概率论课件第二章 节 一维随机变量及其分布.ppt

（3） 2.3.1 均匀分布 设a、b为有限数，且ab。如果随机变量X分布密度为 则称X在[a,b]上服从均匀分布，记作U(a，b) 均匀分布随机变量的分布函数为： 例4 向区间(-1,1)均匀地投掷一随机点，以ξ表示随机点的落点坐标，试求关于t的二次方程 t2+3ξt+1=0 有实根的概率。 解: ξ在(－1,1)上服从均匀分布，其密度函数为 方程t2+3 ξ t+1=0 有实根的的充要条件是 则方程有实根的概率为 2.3.2 指数分布 若随机变量X具有分布密度为 则称X服从参数为 的指数分布。 容易求得它的分布函数为 指数分布具有如下特征： 设X服从参数为a的指数分布，则对任意正数s、t，有 P(Xs+t︱Xs)= P(Xt) 称指数分布具有“无记忆”性。 指数分布是唯一具有“无记忆”性的连续型分布。 若 X ~Ｅxp(?),则 故又把指数分布称为“永远年轻”的分布 证明 命题 例5 设到某服务窗口办事，需排队等候。若等待的时间ξ是指数分布随机变量（单位:min），则其概率密度为 某人到此窗口办事，在等待15分钟后仍未能得到接待时，他就愤然离去。 试求: （1）10位顾客有2位愤然离去的概率; （2）10位顾客最多有2位愤然离去的概率; （3）10位顾客至少有2位愤然离去的概率。 解 首先可求出他在任一次排队服务时，以愤然离去而告终的概率。 在10位顾客中愤然离去的顾客人数η～B（10，p），即η服从n=10，p=0.2231的二项分布，于是所求的概率分别为 2.3.3 正态分布 若随机变量X的分布密度 其中μ、σ0为常数，则称X服从参数为μ、σ的正态分布，简记为X～N(μ,σ2) 。 X的分布函数为 特别地称N(0,1)为标准正态分布，其概率密度及分布函数常记为： 如X～N(μ,σ2)，有 证明： 命题1 在应用中，当ｎ很大（n≥10 ），ｐ很小(≤0.1) ，我们有下面的泊松近似公式 其中λ=np 例 设有同类设备８０台，各台工作相互独立的，发生故障的概率都是0.01，并且一台设备的故障可由一个人来处理，试求 （１）一个人负责维修２０台设备时，设备发生故障而不能及时维修的概率； （２）由三个人共同负责维修８０台设备时，设备发生故障而不能及时维修的概率。 解： (1)设X表示同一时刻发生故障的设备台数。 在同一时刻至少有２台设备发生故障，便不能及时处理。 若用泊松近似公式(λ=np=20×0.01=0.2) ，则有 （2）设Y表示同一时刻发生故障的设备数，则 Y～B(80,0.01) 当同一时刻至少有４台设备发生故障时，就不能及时维修。 用泊松近似公式 (λ=np=80×0.01=0.8) ，得 计算结果表明，由三人共同负责维修８０台，每人平均约维修２７台，比一个单独维修２０台更好，既节约了人力又提高了工作效率。 2.2.3 几何分布 在“成功”概率是p的贝努利试验中，若以X记首次出现“成功”的试验次数。则X所服从的分布便是几何分布。 显然 例6 一个人要开门，他共有n把钥匙，其中仅有一把是能开此门的，现随机地从中取出一把钥匙来试开门，在试开时每一把钥匙均以1/n的概率被取用，问此人直到第S次试开时方才成功的概率是多少？ 解 A={试开门成功} 几何分布具有如下特征： 如ξ的分布律为g(k;p)，则对任意正整数s、t，有 P(ξs+t︱ξs)= P(ξt) 称几何分布具有“无记忆”性。 下面证明上式。 证明 超几何分布 例7 在一箱N件装的产品中混进了M件次品，今从中抽取n 件 (n≤M) ，求从中查出次品的件数?的概率分布. 解 负二项分布 在“成功”概率是p的贝努利试验中，出现第r次成功时所作的试验次数?所服从的分布称为负二项分布. 由于f(k;r,p)是负指数二项式 展开式中的项，故?所服从的分布称为负二项分布。 由此也可以证明 证明 例8 两个同类型的系统，开始时各有N个备件，一旦出现故障，就要更换一个备件。假定两个系统的运行条件相同，不同时发生故障。试求当一个系统需用备件而发现备件已用光时，另一系统尚有r个备件的概率Ur. (r=0,1, …,N) 解 只考虑出故障的时刻 故障的出现看作是贝努利试验，有 要第一个系统缺备件而第二个系统剩r件，应该是A出现N＋1次（前N次用去所有N个备件，最后一次故障发生时缺乏调换的备件）而A出现N－r次，这事件的概率为： 对于第二个系统先缺备件的情况可同样考虑，因此所求概率Ur为： 定义 设随机变量X的分布函数为F(x)，若存在非负函数f(x)，