第5讲(随机变量与离散型随机变量).pptVIP

第二章 一维随机变量及其概率分布 随机变量 离散型随机变量 连续型随机变量 随机变量函数的分布 实际中，许多现象可用泊松分布来描述：一段时间内电话的呼叫次数；布匹上的疵点数；线路板上的焊接不良处；书页上的印刷错误的个数等. 例5 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: = [ (32/2!) + (33/3!) + (34/4!) + (35/5!) ]e-3 (1) P{X=3} (2) P{2≤X≤5} ≈ 0.7169. =(33/3!)e-3 ≈ 0.2240； = P{X=2} + P{X=3} + P{X=4} + P{X=5} 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(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 例6 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 . 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 次贝努利试验. 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. 几何分布 设随机变量 X的分布律： 则称 X 服从参数为p的几何分布, 记作 X ～ G(p) . 几何分布常用于描述独立重复试验中，某事件首次出现时，已经完成的试验次数. 在独立重复试验中，某事件A在一次试验中发生的概率为p,则在第k次试验时A首次发生的概率即几何分布的分布律. 超几何分布 设随机变量 X的分布律： 则称 X 服从超几何分布, 记作 X ～H(N,M,n) . 袋中有N个球，其中M个白球，N-M个黑球，现从袋中取n个球，恰有k个白球的概率即超几何分布的分布律. 小结 本节首先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.顺便给出了几何分布与超几何分布. 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 §2.1 一维随机变量 一、概念 例1 抛一枚质地均匀的骰子一次，观察出现点数. X是一（因）变量（函数），取不同的数值表示试验可能发生的不同结果，且X是以一定概率取值的. 例2 设有一批产品10件，其中3件次品.现从中任取2件. X是一变量，取不同的数值表示抽到的 不同结果，且X是以一定概率取值的. 例3 测试某种电子元件的寿命X（单位：小时）. X 取值由试验结果而定，可为[0，+∞）上任一数. X是一变量，取不同的数值表示抽到的 不同结果. 如100≤X ≤150:事件{被测试的电子元件寿命在100小时在150小时之间}. 例4 掷一枚质地均匀的硬币一次，观察出现正面、反面. X是一变量，取不同的数值表示出现的 不同结果，且X是以一定概率取值的. 这样，上述例子中变量（函数）X是所有试验 结果（样本空间）的函数，可记为X = X(ω). 这种随机试验的结果与数值的对应关系，在数学上可理解为: . X X(ω) 与高等数学中的函数不同. 定义一个实值函数 X= X(ω), 将 ◎ X(ω) 随试验结果的不同而取不同的值.故在试验之前只知道其可能取值的范围，而不能预知其取哪个具体的值. ◎ 由于试验结果的出现具有一定的概率，所以 “ X(ω) 取每个值或某个确定范围内的值” 也有一定的概率. 称这种定义在样本空间Ω上的实值函数 为随机变量，简记为 r.v. ( random variable ) . 不同之处： 定义 随机变量通常用英文大写字母X,Y,