概率论基础2.4.pptVIP

2.4 二项分布与泊松分布 一、二项分布的性质及计算 某类灯泡使用时数在1000小时以上 的概率是0.2，求三个灯泡在使用1000 小时以后最多只有一个坏了的概率. 解: 设X为三个灯泡在使用1000小时已坏的灯泡数 . X ~ B (3, 0.8)， 把观察一个灯泡的使用 时数看作一次试验, “使用到1000小时已坏” 视为“成功”.每次试验, “成功”的概率为0.8 P(X 1) =P(X=0)+P(X=1) =(0.2)3+3(0.8)(0.2)2 =0.104 血清的试验 统计假设检验法 设家畜感染某种疾病的概率是30%，新发现了一种血清可能对预防此病有效,为此对20只健康的动物注射这种血清.若注射后只有一只动物受感染,我们对此种血清的作用作何评价 假如血清毫无价值，那么注射后的动物受感染的概率还是30%，则这20只动物中有k只受感染的概率为b(k;20,0.3). 发生只有一只动物受感染或更好的情况（无动物受感染）的概率为 b(0;20,0.3)+b(1;20,0.3)=0.0008+0.0068=0.0076 这个概率如此之小，因此我们不能认为血清毫无价值。 对于固定n及p，当k增加时 ,概率P(X=k) 先是随之增加直至 达到最大值, 随后单调减少. 二项分布的图形特点： X~B(n,p) 当(n+1)p不为整数时，二项概率P(X=k)在k=[(n+1)p]达到最大值； ( [x] 表示不超过 x 的最大整数) n=11,p=0.7 k Pk 当(n+1)p为整数时,情况如何？ n=11,p=0.7 k Pk 对于固定n及p，当k增加时 ,概率P(X=k) 先是随之增加直至 达到最大值, 随后单调减少. 二项分布图形特点(2)： X~B(n,p) 当(n+1)p为整数时，二项概率P(X=k)在k=(n +1)p和k =(n+1)p-1处达到最大值. n=14,p=0.5 Pk k 0 单调性与最可能成功次数 设每颗子弹打中飞机的概率为0.01，问在500发子弹中打中飞机的最可能次数是多少？并求其相应的概率。 打中飞机子弹数服从二项分布。 N=500, p=0.01, (n+1)p=5.01, [(n+1)p]=5. 所以最可能成功次数为5。 以后将会看到最可能成功次数m发生的概率接近于 保险事业是最早使用概率论的部门之一，保险公司为了决定保险金数额，估算公司的利润和破产的风险，需要计算各种各样的概率，下面是典型问题之一，根据生命表知道，某年龄段保险者里，一年中每个人死亡的概率0.005，现有10000个这类人参加人寿保险，试求在未来一年中在这此保险者里面， 1)?????? 有40个人死亡的概率 2)?????? 死亡人数不超过70个的概率。 解:作为初步近似，可以利用伯努利概型，n＝10000，p=0.005,设 为未来一年中这些人里面死亡人数，则所求的概率分别为 甲乙两容器,容量各为1升,每个含2.7×1022个气体分子,现将两容器接触,经过相当长的时间后(即这时每个分子落在两容器中的概率各为1/2),求两容器中分子数之差超过分子总数的100亿分之一的概率。 分子总数为5.4×1022,其一百亿分之一(即10-10)为5.4×1012， 设混和后甲容器的分子数为 即求 的k求和，很难直接计算。 对一切满足 二、二项分布的泊松分布逼近 当试验次数n很大时，计算二项概率变得很麻烦. 我们先来介绍二项分布的泊松近似，后面我们将介绍二项分布的正态近似. 必须寻求近似方法. 泊松Poisson定理 定理的条件意味着当 n很大时，pn 必定很小. 因此，泊松定理表明，当 p 很小时有以下近似式： 其中 见书p103例8 近似程度令人满意！ 二项分布与泊松分布图象 例 为保证设备正常工作，需要配备适量的维修人员 . 设共有300台设备，每台的工作相互独立，发生故障的概率都是0.01.若在通常的情况下，一台设备的故障可由一人来处理 . 问至少应配备多少维修人员，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? 我们先对题目进行分析： 300台设备，独立工作，出故障概率都是0.01. 一台设备故障一人来处理. 问至少配备多少维修人员，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? 设X为300台设备同时发生故障的台数， 300台设备，独立工作，每台出故障概率 p=0.01 . 可看作n=300的贝努里概型. X~B(n,p)，n=300, p=0.01 可见， X~B(n,p)，n=300, p=0.01