概率论与数理统计 --- 第二章{一维随机变量及其分布} 第二节：离散型随机变量精品.ppt

概率论 概率论 第二节 离散型随机变量 离散型随机变量及其分布律 离散型随机变量表示方法 三种常见分布 从中任取3 个球 取到的白球数X是一个随机变量 . (1) X 可能取的值是0,1,2 ; (2) 取每个值的概率为: 例1 一、离散型随机变量及其分布律 1. 定义: 某些随机变量X的所有可能取值是有限多个 或可列无限多个, 这种随机变量称为离散型随机变量 . 其中 (k=1,2, …) 满足： k=1,2, … （1） （2） 2. 定义: 设 xk (k=1,2, …) 是离散型随机变量 X 所取的 一切可能值，称 为离散型随机变量 X 的分布律(probability distribution). 用这两条性质 判断一个函数 是否是分布律 解: 依据分布律的性质 P(X =k)≥0, a≥0 , 从中解得 即 例2 设随机变量X的分布律为： k =0,1,2, …, 试确定常数a . 二、离散型随机变量表示方法 （1）公式法 （2）列表法 X 随机变量X的所有取值 随机变量X的各个取值所对应的概率 例3 某篮球运动员投中篮圈概率是0.9， 求他两次独立投篮投中次数X的概率分布. 解：X 可取值为0,1,2 ; P{X =0}=(0.1)(0.1)=0.01 P{X =1}= 2(0.9)(0.1) =0.18 P{X =2}=(0.9)(0.9)=0.81 则X的分布律为： X 例4 某射手连续向一目标射击，直到命中为止， 已知他每发命中的概率是p， 求所需射击发数X 的分布律. 解: 显然，X 可能取的值是1,2,… ， P{X=1}=P(A1)=p, 为计算 P{X =k }， k = 1,2, …， Ak = {第k发命中}，k =1, 2, …， 设 于是 可见 这就是求所需射击发数 X 的分布律. 例5 一汽车沿一街道行驶， 需要通过三个均设有红绿信号灯的路口， 每个信号灯为红或绿与其它信号灯为红或绿相互独立， 且红绿两种信号灯显示的时间相等. 以X表示该汽车首次遇到红灯前已通过的路口的个数， 求X的分布律. 解: 依题意, X可取值0, 1, 2, 3. P{X=0}=P(A1)=1/2, Ai={第i个路口遇红灯}, i=1,2,3 设 路口3 路口2 路口1 P{X=1}=P( ) = 1/4 P{X=2}=P( ) =1/8 X表示该汽车首次遇到红灯前已通过的路口的个数 路口3 路口2 路口1 路口3 路口2 路口1 =1/8 P(X=3)= P( ) 路口3 路口2 路口1 即 X表示该汽车首次遇到红灯前已通过的路口的个数 三、三种常见分布 1.（0-1）分布：（也称两点分布） 随机变量 X 只可能取 0 与 1 两个值，其分布律为： X ~ b(1, p) 或 称 X 服从（0-1）分布或两点分布 或 对于一个随机试验，如果它的样本空间只包含两个元素，即 ，我们总能在W上定义一个服从 （0－1）分布的随机变量． 来描述这个随机试验的结果。 检查产品的质量是否合格，对新生婴儿的性别进行登记，检验种子是否发芽以及“抛硬币”试验都可以用（0-1）分布的随机变量来描述． 看一个试验: 将一枚均匀骰子抛掷3次. X 的分布律是： 令X 表示 3次中出现“4”点的次数 2. 伯努利试验(Bernoulli Trial) 和二项分布(Binomial Distribution) 掷骰子: “掷出4点”，“未掷出4点” 抽验产品: “是正品”，“是次品” 1) 设在一次试验E 中我们只考虑两个互逆的结果: A 或 . 这样的试验E 称为伯努利试验 . “重复” 是指这 n 次试验中P(A)= p 保持不变. 2) 将伯努利试验E 独立地重复地进行n次, 则称这一串重复的独立试验为 n重伯努利试验, 亦称伯努利概型. “独立” 是指各次试验的结果互不影响 . 3) 用X 表示n 重伯努利试验中事件A发生的次数,则 易证： （1） 称 r.v.X 服从参数为n 和p 的二项分布, 记作 X ~ b(n, p) （2） 例6 已知100个产品中有5个次品，现从中有放回地取3次, 每次任取1个, 求在所