第二篇 章 随机变量及其分布.pptVIP

第二章 随机变量及其分布;　　为了揭示随机现象的统计规律性，我们将随机试验的结果与实数对应起来，将随机试验的结果数量化，引入随机变量的概念。 　 在随机现象中，有很大一部分问题与数值发生关系，例如在产品检验问题中，我们关心的是抽样中出现的废品数；在电话问题中关心的是某段时间中的话务量，它与呼叫的次数及各次呼叫占用交换设备的时间长短有关。这些都与数值有关。 有些初看起来与数值无关的随机现象，也常常能联系数值来描述，例如在掷硬币问题中，每次出现的结果为正面或反面，与数值没有关系，但是我们能用下面方法使它与数值联系起来，当出现正面时对应数“1”，而出现反面时对应数“0”，为了计算n次投掷中出现的正面数就只须计算其中“1”出现的次数了。;　　一般地，如果A为某个随机事件，则一定可以通过如下示性函数使它与数值发生联系： 如果A发生 如果A不发生 这些例子中，试验的结果能用一个数x来表示，这个数x是随着试验的结果的不同而变化的，也即它是样本点的一个函数，这种量以后称为随机变量。下面我们就来考虑应当如何给这种量以严格的数学定义。 正如对随机事件一样，我们所关心的不仅是试验会出现的结果，更重要的是要知道这些结果将以怎样的概率出现，也即对随机变量我们不但要知道它取什么数值，而且要知道它取这些数值的概率。;例1：将一枚硬币抛掷3次，我们感兴趣的是三次投掷中，出现H的总次数，而对H,T出现的次序不关心。以X记三次投掷中出现H的总次数，那么对于样本空间Ω={ω}中的每一个样本点ω，X都有一个值与之对应，即有; X取其各个可能值xk(k＝1，2，…)的概率P{X＝xk}＝pk，称为离散型随机变量X的概率函数或概率分布，简称分布律。分布律也可以用表格的形式来表示： ; 两点分布或（0-1）分布; (0-1)分布的分布律也可写成 ; 考虑n重伯努里试验中，事件A恰出现k次的概率。 以X表示n重伯努利试验中事件A发生的次数，X是一个随机变量，我们来求它的分布律。X所有可能取的值为o，1，2，…，n．由于各次试验是相互独立的，故在n次试验中，事件A发生k次的概率为 ;;;从图中可以看出，对于固定的n及p，当k增加时，b(k;n,p)险随之增加并达到某极大值，以后又下降。此外，当概率p越与1/2接近时，分布越接近对称。;固定n和p，当k取何值时，b(k;n,p)取最大值？;例：按规定，某种型号电子元件的使用寿命超过1500小时的为一级品。已知某一大批产品的一级品率为0．2，现在从中随机地抽查20只。问20只元件中恰有k只(k=0，，…，20)为一级品的概率是多少? ;例：某人进行射击，设每次射击的命中率为0.02，独立射击400次，试求至少击中两次的概率。;什么是小概率事件？它有什么实际意义？;例：设有80台同类型设备，各台工作是相互独立的，发生故障的概率都是0．01，且一台设备的故障能由一个人处理。考虑两种配备维修工人的方法，其一是由4人维护，每人负责20台；其二是由3人共同维护80台．试比较这两种方法在设备发生故障时不能及时维修的概率的大小。 ; 按第二种方法．以Y记80台中同一时刻发生故障的台数。此时，Y～b(80，0.01)，故80台中发生故障而不能及时维修的概率为 我们发现，在后一种情况尽管任务重了(每人平均维护约27台)，但工作效率不仅没有降低，反而提高了。;例 保险事业是最早使用概率论的部门之一。保险公司为了估计企业的利润，需要计算各种各样的概率，例如：若一年中某类保险者里面每个人死亡的概率等于0.005，现有10000个这类人参加人寿保险，试求在来来一年中在这些保险者里面，(1)有40个人死亡的概率；(2)死亡人数不超过70个的概率。; 直接计算这些数值相当困难，要有更好的计算方法。可以利用概率论中的极限定理来实现近似计算。关于极限定理后面将讨论。;　 在事件A发生的概率为p的贝努利试验中，若以X=k记A首次出现时的试验次数，即表示试验进行了k次，前k-1次A都没出现。则X为随机变量，它可能取的值为1,2,3…，由独立性可知，X=k的概率为(1-p)k-1p,故X的分布律为： P{X=k}= (1-p)k-1p, k=1,2, … 并称X服从参数为p的几何分布。;几何分布的无记忆性;　 对某批N件产品进行不放回抽样检查，若这批产品中有M件次品，现从整批产品中随机抽出n件产品，则在这n件产品中出现的次品数v是随机变量，它取值0，1，2，…，n，其概率分布为超几何分布。 ; 当N很大而n较小、M很大