第四章几种重要分布.pptVIP

第四章几种重要的分布 4.1 二项分布 4.2 超几何分布 4.3 普哇松分布 4.4 指数分布 4.5 Γ-分布 4.6 正态分布 贝努里(Bernoulli)概型与二项分布 （一）随机变量ξ的分布律 (P79)定义４.1　如果随机变量ξ有概率函数， ４.２超几何分布 　 例１　某班有学生２０名，其中有５名女同学，今从班上任选４名学生去参观展览，被选到的女同学数ξ是一个随机变量，求ξ的分布。 定义４２　设Ｎ个元素分为两类，有Ｎ１个属于第一类，Ｎ２个属于第二类（Ｎ１＋Ｎ２＝Ｎ）。从中按不重复抽样取n个，令ξ表示这n个中第一（或二）类元素的个数，则ξ的分布称为超几何分布。其概率函数是 例３　一大批种子的发芽率为90％，今从中任取10粒，求播种后，（１）恰有8粒发芽的概率； （２）不少于8粒发芽的概率。 解　设10粒种子中发芽的种子数目为ξ。因10粒种子是由一大批种子中抽取的，这是一个Ｎ很大，n相对于Ｎ很小的情况下的超几何分布问题，可用二项分布公式近似计算。ξ～B(10 0.9) ４.３普哇松分布 其中 λ0 ，则称ξ 服从普哇松(Poisson) 分布。 例３　检查了100个零件上的疵点数，结果如表4-6: 　　 例1 某元件寿命ξ服从参数为λ(λ-1 =1000)的指数分布。3个这样的元件使用1000小时后，都没有损坏的概率是多少？ 各元件寿命相互独立，因此3个这样的元件使用1000小时都未损坏的概率为 4.5 Γ-分布 定理4.1 如果ξ1,ξ2,…,ξn相互独立，且ξi服从参数为λ,ri的Γ-分布，则它们的和 ξ1+ξ2+…+ξn服从参数为 r1+r2+…+rn的Γ－分布 例1 ξ～N(0,1) 求 （五）正态分布与Γ-分布的关系 （六） 二元正态分布 定理 4.5 二元正态分布的边缘概率密度是一元正态分布。 证：设（ξ，η）的联合概率密度由（4.16）式给出， ξ的边缘概率密度记为 定义4.8 若连续型随机变量ξ的概率密度为 若 ξ~N（0，1）,?（0.5)=0.6915, P{1.32ξ2.43}=?(2.43)-?(1.32) =0.9925-0.9066 注：(1) ?(x)＝1－ ?(－x)； (2) 若X～N(?, ?2)，则 正态分布表 定理 4.4 如果 ξ服从N(0, 1)，则ξ2服从 λ＝0.5，r=0.5的Γ-分布，即 证： 当x≤0时， 当x0时 当x0时 定义4.7 若二元连续型随机变量（ξ，η）的联合概率密度为 （4.16） 其中 均为常数 。 时，称（ξ，η）服从二元正态分布 ＝1 θ y x θ y 4. 4 指数分布 定义4.4 如果随机变量ξ的概率密度为 其中λ0，则称ξ服从参数为λ的指数分布。 它的分布函数 易知 0 x 对任何实数a,b （0≤ab),有 在习题三第12题中已经算出它的期望和方差： 指数分布常用来作为各种“寿命”分布的近似。如 随机服务系统中的服务时间，某些消耗性产品（电子 元件等）的寿命等等，都常被假定服从指数分布。 假若产品的失效率为λ，则产品在t( t0) 时间 失效的分布函数 而产品的可靠度为: 解 参数为λ的指数分布的分布函数为 例 .电子元件的寿命ξ(年）服从参数为3的指数分布 (1)求该电子元件寿命超过2年的概率。 (2)已知该电子元件已使用了1.5年，求它还能使用两年的概率为多少？ 解 例.某公路桥每天第一辆汽车过桥时刻为T， 设[0，t]时段内过桥的汽车数Xt服从 参数为?t的普哇松分布，求T的概率密度。 解 当t ≤0时， 当t 0时， =1- {在t时刻之前无汽车过桥} 于是 定义4.5 如果连续性随即变量ξ具有概率密度 其中λ0，r0，则称ξ服从Γ-分布，记作ξ～Γ(λ,r) 这里的Γ(r)就是微积分里定义的 Γ-函数，即 Γ-分布在概率论，数理统计和随机过程中都有不少应用。 当r=1时，为指数分布 当r0时这个积分式收敛的，利用Γ-函数的定义可以证明 还可以计算出 当r为正整数时， 它是排队论中常用到的r阶爱而朗分布； 当r =n/2(n是正整数），λ=1/2时 就是具有n个自由度的χ2分布 简记作χ2 (n) 它是数理统计中最重要的几个常用统计量的分布之一。 表示进入到所要考虑的统计问题中自由变量的个数 自由度: 多一个约束条件,就少一个自由变量. 证明：略 Γ-