概率论与数理统计课件04C 重要分布.pptVIP

普哇松分布常见于所谓稠密性的问题中, 如一段时间内, 电话用户对电话台的呼唤次数, 候车的旅客数, 原子放射粒子数, 织机上断头的次数, 以及零件铸造表面上一定大小的面积内砂眼的个数等等. 普哇松分布的数学期望和方差 普哇松分布的方差 通常在n比较大, p很小时, 用普哇松分布近似代替二项分布的公式, 其中l=np. 普哇松分布的方便之处在于有现成的分布表可查(见附表1) 例1 x服从普哇松分布, Ex=5, 查表求P(x=2), P(x=5), P(x=20) 解 因普哇松分布的参数l就是它的期望值, 故l=5, 查书后附表一, 有 P5(2)=0.084224, P5(5)=0.175467, P5(20)=0 例2 一大批产品的废品率为p=0.015, 求任取一箱(有100个产品), 求箱中恰有一个废品的概率.解： 所取一箱中的废品个数x服从超几何分布, 由于产品数量N很大, 可按二项分布公式计算, 其中n=100, p=0.015. 但由于n较大而p很小, 可用普哇松分布公式近似代替二项分布公式计算. 其中l=np=1.5, 查表得: P1.5(1)=0.334695 误差不超过1%. 例3 检查了100个零件上的疵点数, 结果如下表: 计算出来的图表如下所示: 指数分布: 如随机变量x的概率密度为 指数分布的分布函数 对任何实数a,b(0?ab), 有 在习题三第12题中已经算出它的期望和方差： Ex=l-1 Dx=l-2 指数分布经常用来作各种“寿命”分布的近似. 如随机服务系统中的服务时间, 某些消耗性产品(电子元件等)的寿命等等, 都常被假定服从指数分布. 例1 某元件寿命x服从参数为l(l-1=1000小时)的指数分布, 3个这样的元件使用1000小时后, 都没有损坏的概率是多少?解: 参数为l的指数分布的分布函数为 P(x1000)=1-P(x?1000)=1-F(1000)=e-1 各元件寿命相互独立, 因此3个这样的元件使用1000小时都未损坏的概率为e-3(约为0.05). G-分布 定义4.5 如果连续型随机变量x具有概率密度 G-函数的一个重要性质是G(r+1)=rG(r), G-分布的数学期望 G-分布的方差 当r=1时, 这是指数分布, 当r为正整数时, 当r=n/2(n是正整数), l=1/2时, 这是具有n个自由度的?2-分布(简记作?2(n)), 它是数理统计中最重要的几个常用统计量的分布之一. 如果x~c2(n), 则Ex=n, Dx=2n. 定理：如果x1,x2,...,xn相互独立, 且xi~G(l,ri), (i=1,2,...,n),则 x1+x2+...+xn~G(l, r1+r2+...+rn) 推论(需要记住)：如果x1,x2,...,xm相互独立, 且xi~c2(ni), (i=1,2,...,m), 则 x1+x2+...+xm~c2(n1+n2+...+nm) * 第四章 重要分布Ⅱ 2. 指数分布 3. Г-分布 1. 普哇松分布 普哇松(Poisson)分布 3 3 7 20 26 27 14 频数 6 5 4 3 2 1 0 疵点数 试用普哇松分布公式计算疵点数的分布, 并与实际检查结果比较. 解 0.01 0.036 0.09 0.18 0.271 0.271 0.135 概率 0.03 0.03 0.07 0.20 0.26 0.27 0.14 频率 3 3 7 20 26 27 14 频数 6 5 4 3 2 1 0 疵点数 x j(x)