几种重要的分布幻灯片课件.pptVIP

第13次课：重要分布Ⅰ;x的分布函数为;例1 某工厂每天用水量保持正常的概率为3/4, 求最近6天内用水量正常的天数的分布.解 设最近6天内用水量保持正常的天数为x, 则x~B(6,0.75), 因此;其分布表如下表所示;例2 10部机器各自独立工作, 因修理调整的原因, 每部机器停车的概率为0.2. 求同时停车数目x的分布.解 x~B(10,0.2), 用贝努里公式计算pk如下表所示;概率分布图如下图所示;所以二项分布的最可能值 ;例3 一批产品的废品率p=0.03, 进行20次重复抽样(每次抽一个, 观察后放回去再抽下一个), 求出现废品的频率为0.1的概率.解 令x表示20次重复抽取中废品出现的次数, x~B(20, 0.03);二项分布的期望和方差如x~B(n,p), 则x可看作n个相互独立的0-1分布的随机变量x1,x2,...,xn之和,x=x1+x2+...+xn而且我们知道0-1分布的期望为p, 方差为pq,因此易得Ex=Ex1+Ex2+...+Exn=npDx=Dx1+Dx2+...+Dxn=npq即;一些例子;例4 某批产品有80%的一等品, 对它们进行重复抽样检验, 共取出4个样品, 求其中一等品数x的最可能值k0, 并用贝努里公式验证.;一般说来, 在n很大时, 不等式; 超几何分布例1. 某班有学生23名, 其中有5名女同学, 今从班上任选4名学生去参观展览, 被选到的女同学数x是一个随机变量, 求x的分布.;概率分布表为;定义: 设N个元素分为两类, 有N1个元素属于第一类, N2个元素属于第二类(N1+N2=N). 从中按不重复抽样取n个, 令x表示这n个中第一(或二)类元素的个数, 则x的分布称为超几何分布. 其概率函数为:;根据概率分布的性质, 必有;和二项分布相比, ;计算超几何分布的数学期望;计算x的方差;因此; 也可以直接用定义来计算Ex和Dx; 计算Dx必须要先计算E{x(x-1)}; 因此; 在实际应用中; 为证明这一点, 首先给出一个近似公式;因此, 如果x服从超几何分布, 则当抽样数n保持不变且远小于样本数N即也小于N1和N2时;例3 一大批种子的发芽率为90%, 今从中任取10粒, 求播种后, (1) 恰有8粒发芽的概率; (2) 不少于8粒发芽的概率.解 设10粒种子中发芽的数目为x. 因10粒种子是由一大批种子中抽取的, 这是一个N很大, n相对于N很小的情况下的超几何分布问题, 可用二项分布近似计算.其中n=10, p=90%, q=10%, k=8; 第14次课:重要分布Ⅱ普哇松分布指数分布Г-分布熟记其数字特征用普哇松分布对二项分布进行近似计算，完成课后作业习题四（14-18）。; 普哇松(Poisson)分布 普哇松分布常见于所谓稠密性的问题中, 如一段时间内, 电话用户对电话台的呼唤次数, 候车的旅客数, 原子放射粒子数, 织机上断头的次数, 以及零件铸造表面上一定大小的面积内砂眼的个数等等.;普哇松分布的数学期望;普哇松分布的方差; 通常在n比较大, p很小时, 用普哇松分布近似代替二项分布的公式, 其中l=np. 普哇松分布的方便之处在于有现成的分布表可查(见附表1) 例1 x服从普哇松分布, Ex=5, 查表求P(x=2), P(x=5), P(x=20);例2 一大批产品的废品率为p=0.015, 求任取一箱(有100个产品), 求箱中恰有一个废品的概率.解： 所取一箱中的废品个数x服从超几何分布, 由于产品数量N很大, 可按二项分布公式计算, 其中n=100, p=0.015.;例3 检查了100个零件上的疵点数, 结果如下表:; 计算出来的图表如下所示:; 指数分布定义 如随机变量x的概率密度为; 指数分布的分布函数;对任何实数a,b(0?ab), 有;例1 某元件寿命x服从参数为l(l-1=1000小时)的指数分布, 3个这样的元件使用1000小时后, 都没有损坏的概率是多少?解 参数为l的指数分布的分布函数为; G-分布; G-函数的一个重要性质是G(r+1)=rG(r), ; G-分布的数学期望; G-分布的方差;当r=1时, ;当r=n/2(n是正整数), l=1/2时, ;定理：如果x1,x2,...,xn相互独立, 且xi~G(l,ri), (i=1,2,...,n),则 x1+x2+...+xn~G(l, r1+r2+...+rn);第15