第三十三讲第三章节第一节离散型随机变量.pptVIP

一、随机变量的引入 二、随机变量的概念 三、离散型随机变量的分布律 四、常见离散型随机变量的概率分布 五、分布函数的概念 3、分布函数的性质 六、小结 分析 这是不放回抽样.但由于这批元件的总数很大, 且抽查元件的数量相对于元件的总数来说又很小,因而此抽样可近似当作放回抽样来处理. 例2 解 图示概率分布 有一繁忙的汽车站,每天有大量汽车通过,设每辆汽车在一天的某段时间内,出事故的概率为0.0001,在每天的该段时间内有1000 辆汽车通过, 问出事故的次数不小于2的概率是多少? 设 1000 辆车通过, 出事故的次数为 X , 则 解 例3 故所求概率为 二项分布 泊松分布 4. 泊松分布 泊松分布的背景及应用 　　二十世纪初卢瑟福和盖克两位科学家在观察 与分析放射性物质放出的粒子个数的情况时,他 们做了2608次观察(每次时间为7.5秒)发现放射 性物质在规定的一段时间内, 其放射的粒子数X 服从泊松分布. 在生物学、医学、工业统计、保险科学及 公用事业的排队等问题中 , 泊松分布是常见的. 例如地震、火山爆发、特大洪水、交换台的电 话呼唤次数等, 都服从泊松分布. 设1000 辆车通过, 出事故的次数为 X , 则 可利用泊松定理计算 所求概率为 解 例4 有一繁忙的汽车站, 每天有大量汽车通过, 设每辆汽车,在一天的某段时间内出事故的概率 为0.0001,在每天的该段时间内有1000 辆汽车通 过,问出事故的次数不小于2的概率是多少? 　　对于随机变量X, 我们不仅要知道X 取哪些值, 要知道 X 取这些值的概率 ; 而且更重要的是想知 道 X 在任意有限区间(a,b)内取值的概率. 分布 函数 例如 1.概念的引入 2.分布函数的定义 说明 (1) 分布函数主要研究随机变量在某一区间内取值的概率情况. 实例 抛掷均匀硬币, 令 求随机变量 X 的分布函数. 解 第三章 随机变量与分布函数第一节 离散型随机变量 一、随机变量的引入 二、随机变量的概念 三、离散型随机变量的分布律 四、常见离散型随机变量的概率分布 五、分布函数的概念 概率论是从数量上来研究随机现象内在规律性的，为了更方便有力的研究随机现象，就要用数学分析的方法来研究， 因此为了便于数学上的推导和计算，就需将任意的随机事件数量化．当把一些非数量表示的随机事件用数字来表示时， 就建立起了随机变量的概念． 1. 为什么引入随机变量? 2. 随机变量的引入 实例1 在一装有红球、白球的袋中任摸一个球,观察摸出球的颜色. S={红色、白色} 非数量 将 S 数量化 可采用下列方法 红色 白色 即有 X (红色)=1 , X (白色)=0. 这样便将非数量的 S={红色，白色} 数量化了. 实例2 抛掷骰子,观察出现的点数. S={1，2，3，4，5，6} 样本点本身就是数量 恒等变换 且有 则有 1.定义 　　随机变量随着试验的结果不同而取不同的值, 由于试验的各个结果的出现具有一定的概率, 因此随机变量的取值也有一定的概率规律. (2)随机变量的取值具有一定的概率规律 　　随机变量是一个函数 , 但它与普通的函数有着本质的差别 ,普通函数是定义在实数轴上的,而随机变量是定义在样本空间上的 (样本空间的元素不一定是实数). 2.说明 (1)随机变量与普通的函数不同 　　随机事件包容在随机变量这个范围更广的概念之内.或者说 : 随机事件是从静态的观点来研究随机现象,而随机变量则是从动态的观点来研究随机现象. (3)随机变量与随机事件的关系 实例3 掷一个硬币, 观察出现的面 , 共有两个 结果: 若用 X 表示掷一个硬币出现正面的次数, 则有 即 X (e) 是一个随机变量. 实例4 在有两个孩子的家庭中,考虑 其性别 , 共有 4 个样本点: 若用 X 表示该家女孩子的个数时 , 则有 可得随机变量 X(e), 实例5 设盒中有5个球 (2白3黑), 从中任抽3个,则 是一个随机变量. 实例6 设某射手每次射击打中目标的概率是0.8, 现该射手射了30次, 则 是一个随机变量. 且 X(e) 的所有可能取值为: 且 X(e) 的所有可能取值为: 实例7 设某射手每次射击打中目标的概率是0.8, 现该射手不断向目标射击 , 直到击中目标为止,则 是一个随机变量. 且 X(e) 的所有可能取值为: 实例8 某公共汽车站每隔 5 分钟有一辆汽车通过, 如果某人