概率论与数理统计课件2.2.ppt

* §2.2 离散型随机变量的概率分布 一.离散型随机变量 二.几种重要的离散型随机变量 1. 定义 若随机变量全部可能取到的值是有限多个 或可列无限多个, 则 称为离散型随机变量. X x1 x2 … xn … pk p1 p2 … pn ... 一.离散型随机变量 性质: 例1. 设一汽车在开往目的地的道路上需经过 四盏信号灯, 每盏信号灯以概率p禁止汽 车通过, 以X表示汽车首次停下时已通过 信号灯的盏数, 求X的分布律. (设各信号灯的工作是相互独立的). 解 X 0 1 2 3 4 pk 即 P{X=k}=(1-p)kp, k=0,1,2,3. (1-p)p (1-p)2p (1-p)3p (1-p)4 P{X=4}=(1-p)4 p 例2. 袋中装有4只红球和2只白球, 从袋中不放 回地逐一地摸球, 直到第一次摸出红球 为止, X表示到第一次摸出红球时所摸的 次数, 求X的分布律. 例3.常数b=____, 为离散型随机变量的概率分布. b=1 二 几种重要的离散型r.v.的分布律 X 0 1 pk 1-p p 其中0p1, P{X=k}=pk(1-p)1-k, k=0,1. 若某随机试验E只有两个(或相互对立 的两类)可能的结果, 只要将其中的一 个(或一类)结果对应于数字1,于是就可 用0--1分布的随机变量来描述有关的随 机事件. (一) 0--1分布 (二) 贝努利试验 (二项分布) 注: 独立 各次试验结果互不影响, 即相互独立. 重复 各次试验条件不变. 即P(A)不变. 例5. 设X是4重伯努利试验中事件A发生的次数, 成功的概率为p,求:P{X=k}，k=0, 1, 2, 3, 4. 解: k=0, k=1, 一般地有 称 X服从参数为 n , p 的二项分布, 记为 X~b(n,p). 当n=1时, P{X=k}=pk(1-p)1-k, k=0,1, 即为0-1分布. 例6. 某种电子元件的使用寿命超过1500小时为 一级品, 已知一大批该产品的一级品率为0.2, 从中随机抽查20只. 求这20只元件中一级品只数X的分布律. 解: 例7. 某人进行射击, 每次命中率为0.02, 独立射击 400次, 试求至少击中两次的概率. 当n较大, p又较小时, 二项分布的计算比较困难, 例如 0.98400，0.02400, …, 可以用Poisson分布近似计算. (三) 泊松分布(Poisson) 例8. 一张报纸上的印刷错误数服从泊松分布，据统计有一个错误的概率是有两个错误的概率的二分之一，计算一张报纸上至少有三个错误的概率. 泊松(Poisson)定理： 证明: 当 n很大且 p又较小时, 例9 某彩票每周开奖一次，每次提供十万分之一的中奖机会，且 各周开奖是相互独立的，若你每周买一张彩票，尽管你坚持10年 （每年52周）之久，你从未中奖的概率有多大？