概率论与数理统计2.1+2.2.ppt

课件下载地址 注 意 点 (1) 注 意 点 (2) 例：某人进行射击，设每次射击的命中率为0.02，独立射击400次，试求至少击中两次的概率. 解：记400次射击中命中的次数为X，那么X ~ b(400, 0.02)， 于是 结论：只要试验的次数足够多，而且试验是独立进行的，那 么小概率事件几乎肯定发生，决不能忽视小概率事件. 例：（产品抽样检验模型）设 N 件产品有 M 件次品，从中 任取一件产品进行检验，则结果可能是：（“次品”）或 （“正品”），这是成功概率 的伯努利试验. 若采取“放回抽样”，接连抽取 n 次，那么这样的抽检形成一个的 n 重伯努利试验. 若采取“不放回抽样”，接连抽取 n（≤N）次，那么这样的抽检不能视作 n 重伯努利试验. 当产品总量 N 很大时，抽出少数几件不致影响次品率，故也可将不放回地接连抽取 n（远小于 N）次的检验看成 n 重伯努利试验. 如果A在第 次发生，则前 次 都是 发生，从而 的概率为： 例 在事件A 发生概率为 的贝努利试验中，如果用 表示事件A 首次发生时的试验次数，则 为一随机变量，可能的取值为： 称 服从参数为 的几何分布。 解: 依据分布列的性质: 从而 这个分布称为泊松(Poisson)分布. 例 设随机变量X的分布列为： 试确定常数a . 且 解得 历史上，泊松分布是作为二项分布的近似，于1837年由 法国数学家泊松引入的． 近数十年来，泊松分布日益显示其重要性， 成为概率论中最重要的几个分布之一． 在实际中，许多随机现象（近似）服从泊松 分布． 二十世纪初罗瑟福和盖克两位科学家在观察 与分析放射性物质放出的α粒子个数的情况时， 他们做了2608 次观察(每次时间为7.5 秒)发现放 射性物质在规定的一段时间内，其放射的粒子数 X 服从泊松分布. 泊松分布的背景及应用 * /p/lidongxi0426 第一节 随机变量的定义 在上一章中，我们研究了随机事件的一些基本概念和理论。为了更深入地研究随机事件的结果，揭示其相应的随机现象的统计规律性，从本章起，我们将引进随机变量的概念。其基本想法是把随机试验的结果数量化，即用一个变量X 来描述试验的结果。先看以下几个例子。 一、随机变量的定义 例1 投掷一枚硬币，观察出现正、反面的情形。试验有两个可能结果： 我们引入一个变量如下： — 出现正面 — 出现反面 这个变量可以看作是定义在样本空间 上的函数，称其为随机变量。实际上此变量是依试验结果的不同而随机地取值1或0。 例2 掷一颗骰子面上出现的点数。 这个试验结果本身就是一个数.（与数值有关） 当 时， ,这里 是随机变量， 我们引入一个变量 定义 设随机试验为 ,其样本空间为 如果对于每个 ，都有一个实数 和它对应，于是就得到一个定义在 上的实值单值函数 ,称 为随机变量。简记为 r.v.（Random Variable） 0 0.5 1 P(B) P(A) 0 是定义在样本空间上的实值