统计学原理第六章概率与概率分布.pptVIP

二项分布(binomial distribution) 重复进行 n 次试验，出现“成功”的次数的概率分布称为二项分布，记为X~B(n，p) 设X为 n 次重复试验中出现成功的次数，X 取 x 的概率为 第二节 离散型随机变量的概率分布 二项分布(数学期望和方差) 数学期望 方差 【例】已知100件产品中有5件次品，现从中任取一件，有放回地抽取3次。求在所抽取的3件产品中恰好有2件次品的概率 解：设 X 为所抽取的3件产品中的次品数，则X~B ( 3 , 0.05)，根据二项分布公式有 第二节 离散型随机变量的概率分布 【例】已知一批产品的次品率为4%，从中任意有放回地抽 取5个。求5个产品中 (1) 没有次品的概率是多少？ (2) 恰好有1个次品的概率是多少？ (3) 有3个以下次品的概率是多少？ 第二节 离散型随机变量的概率分布 泊松分布(Poisson distribution) 1837年法国数学家泊松(D.Poisson，1781—1840)首次提出 用于描述在一指定时间范围内或在一定的长度、面积、体积之内每一事件出现次数的分布 泊松分布的例子 一定时间段内，某航空公司接到的订票电话数 一定时间内，到车站等候公共汽车的人数 一定路段内，路面出现大损坏的次数 一定时间段内，放射性物质放射的粒子数 一匹布上发现的疵点个数 一定页数的书刊上出现的错别字个数 第二节 离散型随机变量的概率分布 数学期望和方差 数学期望 E ( X ) = ? 方差 D ( X ) = ? 0.0 0.2 0.4 0.6 0 1 2 3 4 5 X P(X) 0.0 0.2 0.4 0.6 0 2 4 6 8 10 X P(X) ? λ= 6 λ= 0.5 第二节 离散型随机变量的概率分布 泊松分布(作为二项分布的近似) 当试验的次数 n 很大，成功的概率 p 很小时，可用泊松分布来近似地计算二项分布的概率，即 实际应用中，当 P?0.05，n20，np?5时，近似效果良好 第二节 离散型随机变量的概率分布 超几何分布 采用不放回抽样，各次试验并不独立，成功的概率也互不相等 总体元素的数目N很小，或样本容量n相对于N来说较大时，样本中“成功”的次数则服从超几何概率分布 概率分布函数为 第二节 离散型随机变量的概率分布 假定有一批500个产品，而其中有5个次品。假定该产品的质量检查采取随机抽取20个产品进行检查。如果抽到的20个产品中含有2个或更多不合格产品，则整个500个产品将会被退回。 这时，人们想知道，该批产品被退回的概率是多少？这种概率就满足超几何分布。 第二节 离散型随机变量的概率分布 【例】假定有10支股票，其中有3支购买后可以获利，另外7支购买后将会亏损。如果你打算从10支股票中选择4支购买，但你并不知道哪3支是获利的，哪7支是亏损的。求 (1)有3支能获利的股票都被你选中的概率有多大？ (2)3支可获利的股票中有2支以上被你选中的概率有多大？ 解：设N=10，M=3，n=4 第二节 连续型随机变量的概率分布 连续型随机变量可以取某一区间或整个实数轴上的任意一个值 不能列出每一个值及其相应的概率 通常研究它取某一区间值的概率 用概率密度函数的形式和分布函数的形式来描述 第三节 连续型随机变量的概率分布 换言之，一个随机变量如果能够在一区间（无论这个区间多么小）内取任何值，则该变量称为在此区间内是连续的，其分布称为连续型概率分布。它们的概率分布很难准确地用离散变量概率的条形图表示。 逐渐增加矩形条数目的直方图和一个形状类似的密度曲线 第三节 连续型随机变量的概率分布 概率密度函数 设X为一连续型随机变量，x 为任意实数，X的概率密度函数记为f(x)，它满足条件 f(x)不是概率 第三节 连续型随机变量的概率分布 密度函数 f(x)表示X 的所有取值 x 及其频数f(x) 值 (值, 频数) 频数 f(x) a b x 第三节 连续型随机变量的概率分布 f(x) x a b 在连续分布条件下，曲线下的面积表示概率 第三节 连续型随机变量的概率分布 连续型随机变量的期望和方差 连续型随机变量的数学期望 方差 第三节 连续型随机变量的概率分布 正态分布 由C.F.高斯(Carl Friedrich Gauss，1777—1855)作为描述误差相对频数分布的模型而提出 描述连续型随机变量的最重要的分布 许多现象都可以由正态分布来描述 可用于近似离散型随机变量的分布 例如：