概率论与随机过程2.2.pptVIP

普通性: 如果时间区间充分小，事件出现两次或两次以上的概率可忽略不计. 因此：泊松分布在管理科学、运筹学以及自然科学的某些问题中都占有重要的地位 . 例1 有300台机器，工作相互独立。发生故障概率为0.01，通常，一台机器的故障可由一人来修理（一人修一台），问至少需要多少工人，才能保证当设备发生故障但不能及时修理的概率小于0.01。 解：设需要配备修理工人数为N个，设备同时发生故障的台数为X台，由题知求最小的N为多少，即使 P{XN}0.01. (P(X ≤ N)=0.99) 因为X~b(300 , 0.01)，由于n很大，p很小,故用泊松分布近似 查表可得: (0.9962 p. 383) N=8（最小的）。 例2 在上例中，由一个人负责维修20台设备。 （1）求设备发生故障，而不能及时修理的概率； （2）又若由三个人共同负责维修80台，求设备及时修理的概率。 解：（1）设X为发生故障的机器数,X~b(20，0.01) X取值为0,1,2,…,20. 因为一人只能修一台机器，故所求概率为： （2）设X为发生故障的机器数，X~b(80，0.01) X取值：0，1，2，…，80。 结论：（1）（2），说明尽管情况2任务重了（一个人修27台），但工作质量提高了，也说明，概率方法可用来讨论国民经济中某些问题，以使达到更有效地使用人力、物力、资源的目的，这是运筹学的任务，概率论是解决运筹学问题的有力工具。 例5 在保险公司里有2500辆车参加抢盗保险，设在一年里一辆车被抢盗的概率为0.002，每辆参加保险的车在一月一日付12元保险费，而被抢盗时车主可由保险公司领2000元。（1）求公司亏本的概率（2）求获利不小于10000元的概率。 解；（1）公司一年总收入2500*12=30000， X：一年中被抢盗的车数。 X~b(2500 , 0.002),要2000X30000 (2) （ⅰ）超几何分布 设一堆同类产品共N件，其中有M个次品，现从中任取n个(为方便计算。假定n≤N-M)，则这n个中所含的次品数X是个离散型随机变量，X的分布律为 其中l=min(M，n) ,这个概率分布称为超几何分布。 三、其它常见的分布 (ⅱ)几何分布 在独立重复试验中，设A在每次试验中发生的概率均为p，记X为A首次发生时的试验次数。 则不难验证，X具有如下分布律　 这个概率分布称为几何分布。 （ⅲ）巴斯卡分布 在独立重复试验中，若记X为A在第r次发生时的 试验次数,则X的分布律为 这个分布称为巴斯卡分布。 分布函数 离散型r.v.的 分布律 连续型r.v.的 分布密度 分布函数 的性质 分布律 与分布函数 的关系 概率密度 与分布函数 的关系 * 要把握一个离散型随机变量就是要知道它的全部可能的取值以及它取每个值的概率，即它的分布律。 * 由此可见对于离散型随机变量X，我们可用分布律描述其分布，亦可用分布函数描述其分布。因为对离散型随机变量X而言，用分布律这种描述方法比分布函数要简单方便、直观，所以在实际使用中，常用分布律描述其分布。 * * 注释： 泊松定理指明了以n，p(np=λ)为参数的二项分布，当n→∞时趋于以λ为参数的泊松分布，因此泊松分布可看成二项分布的极限分布。同时，这一事实也显示泊松分布在理论上的重要性。 * 人多浪费，人少影响生产 * 工作量减小了，但不能及时修理的概率比0.01大，不好，因此按（2）安排工作。 * 工作量增大了，但工作效率提高了。 * 乐于开展某次保险业务。 2.2 离散型随机变量及其分布律 通常分为两类： 如“取到次品的个数”， “收到的呼叫数”等. 随机变量 离散型随机变量 连续型随机变量 所有取值可以逐个 一一列举 如，“电视机的寿命”，实际中常遇到的“测量误差”等. 全部可能取值不仅 无穷多，而且还不能 一一列举，而是充满 一个区间. 这两种类型的随机变量因为都是随机变量，自然有很多相同或相似之处；但因其取值方式不同，又有其各自的特点. 随机变量 连续型随机变量 离散型随机变量 1．离散型随机变量 定义 设X为一随机变量，如X的全部可能取到的值是有限个或可列无限多个，则称随机变量X为离散型随机变量。 定义 设X为离散型随机变量，X的所有可能取的值为 xk (k=1, 2…)，记 X 取 xk 的概率为  P{X=xk}=pk (k=1, 2, …)，则称下面一组等式 P{X=xk}=pk (k=1，2，…)为X的分布律