数学：常用的离散型分布.pptVIP

§2.3 常用的离散型分布 Figure Thm 2.4(泊松定理) Poisson分布的应用 Poisson分布应用极为广泛. 如银行收到的存款次数；保险公司收到的索赔单数;放射粒子的数目（著名的Rutherford等人利用云雾实验室观察镭说发射出的 粒子数目试验）；一定时间内发生的灾害数目；…… Poisson分布的数字特征 期望： 方差： * * 一、退化分布 （单点分布） 概率分布： 期望： 方差： 二、 两点分布 　　设随机变量 X 只可能取x1与x2两个值 , 它的分布律为 则称 X 服从 两点分布. ( 其中 0 p 1 ) 当x1=0，x2=1时两点分布称为(0-1)分布 即：　设随机变量 X 只可能取0与1两个值 , 它的分布律为 则称 X 服从 (0-1) 分布或伯努利分布， ( 其中 0 p 1 ) 或称X为参数为p的Bernoulli随机变量. 实例1 “抛硬币”试验,观察正、反两面情况. 随机变量 X 服从 (0—1) 分布. 其分布律为 实例2 200件产品中,有190件合格品,10件不合格品,现从中随机抽取一件,那末,若规定 取得不合格品, 取得合格品. 则随机变量 X 服从(0 —1)分布. 两点分布是最简单的一种分布,任何一个只有两种可能结果的随机现象, 比如新生婴儿是男还是女、明天是否下雨、种籽是否发芽等, 都属于两点分布. 说明 三、 个点上的均匀分布（古典概型） 概率分布： 期望： 方差： Recall 四、二项分布 若在一次试验E中我们只考虑两个互逆的 结果：A 或 , 则E称为伯努利试验 . “重复”是指这 n 次试验中P(A)= p 保持不变. 将伯努利试验E独立地重复地进行n次 ,则称这一串重复的独立试验为n重伯努利试验 . “独立”是指各 次试验的结果互不影响 . 用X表示n重伯努利试验中事件A发生的次数， 则 易证： （1） 称 r.v X 服从参数为n和p的二项分布，记作 X~b(n,p)， （2） 二项分布 两点分布 且记 二项分布的图形 X的概率分布是： 男 女 例1 X表示随机抽查的4个婴儿中男孩的个数，生男孩的概率为 p. X可取值0,1,2,3,4. 二项分布的数字特征 期望： 方差： 实践中，常用于有放回的抽样调查. 二项分布中最可能出现次数的定义与推导 则称 为最可能出现的次数 当( n + 1) p = 整数时,在 k = ( n + 1) p与 ( n + 1) p – 1 处的概率取得最大值 对固定的 n、p, P ( X = k) 的取值呈不 对称分布 固定 p, 随着 n 的增大，其取值的分布 趋于对称 当( n + 1) p ? 整数时, 在 k = [( n + 1) p ] 处的概率取得最大值 例 独立射击5000次, 每次命中率为0.001, 解 (1) k = [( n + 1)p ] = [( 5000+ 1)0.001] =5 求 (1) 最可能命中次数及相应的概率； (2) 命中次数不少于1 次的概率. Ch2-* (2) 令X 表示命中次数,则 X ~ B(5000,0.001) 小概率事件虽不易发生，但重 复次数多了，就成大概率事件. 本例 启示 五、几何分布 Recall：在独立重复试验中，记 表示事件 第一次发生时的次数， 则 （**） 亦可记为 一般地，若随机变量 的概率分布由（**）给出，则称 服从参数为 的几何分布. 几何分布的数字特征与无记忆性 期望： 方差： 无记忆性 设 是取值为正整数的随机变量，则 服从几何分布当且仅当 负二项分布Negative Binomial Distribution 在独立重复试验中，记 表示事件 第 次发生时的次数， 因为 表示前 中 恰好发生了 次,而第 次 发生，故 亦可记为 一般地，若随机变量 的概率分布由上式给出，则称 服从参数为 的负二项分布. 负二项分布的数字特征 期望： 方差： 六、超几何分布（无放回抽样调查）Hypergeometric Distribution 设袋中有 个球，其中白球 个，黑球 个， 任取 个，记 表示抽到的白球数目，则 一般地，若随机变量 的概率分布由上式给出，则称 服从超几何分布. 超几何分布的数字特征与极限分布 期望： 方差： 极限分布 若 则 可见，超几何分布分布的极限分布为二项分布，即当样本容量足够大时，无放回抽样可近似于有放回抽样. 七、泊松