概率论大作业一剖析.docVIP

Harbin Institute of Technology 　 课程设计（论文） 题 目：关于泊松分布的性质及应用 院 系：理学院数学系 专 业：数学与应用数学 姓 名：单秀杰 学 号：1111200206 指导教师：王 力 关于泊松分布的性质及其应用 摘　要　泊松分布作为大量试验中稀有事件出现的频数的概率分布的数学模型，由法国数学家泊松于1837年引入，是概率论中的一种重要分布。在管理科学、运筹学及自然科学的某些实际问题中都有着广泛的应用。本文对泊松分布产生的过程、定义和性质做了简单的介绍,并分析了泊松分布在实际生活中的应用。 关键词：泊松分布; 定义；定理；应用；例题； 数学期望; 方差 一 泊松分布的基本概念： 在自然界和人们的现实生活中，经常要遇到在随机时刻出现的某种事件，我们把在随机时刻相继出现的事件所形成的序列，叫做随机事件流。 若事件流具有平稳性、无后效性、普通性,则称该事件流为泊松事件流(泊松流) 。例如一放射性源放射出的α粒子数;某电话交换台收到的电话呼叫数；到某机场降落的飞机数；一个售货员接待的顾客数; 一台纺纱机的断头数；等这些事件都可以看作泊松流。 对泊松流，在任意时间间隔(0, t)内，事件出现的次数服从参数为λ的泊松分布,λ称为泊松流的强度。 定义 　设随机变量的可能取值为且为常数。 则称X服从参数为λ的泊松分布,记作X ～ P(λ) 。 二 泊松分布的两种导出方法 1．泊松分布可以从一个计数过程导出，若计数过程{N, t =0}满足: （1）独立增量性:任意s, t =0,Nt+s –Nt 与{Nu, u=t}独立。即在不重叠的时段内A发生的次数之间独立。 （2）增量平稳性:任意s, t =0,Nt+s –Nt 的分布与t无关，即在某时段内A发生的次数的分布只取决于时段的长度，与时段的起点无关。 （3） P(Nt =2)=o(t)长度为的时段内A发生不止一次的概率为t的高阶无穷小，则X的概率函数为 其中，称X服从泊松分布 2． 定义：进行n次独立重复的贝努里试验，每次试验事件A发生的概率为P,若以X表示n次独立重复的贝努里试验中事件A发生的次数，则X的分布列为 其中0p1,q=1-p,称这种分布为二项分布，记作 定理：在n次独立重复的贝努里试验中，记为每次试验事件A发生的概率，它与试验总次数n有关，若则对任意确定的正整数k有. 定理说明在二项分布中时，它服从泊松分布。 三 主要结论： 定义　设ε是任意一个随机变量,称是ε的特征函数。 定理1 　如果X 是一个具有以λ为参数的泊松分布,则E( X) = λ且 ( X) =λ。 证明　设X 是一随机变量,若存在,则称它为X的方差,记作P( X) ,即。设X服从泊松分布P ( X) ,即有: 　　 则 从而 故 定理2 　设随机变量服从二项分布,其分布律为 。 又设是常数,则。 证明　由得: 显然,当k = 0 时,故。当k ≥1 且k → ∞时,有 从而，故。 定理3 　设是服从参数为λ的泊松分布的随机向量,则: 　　 证明　已知的特征函数为,故的特征函数为: 对任意的t ,有。 于是。 从而对任意的点列,有。 但是是N (0 ,1) 分布的特征函数，由于分布函数列弱收敛于分布函数F( x)的充要条件是：相应的特征函数列{Φn ( t) } 收敛F( x) 的特征函数Φ( t)。所以成立。又因为是可以任意选取的，这就意味成立。 四 泊松分布的特征 (1)泊松分布是一种描述和分析稀有事件的概率分布。要观察到这类事件,样本含量n必须很大。 (2) 是泊松分布所依赖的唯一参数。值愈小,分布愈偏倚,随着的增大,分布趋于对称。 (3)当= 20时分布泊松分布接近于正态分布;当= 50时,可以认为泊松分布呈正态分布。在实际工作中,当≥20时就可以用正态分布来近似地处理泊松分布的问题。 五 泊松分布的应用 1) 二项分布的泊松近似常常被应用于研究稀有事件,即每次试验中事件出现的概率p很小,而伯努利试验的次数n很大时,事件发生的概率。 例1 通过某路口的每辆汽车发生事故的概率为p = 0.0001 ,假设在某路段时间内有1000 辆汽车通过此路口,试求在此时间内发生事故次数X的概率分布和发生2次以上事故的概率。 解：　首先在某时间段内发生事故是属于稀有事件,观察通过路口的1000辆汽车发生事故与否,可视为是n = 1000次伯努里试验,出现事故的概率为p = 0.0001 ,因此X是服从二项分布的,即。 由于n = 1000很大,且p = 0.0001很小,上面的式子计算工作量很大,则可以用: