(概率统计章节教案第二章(第四节).doc

随机变量及其分布 第四节 常用离散型随机变量的 分布律 一、两点分布 定义 若随机变量的分布律为 , 则称服从参数为的两点分布,或称(0—1)分布. 两点分布描述的随机试验的例子: 一般来说,凡是只有两个可能结果的随机试验,都可用服从两点分布的随机变量来描述.例如,赌博中的输和赢;抽签的中和不中;设备质量的好和坏;舆论调查的赞成和反对等都可以看作(0-1)分布. 服从(0-1)分布的试验叫做贝努利试验。 二、泊松分布 定义 若随机变量的分布律为 ， , 其中, 则称服从参数为的泊松分布， 记作. (用到) 泊松分布的实例: 泊松分布也是一种很有用的数学模型,在实际中有着广泛的应用.例如,在一段时间内,某电话交换台接到的呼叫次数;到达某机场的飞机数;纺织厂生产的布匹上疵点的个数;一批牧草种子中杂草种子的个数;晴朗的夜晚,观察某片天空出现的流星个数等等,这些随机变量都可以认为是服从泊松分布的. 三、超几何分布 设一批产品中有件正品,件次品.从中任意取件,则取到的次品数是一个离散型随机变量,它的概率分布为 , , , 这个分布称为超几何分布. 一般地, 若随机变量的分布律为 , , , 则称随机变量服从超几何分布. 超几何分布在产品的质量检查与控制中有它的应用. 四、二项分布 二项分布来源于重贝努里(Bernoulli)试验,为此,先介绍重贝努里试验. (1) 次相互独立的试验: 把某种试验重复做次.如果每次试验结果出现的概率不依赖于其它各次试验的结果,则称这试验是相互独立的. 例如,有放回抽样次,一枚匀称的硬币连续投掷次; 一颗匀称的骰子连续投掷次等等,都可以作为次相互独立的重复试验. (2) 重贝努里试验: 设试验只有两个可能结果:和.出现的概率记为,出现的概率记为. 将试验独立地重复做次,则称这一串独立地重复试验为重贝努里试验. 贝努里试验是一种非常重要的数学模型，不但理论上有重要意义，而且在实际中有广泛应用。如产品的质量检查，“有放回”抽样是贝努里试验.对无放回抽样，当整批产品的数量相对于抽样个数很大时，也可以近似当作贝努里试验。又如一射手射击目标次；观察某单位的个同型设备在同一时刻是否正常工作等等，都可近似看作重贝努里试验。 （3）分布律 设重贝努里试验中事件 发生的次数为.易知为随机变量,它的所有可能取值为. 事件“事件在重贝努里试验中恰好发生了次”.也就是 发生了次而发生了次. 令“第次试验时发生”, . 则相互独立. , ; , ; 一般地， 对任意正整数()和 , 记 ， 于是 , , (2.6) 显然 , ; , 即式(2.6)满足概率分布的基本性质.所以式(2.6)是随机变量的概率分布. 随机变量的分布律为 , . 名称来源: 由于恰是二项式的展开式中的一般项,所以称概率分布, ,为二项分布. (4)二项分布的定义 如果随机变量的概率分布律为 ,, 则称服从参数为的二项分布, 记作. (5) 二项分布应用举例 例 设一批产品中有件正品,件次品.现进行次有放回的抽样检查,则取到的次品数是一个离散型随机变量,它的概率分布为 , 。 例1 某射手射击一目标,设他每次命中目标的概率均为.现对目标射击5次，求： 目标恰好被击中3次的概率； （2）目标被击中的概率. 解 把射击目标一次看作一次试验, 令“击中目标” ,由题设, 对目标射击5次可以看作5重贝努里试验. 记为5次射击中击中目标的次数,则.于是 (1) 目标恰好被击中3次, ; (2) 目标被击中, . 例 袋中有10件产品,其中6件一级品,4件二级次品,作有放回抽取5次,每次取一件,求:(1)恰取到2件一级品的概率;(2)至少取到4件一级品的概率. 解 设取到一级品,, 记为5次抽取中取到一级品的次数,则.于是 (1) 恰取到2件一级品, ; (2) 至少取到4件一级品, . 例2 设一次试验中事件发生的概率(如果是很小的正数,则称为小概率事件),把试验独立地重复做次,求事件至少发生一次的概率. 解 记为次试验中事件发生的次数,由题设知. 令事件至少发生一次, . 易知, 当时,. 这说明,当充分大时,事件迟早要发生. 从而得出一个重要结论:“小概率事件在大量重复试验中是迟早要发生的”.因此,在试验次数很大的情况下,小概率事件是不容忽视的.这个结论在实际中很有用. “不怕一万，就怕万一”，就是人们对确定事件和不确定的小概率事件的认识，为此提前要作出的思想准备。 (概率论中的这一个结论告诉人们,不能忽视小概率事件,一个看来可能性