第6讲 第二章.pptVIP

一、随机变量的引入 二、随机变量的概念 三、离散型随机变量的分布律 四、常见离散型随机变量的概率分布 伯努利资料 泊松资料 泊松分布的背景及应用 　　二十世纪初卢瑟福和盖克两位科学家在观察 与分析放射性物质放出的粒子个数的情况时,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. 在生物学、医学、工业统计、保险科学及 公用事业的排队等问题中 , 泊松分布是常见的. 例如地震、火山爆发、特大洪水、交换台的电 话呼唤次数等, 都服从泊松分布. 电话呼唤次数 交通事故次数 商场接待的顾客数 地震 火山爆发 特大洪水 泊松分布的图形 例2 一家商店采用科学管理，由该商店过去的销售记录知道，某种商品每月的销售数可以用参数λ=5的泊松分布来描述，为了以95%以上的把握保证不脱销，问商店在月底至少应进某种商品多少件？ 解: 设该商品每月的销售数为X, 已知X服从参数λ=5的泊松分布. 设商店在月底应进某种商品m件, 求满足 P{ X ≤ m }0.95 的最小的m . 进货数 销售数 求满足 P {X ≤ m }0.95 的最小的m. 查泊松分布表得 于是得 m=9件 , 则对固定的 k，有 设 Possion定理: Poisson定理说明若X ~ b( n, p), 则当n 较大，p 较小, 而 适中, 则可以用近似公式 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 . 二项分布与泊松分布的关系 设1000 辆车通过, 出事故的次数为 X , 则 可利用泊松定理计算 所求概率为 解 例3（续）有一繁忙的汽车站, 每天有大量汽车通过, 设每辆汽车,在一天的某段时间内出事故的概率 为0.0001,在每天的该段时间内有1000 辆汽车通 过,问出事故的次数不小于2的概率是多少? 例4 独立射击5000次, 命中率为0.001, 解 求 ： 命中次数不少于1 次的概率. (至少命中1次的概率) 令X 表示命中次数, 则 X ~ b(5000,0.001) 解 令X 表示命中次数, 则 令 此结果与用二项分布算得的结果0.9934仅相差万分之一. 利用Poisson定理再求例12 (2) X ~ b( 5000,0.001 ) * 第6讲 随机变量 概率论是从数量上来研究随机现象内在规律性的，为了更方便有力的研究随机现象，就要用数学分析的方法来研究， 因此为了便于数学上的推导和计算，就需将任意的随机事件数量化．当把一些非数量表示的随机事件用数字来表示时， 就建立起了随机变量的概念． 1. 为什么引入随机变量? 2. 随机变量的引入的可行性 实例1 在一装有红球、白球的袋中任摸一个球,观察摸出球的颜色. S={红色、白色} 非数量 将 S 数量化 可采用下列方法 红色 白色 即有 X (红色)=1 , X (白色)=0. 这样便将非数量的 S={红色，白色} 数量化了. 实例2 抛掷骰子,观察出现的点数. S={1，2，3，4，5，6} 样本点本身就是数量 恒等变换 且有 则有 1.定义 　　随机变量随着试验的结果不同而取不同的值, 由于试验的各个结果的出现具有一定的概率, 因此随机变量的取值也有一定的概率规律. (2)随机变量的取值具有一定的概率规律 　　随机变量是一个函数 , 但它与普通的函数有着本质的差别 ,普通函数是定义在实数轴上的,而随机变量是定义在样本空间上的 (样本空间的元素不一定是实数). 2.说明 (1)随机变量与普通的函数不同 　　随机事件包容在随机变量这个范围更广的概念之内.或者说 : 随机事件是从静态的观点来研究随机现象,而随机变量则是从动态的观点来研究随机现象. (3)随机变量与随机事件的关系 实例3 在有两个孩子的家庭中,考虑 其性别 , 共有 4 个样本点: 若用 X 表示该家女孩子的个数时 , 则有 可得随机变量 X(e), 实例4 设某射手每次射击打中目标的概率是0.8, 现该射手不断向目标射击 , 直到击中目标为止,则 是一个随机变量. 且 X(e) 的所有可能取值为: 实例5 某公共汽车站每隔 5 分钟有一辆汽车通过, 如果某人到达该车站的时刻是随机的, 则 是一个随机变量. 且 X(e) 的所有可 能取值为: 3.随机变量的分类 离散型 (1)离散型 随机变量所取的可能值是有限多个或 无限可列个, 叫做离散型随机变量. 随机变量 连续型 非离散型 其它 (2)连续型 随机变量所取的可能值可以连续