叶宏应用概率统第2章.pptVIP

应用概率统计 主讲教师 叶宏 山东大学数学院 P42.10 2.3 二项分布 n重Bernoulli试验中事件 A 出现的次数记为X. 且 伯努利概型 每次试验的结果互不影响—— 称为这 n 次试验是相互独立的 试验可重复 n 次 每次试验只有两个可能的结果： n 重伯努利 (Bernoulli)试验： 二项分布 二项分布 n 重Bernoulli 试验中, X 是事件A 在 n 次试 验中发生的次数 , P (A) = p ,若 则称 X 服从参数为n, p 的二项分布，记作 0–1 分布是 n = 1 的二项分布 两点分布（0 – 1 分布） 是否超标等等. 凡试验只有两个结果, 常用0 – 1 分布描述, 如产品是否合格、人 口性别统计、系统是否正常、电力消耗 X 0 1 Pk 1 - p p 0 p 1 应用 场合 或 二项分布的取值情况 设 .039 .156 .273 .273 .179 .068 .017 .0024 .0000 0 1 2 3 4 5 6 7 8 0.273? 由图表可见 , 当 时， 分布取得最大值 此时的 称为最可能成功次数 x P ? 0 ? 1 ? 2 ? 3 ? 4 ? 5 ? 6 ? 7 ? 8 设 .01 .06 .14 .21 .22 .18 .11 .06 .02 .01 .002 .001 0 1 2 3 4 5 6 7 8 9 10 11 ~ 20 ? ? x P ? ? ? ? ? 1 ? 3 ? 5 ? 7 ? 9 ? ? ? ? 0 ? 2 ? 4 ? 6 ? 8 ? 10 ? 20 由图表可见 , 当 时， 分布取得最大值 0.22 ? 二项分布中最可能出现次数 [x] 表示不超过 x 的最大整数 当( n + 1) p = 整数时,在 k = ( n + 1) p与 ( n + 1) p – 1 处的概率取得最大值 当( n + 1) p ? 整数时, 在 k = [( n + 1) p ]处的概率取得最大值 P32 例3 (1) k = ( n + 1)p = ( 99+ 1)0.05=5 令X 表示使用外线的人数,则 X ~ B(99,0.05) P30 例1 产品100件, 废品率为0.05, (2) 最少一件废品的概率. 求 (1) 最多一件废品的概率； 令X 表示废品数,则 X ~ B(100, 0.05) 问题 如何计算 泊松近似 2.4 泊松分布 若 其中 是常数，则称 X 服从参数为 的泊松(Poisson)分布. 或 记作 应用场合 在某个时段内： 某地区拨错号的电话呼唤次数； 市级医院急诊病人数； 某地区发生的交通事故的次数. 一本书一页中的印刷错误数. 泊松分布的图形特点： 泊松分布中最可能出现次数 当λ= 整数时,在λ与λ– 1 处的概率取得最大值 当λ? 整数时, 在 [λ]处的概率取得最大值 二项分布的泊松近似 当试验次数n很大时，计算二项概率变得很麻烦，必须寻求近似方法. 我们先来介绍二项分布的泊松近似，后面我们将介绍二项分布的正态近似. 历史上，泊松分布是作为二项分布的近似，于1837年由法国数学家泊松引入的. , 则对固定的 k 设 Possion定理 若X ~ B( n, p), 则当n 较大，p 较小, 则 结论 二项分布的极限分布是 Poisson 分布 n 20, n p 5时近似效果较好 证 记 查附表2泊松分布表 利用Poisson定理再求P30例1 泊松近似 (2) 最少一件废品的概率. 令X 表示废品数,则 X ~ B(100, 0.05) P34 例1 查附表2泊松分布表 泊松近似 令X 表示废品数,则 X ~ B(1000, 0.005) 解 设需要配备 N 个维修工人, 设 X 为同时发生故障的设备台数， 则 X ~ B( 100, 0.01) 设同类型设备100台，每台工作相互独立， 每台设备发生故障的概率都是 0.01. 一台设 备发生故障可由一个人维修. 问至少要配备 多少维修工人，才能保证当设备发生故障时