概率统计0222章节.pptVIP

第二章 一维随机变量及其分布 第二节　一维离散型随机变量 一、概率分布列 二、常见分布的分布列 三、二项分布的泊松逼近 一、概率分布列 定义1　若随机变量　的可能取值为有限个或无限 则称随机变量　为离散型随机变量. 定义2　设 为一个离散型随机变量，它的所有可 ， 能取值为 取各个值的概率即事件 的概率为 (▲) 　称（▲）式为离散型随机变量的概率分布或分布律（分布列）． 分布列常用表格表示 ，称为随机变量 的概率 　　　　　 … 　　　… 　　　　　 …　　　 … 分布列 　离散型随机变量的概率分布反映了离散型随机变量的所有可能取值及其取相应值的概率． 离散型随机变量的概率分布的性质： ， １，２，…； ⑴ ⑵ ． 　例1　在5件产品中有2件次品，从中任取出2件． 用随机变量 表示其中的次品数，求随机变量 的分布列及分布函数． 解　随机变量 表示任意取出的2件产品中次品 的件数，显然， 只能取０，１，２，它们的概率 ， 分别为： ， ， 则 的分布列为 ０　　１　　２ 0.3 　 0.6 0.1 分布函数为 　例2　某人在黑暗中欲用钥匙打开房门．他随身所带的五把钥匙中，只有一把能打开房门．他采用“无放回”的试开方法，用　 表示他打开房门所经历 的试开次数．求 的概率分布． 解 的可能取值为１，２，３，４，５． ， ， ， ， ． 则 的分布列为 １ ２ ３ ４ ５ 二、常见分布的分布列 1　两点分布　如果 的概率分布列为 　　 　　 则称 服从两点分布． 若 ，则称 服从0－1分布． ２　二项分布 设随机变量 的可能取值为 ０，１，２，…， ； 而取得这些值的概率分别为 ， ．其中 ， 则称 服从参数为 的二 项分布 ． 记为 ~ ． 当 时，二项分布为 （ ）就化为0—1分布． 在伯努利试验中，事件 出现的次数 服从 二项分布． 例3　设种子的发芽率是 ．种下十粒，用 表示发芽的粒数，求 的概率分布列． 解　种下１０粒可以当作同样条件下的十次重复 ～ ． 试验，故 所以 ， ． 　　　0　　　　　 1　　　　　 ２ 3 　　4　　　 　 　5　　 　 6 　　　　　 　0.026426 0.08808 　　7 8　　 　9　 　 10 0.20133 0.30199 0.26843 0.10737 　例4　某篮球队员站在球场的罚球点上投篮的命中率是85%，如果它投篮三次，试计算命中一次以上的概率． 解　可以认为该球员的三次投篮相互独立．用 表示命中的次数，则 ～ ， 故 ． ３　泊松分布（Ｐoisson）　若随机变量 的可能 ，且其概率分布为 , ， ， 取值为 则称 服从参数为 的泊松分布，记为 ~ ， 或 ~ ． ． 　泊松分布是数学理论反映客观实际的典型例证，有非常广泛的的应用．类同于小粒的葡萄干在大块蛋糕中的分布，凡体积相对小的物质在较大空间内的稀疏分布，都可以看作是泊松分布，如较大水池内单位体积的水中（有时需要限制在深度相同的水层上）鱼的数目，单位体积的空气中含有某种微粒的数目，较大型铸件的单位体积中疵点的数目等，都服从或近似服从泊松分布，而分布的参数都是相应的单位体积内的平均数． 　例5　设某种牧草种子中，平均每 10 克含有６粒杂草种子．现任意称出 10 克，求所含杂草种子不超过３粒的概率． 解　设 为10克牧草种子中含杂草种子的粒数， 计算，我们有 按 ． 4　几何分布　如果随机变量 的概率分布为 ， ， 则称 服从参数 的几何分布． 例6　某人有一串 把外形相同的钥匙，其中只有 一把能打开家门． 有一天该人酒醉后回家，下意识的 每次从 把钥匙中随便拿一把去开门，问该人在第 次才把门打开的概率多大？ 　解　能打开家门的一把钥匙在每次试用中恰被选中的概率为 ，在第 次才把门打开，意味着前面 的 次都没有打开，于是由独立性即得 ． ５　超几何分布　在一批同类的 件产品中， 件是次品，其余是正品． 现从中任意取出 件，用 表示取出的次品数，则 的概率分布为 ， ． 则称随机变量 服从超几何分布． 　例7　在180只零件中有172只是合格品，8只是次品，从中任意取4只，用 表示取出的4只中次品的 的概率分布列． 只数，求 解　随机变量 服从超几何分布， ， ， = 4 ． 因为 ， ， ， ， ， ， ， 0 １　 ２　　 ３　　 ４　 0.8324 0.1576