第三章 概率与概率分布汇.ppt

【例】 在N头奶牛中，有M头曾有病史，从这群奶牛中任意抽出n头奶牛，试求: (1)其中恰有m头有病史奶牛的概率是多少？ (2)若N=30，M =8，n =10，m =2，其概率是多少？ 我们把从有M头奶牛曾有病史的N头奶牛中任意抽出n头奶牛 ，其中恰有m头有病史这一事件记为A ， 因为 从 N 头 奶 牛 中 任 意 抽 出 n 头 奶牛的基本事件总数为 ； 事件A所包含的基本事件数为 ； 因此所求事件A的概率为： 将N=30，M =8，n =10，m =2代入上式，得 = 0.0695 即在30头奶牛中有8头曾有病史，从这群奶牛随机抽出 10 头奶牛其中有2头曾有病史的概率为6.95%。 事件的概率表示了一次试验某一个结果发生的可能性大小。若要全面了解试验，则必须知道试验的全部可能结果及各种可能结果发生的概率，即必须知道随机试验的概率分布(probability distribution)。为了深入研究随机试验 ，先引入随机变量(random variable)的概念。 随机变量是指随机试验中被测定的量。作一次试验，其结果有多种可能。每一种可能结果都可用一个数来表示，把这些数作为随机变量x的取值范围，则试验结果可用随机变量x来表示。 【例】 对100头病畜用某种药物进行治疗，其可能结果是“0头治愈”、 “1头治愈”、“2头治愈”、“…”、“100头治愈”。若用x表示治愈头数，则随机变量x的取值为0、1、2、…、100。 【例】 孵化一枚种蛋可能结果只有两种，即“孵出小鸡”与“未孵出小鸡”。 若用随机变量x表示试验的两种结果，则可令x=0表示“未孵出小鸡”，x =1表示“孵出小鸡”。 【例】 测定某品种猪初生重，表示测定结果的变量 x 所取的值为一个特定范围(a,b)，如0.5―1.5kg，x值可以是这个范围内的任何实数。 如果表示试验结果的变量x，其可能取值为有限个，且取这些不同的值各自都有其确定的概率，则称x为离散型随机变量。 如果表示试验结果的变量x，其可能取值为某范围内的任何数值，且x在其取值范围内的任一区间中取值时，其概率是确定的，则称x为连续型随机变量。 连续型随机变量概率分布的性质： 1、分布密度函数总是大于或等于0，即f(x)≥0； 2、当随机变量x取某一特定值时，其概率等于0；即 (c为任意实数) 因而，对于连续型随机变量，仅研究其在某一个区间内取值的概率，而不去讨论取某一个值的概率。 3、 在 一次试验中 随机变量x之取值 必在 -∞＜x＜+∞范围内，为一必然事件。所以 (4-5) (4－5)式表示分布密度曲线下、横轴上的全部面积为1。 相比较就可以发现，在n重贝努里试验中，事件A发生x次的概率恰好等于展开式中的第x+1项，所以把P(x)称为随机变量x服从参数为n和p的二项分布(binomial distribution)，也称为贝努里分布，记作B(n,p)。这种“非此即彼”的事件所构成的总体称为二项总体。 泊松分布是一种可以用来描述和分析随机 地发生在单位空间或时间里的稀有事件的概率分 布，也是一种离散型随机变量的分布。要观察到 这类事件，样本含量 n 必须很大。 若随机变量x只取零和正整数值0，1，2，…，且其概率分布为: ， x = 0，1，…… (4-23) 其中λ=μ,λ＞0；e=2.7182… 是自然对数的底数，则 称 x 服 从 参 数 为 μ 的 泊 松分布(Poisson,s distribution)，记 为 x～P(λ)。 二、泊松分布重要的特征 1、平均数和方差相等，即 μ=σ2 =λ。 【例】 调查某种猪场闭锁育种群仔猪畸形数，共记录200窝， 畸形仔猪数的分布情况如表4-3所示。试判断畸形仔猪数是否服从泊松