《离散型随机变量的概率分布》课件.ppt

* * 2.2 离散型随机变量概率分布 设X是一个离散型随机变量，它可能取的值是 x1, x2 , … . 为了描述随机变量 X ，我们不仅需要知道随机变量X的取值，而且还应知道X取每个值的概率. 这样，我们就掌握了X这个随机变量取值的概率规律. 从中任取3 个球 取到的白球数X是一个随机变量 X可能取的值是0,1,2 取每个值的概率为 例1 且 其中 (k=1,2, …) 满足： k=1,2, … （1） （2） 定义2.2 设xk(k=1,2, …)是离散型随机变量X所取的一切可能值，称 为离散型随机变量X的概率函数或分布律，也称概率分布. 用这两条性质判断 一个函数是否是 概率函数 一、离散型随机变量概率分布的定义 离散型随机变量的分布律常常写为表格形式或矩阵形式： X x1 x2 xn …… …… P p1 p2 …… pn …… 解: 依据概率函数的性质: P(X =k)≥0, a≥0 从中解得 欲使上述函数为概率函数 应有 这里用到了常见的 幂级数展开式 例2. 设随机变量X的概率函数为： k =0,1,2, …, 试确定常数a . 例4. 某射手连续向一目标射击，直到命中为止，已知他每发命中的概率是p，求所需射击发数X 的概率函数. 解: 显然，X 可能取的值是1,2,… ， P(X=1)=P(A1)=p, 为计算 P(X =k )， k = 1,2, …， Ak = {第k发命中}，k =1, 2, …， 设 于是 可见 这就是求所需射击发数X的概率函数. P(X=1)=P(A1)=p, Ak = {第k发命中}，k =1, 2, …， 设 于是 若随机变量X的概率函数如上式，则称X具有几何分布. 不难验证: 例2.3. 一汽车沿一街道行驶，需要通过4个均设有红绿信号灯的路口，每个信号灯为红或绿与其它信号灯为红或绿相互独立，且遇到红灯的概率为p. 以X表示该汽车一路上遇到红灯的个数，Y表示该汽车首次遇到红灯前已通过的路口的个数，求X和Y的概率分布. 解: 依题意, X、Y可取值0, 1, 2, 3, 4. 路口3 路口2 路口1 路口4 X 0 1 2 3 4 P (1-p)4 4p(1-p)3 6p(1-p)2 4p3(1-p) p4 路口3 路口2 路口1 路口4 Y 0 1 2 3 4 P p (1-p)p (1-p)2p (1-p)3p (1-p)4 2.2.2 常见的离散型分布 1. 0-1分布 如果随机变量X只取两个值：0与1，其分布律为 P(X=1)=p, P(X=0)=1-p 例2.4 设有一批产品共100件，其中80件正品，20件次品，现从中随机地抽取1件，定义随机变量如下： 则有P(X=1)=0.8, P(X=0)=0.2, 服从0-1分布。 则称X服从参数为p的0-1分布或者两点分布，记为 X~B(1, p) (0p1) 2. 贝努利概型、二项分布 设试验E只有两个互逆的结果 ， 则称E为贝努利试验。 在相同条件下将试验E重复进行n次，如果各次试验的结果是相互独立的，则称这n次重复的独立试验为n重贝努利试验或贝努利概型。 用X表示n重贝努里试验中事件A发生的次数，则X可能的取值为0,1,…,n,且 （2） 不难验证： （1） 称r.vX服从参数为n和p的二项分布，记作 X~B(n,p) 当n=1时， P(X=k)=pk(1-p)1-k,k=0,1 称X服从两点分布 例2 已知100个产品中有5个次品，现从中 有放回地取3次，每次任取1个，求在所取的3个中恰有2个次品的概率. 解: 因为这是有放回地取3次，因此这3 次试验 的条件完全相同且独立，它是贝努里试验. 依题意，每次试验取到次品的概率为0.05. 设X为所取的3个中的次品数， 于是，所求概率为： 则 X ~ B (3, 0.05)， 注：若将本例中的“有放回”改为”无放回”，那么各次试验条件就不同了，不是贝努里概型，此时，只能用古典概型求解. 例4 某类灯泡使用时数在1000小时以上 的概率是0.2，求三个灯泡在使用1000 小时以后最多只有一个坏了的概率. 解: 设X为三个灯泡在使用1000小时已坏的灯泡数 . X ~ B (3, 0.8)， 把观察一个灯泡的使用 时数看作一次试验, “使用到1000小时已坏” 视为事件A，每次试验, A发生的概率为0.8 P(X 1) =P(X=0)+P(X=1) =(0.2)3+3(0.8)(0.2)2 =0.104 例2.5 设每台自动机床在运行过程中需要维修的概率均为p=0.01，并且个机床是否维修是相互独立的。如果（