概率论与数理统计（谢兆如）xiech2-2.1.pptVIP

第二章 例1 §2.2 启示 例7 题5 5(2) 帕斯卡 (2) 二项分布 n 重Bernoulli 试验中, X 是事件A 在 n 次试 验中发生的次数 , P (A) = p ,若 则称 X 服从参数为n, p 的二项分布，记作 0–1 分布是 n = 1 的二项分布 二项分布的取值情况 设 .039 .156 .273 .273 .179 .068 .017 .0024 .0000 0 1 2 3 4 5 6 7 8 0.273? 由图表可见 , 当 时， 分布取得最大值 此时的 称为最可能成功次数 x P ? 0 ? 1 ? 2 ? 3 ? 4 ? 5 ? 6 ? 7 ? 8 设 .01 .06 .14 .21 .22 .18 .11 .06 .02 .01 .002 .001 0 1 2 3 4 5 6 7 8 9 10 11 ~ 20 ? ? x P ? ? ? ? ? 1 ? 3 ? 5 ? 7 ? 9 ? ? ? ? 0 ? 2 ? 4 ? 6 ? 8 ? 10 ? 20 由图表可见 , 当 时， 分布取得最大值 0.22 ? 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7 独立射击5000次, 命中率为0.001, 例5 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. (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 解 令X 表示命中次数, 则 令 此结果也可直接查 P.269 附表2 泊松 分布表得到，它与用二项分布算得的结果 0.9934仅相差万分之一. 利用Poisson定理再求例5 (2) X ~ B( 5000,0.001 ) 由此可见日常生活中“提高警惕, 防火 由于时间无限, 自然界发生地震、海 啸、空难、泥石流等都是必然的，早晚的 同样, 人生中发生车祸、失恋、患绝 症、考试不及格、炒股大亏损等都是正常 现象, 大可不必怨天尤人, 更不要想不开而 防盗”的重要性. 事，不用奇怪，不用惊慌. 跳楼自杀. 解 (1) 设 需要配备 N 个维修工人,设 X 为90 台 设备中发生故障的台数，则 X ~ B( 90, 0.01) 设同类型设备90台，每台工作相互独立， 每台设备发生故障的概率都是 0.01. 在通常 情况下，一台设备发生故障可由一个人独立 维修，每人同时也只能维修一台设备. 问至少要配备多少维修工人，才能保证当设 备发生故障时不能及时维修的概率小于0.01? (2) 问3个人共同负责90台还是3个人各自独立负 责30台设备发生故障不能及时维修的概率低？ 例8 例6 令 则 查附表2得 N = 4 三个人共同负责90台设备发生故障不能 及时维修的概率为 设30台设备中发生故障的台数为 Y ~ B ( 30,0.01) 设每个人独立负责30台设备，第 i 个人负责的 30台设备发生故障不能及时维修为事件 Ai 则 三个人各独立负责30台设备发生故障不能及时 维修为事件 故 三个人共同负责90 台设备比各自负责好！ 在Poisson 定理中， 由此产生了一种离散型随机变量的概率分布 — Poisson 分布 (3) Poisson 分布 若 其中 是常数，则称 X 服从参数为 Poisson 分布。. 或 记作 若r.v.X的分布列为 在某个时段内： 大卖场的顾客数； 某地区拨错号的电话呼唤次数； 市级医院急诊病人数； 某地区发生的交通事