数学§2.6离散型随机变量的概率复习课(上课讲义).docVIP

§2.6 离散型随机变量的概率复习课 【学习目标】 1．熟练掌握离散型随机变量的概率中所涉及的有关基础知识和计算. 2．灵活地掌握离散型随机变量的概率的概念及概率的计算。 【学习过程】 一、《离散型随机变量的概率》的知识梳理： 1．随机变量的概念：如果随机试验的结果可以用一个变量X表示，并且X是随着试验的结果的不同而变化的，那么这样的变量X叫随机变量，随机变量常用希腊字母X，Y…表示．如果随机变量X的所有可能的取值都能一一列举出来，则称X为离散型随机变量． 2．离散型随机变量的分布列：设离散型随机变量X可能取得的值为 ，X取得每一个值的概率为 ，则称下表为离散型随机变量X的概率分布，或称为离散型随机变量X的分布列． 离散型随机变量X的分布列的性质： （1）pi≥0，i＝1，2，3，…，（2）p1＋p2＋p2＋… ＋pn ＝1 3．二点分布． 　如果随机变量X的分布列为： 其中 0 ＜ P ＜1， q＝1－p， 则称离散型随机变量X服从参数为P的二点分布． 4．超几何分布：一般地，设有总数为N件的两类物品，其中一类有n件，从所有物品中任取M件（M≤N），这M件中所含这类物品的件数X是一个离散型随机变量，它取值为m时的概率为P(X＝m)＝ （0≤m≤l，l为n和M中较小的一个）． 　 我们称离散型随机变量X的这种形式的概率分布为超几何分布，也称X服从参数为N，Mn的超几何分布． 5．条件概率． 6．条件概率的性质：条件概率具有概率的性质，任何事件的条件概率都在0和1之间，即 0≤P(B│A)≤1 ． 7．事件的独立性：设A，B为两个事件，如果P(B│A)＝P(B)，则称为事件A与事件B相互独立，并把A，B这两个事件叫做相互独立事件． 8．独立重复试验：一般地，在相同条件下，重复地做n次试验称为n次独立的重复试验． 　　在n次的独立重复试验中，事件A恰好发生k次的概率为P(X＝k)＝ pk(1－p)n－k ，k＝0 ，1，2，…，n，其中p是一次试验中该事件发生的概率，实际上， pk(1－p)n－k正好是二项式[(1－p)＋p]n的展开式中的第k＋1项． 9．二项分布：若将事件A发生的次数设为X ，事件A不发生的概率设为q＝1－p，那么在n次独立的重复试验中，事件A恰好发生k次的概率是P(X＝k)＝ pk(1－p)n－k ，（其中k = 0，1，2，…，n)，于是得到X的分布列： 由于表中的第二行恰好是二项式展开式 (q＋p)n＝ 各对应项的值，则称这样的离散型随机变量X服从参数为n，p的二项分布，记为 X～B(n，p)． 10．期望：设一个离散型随机变量X所有可能取的值是x1，x2，…，xn，这些值对应的概率是p1，p2，…，pn ，则E(X)＝x1 p1＋x2p2＋…＋xnpn叫做这个离散型随机变量X的均值或数学期望（简称期望）． 　　（1）离散型随机变量的数学期望刻画了这个离散型随机变量的平均取值水平，是算术平均值概念的推广，是概率意义下的平均． （2）E(X)是一个实数，即X作为随机变量是可变的，而E(X)是不变的，它描述X取值平均状态 　 （3）数学期望的性质：当随机变量为常数时， E(X)＝c；当离散型随机变量X～B(n，p)时， E(X)＝np；当离散型随机变量X服从参数为N，M，n的超几何分布时，则E(X)＝ ． 11．方差： 一般地，若离散型随机变量的概率分布如表所示： … … 则描述了相对于均值的偏离程度，故 ，（其中）刻画了随机变量与其均值的平均偏离程度，我们将其称为离散型随机变量的方差，记为或．即== 二、例题欣赏： 例1．一袋中装有6个同样大小的红球，编号为1，2，3，4，5，6，现从中随机取出3个球，以X表示取出球的最大号码，求X的分布列． 例2．口袋中有3个白球，4个红球，每次从口袋中任取一球，如果取到红球，那么继续取球，如果取到白球，就停止取球，记取球的次数为． （I）若取到红球再放回，求不大于2的概率； （II）若取出的红球不放回，求的概率分布与数学期望． 例3．在一次电视节目的抢答中，题型为判断题，只有“对”和“错”两种结果，其中某明星判断正确的概率为，判断错误的概率为，若判断正确则加1分，判断错误则减1分，现记“该明星答完题后总得分为”． （1）当时，记，求的分布列及数学期望及方差；w