量Xn(n=1,2,..)服从二项分布Xn~B(n,pn)，又设 是一个常数，则有 定理的条件意味着当 n很大时，pn 必定很小. 因此，泊松定理表明，当 n 很大（n=10），p 很小（p=0.1）时有以下近似式： 其中 *