茆诗松概率论与数理统计教程课件第二章(4).pptVIP

第四节 常用离散分布 1. 二项分布 2. 泊松分布 3. 超几何分布 4. 几何分布和负二项分布 本章前几节介绍了随机变量及概率分布的基本概念. 随机变量有千千万万个, 相应的概率分布也很多, 但在实际研究中得到广泛应用的并不多. 1. 二项分布(Binomial Distribution) 实际应用中二项分布的一些例子: 连续抛硬币100次, 统计总共出现的正面的次数, 次数X~B(100, 1/2); 检查10个产品, 10个产品中不合格品的个数X~B(10,p), 其中p为不合格品率; 调查50枚种蛋的出雏数, 出雏数X~B(50,p),其中p为出雏率; 一个命中率为80%的射击队员在连续10次射击中总共命中的次数X~B(10, 0.8); n尾鱼苗的成活数X~B(n,p), p为鱼苗成活率. 例一，有一批玉米种子，出苗率为0.67。现任取6粒种子种1穴中，问这穴至少有1粒种子出苗的概率是多少？ 例二，设有80台同类型设备, 各台工作是相互独立的, 发生故障的概率都是0.01, 且一台设备的故障只能由一个人处理. 考虑两种配备维修工人的方法, 其一是由4人维护, 每人负责20台; 其二是3人共同维护80台. 试比较这两种方法在设备发生故障时不能及时维修的概率的大小. 2. 泊松分布(Poisson Distribution) 实际应用中泊松分布的一些例子: 在单位时间里星空出现的流星数; 某一地区一个时间间隔内发生的交通事故的次数; 某地区在一天内邮递遗失的信件数; 每升饮用水中的大肠杆菌数; 一平方米内玻璃上的气泡数. 例三，显微镜下观察一种悬浮液中的某种颗粒，据前人报告，平均每张样片可以观察到3个微粒，问在一次观察中看到3个微粒的概率是多大？少于3个微粒的概率是多少？ 例四，某商店出售某种商品, 由历史销售记录分析表明, 月销售量(件)服从参数为8的泊松分布. 问在月初进货时, 需要多少库存量, 才能有90%的把握可以满足顾客的需求. 由下表可以看出泊松公式的近似程度. 例五，已知某种疾病的发病率为0.001, 某单位共有5000人, 问该单位患有这种疾病的人数不超过5人的概率有多大? 例六(选讲)，已知某种昆虫的产卵数X服从泊松分布P(λ), 而每个卵能孵化成幼虫的概率为p, 且各卵的孵化是相互独立的, 试求该昆虫能育成的幼虫数Y所服从的概率分布. 3. 超几何分布(Hypergeometric Distribution) 例七(选讲)，用某仪器检验电子元件, 若元件是正品, 经检验也是正品的概率为0.99; 若元件是次品, 经检验也是次品的概率为0.95. 当某批元件出厂时, 只随机抽检两只, 若两只皆检验为正品, 则可出厂. 现送来50只元件, 其中有4只次品, 求这50只元件能出厂的概率. 4. 几何分布与负二项分布(Geometric Distribution and Negative Binomial Distribution) 实际应用中几何分布的一些例子: 要招聘一名o型血的人做科学实验, o型血的比率为0.4, 则首次找到o型血的人时面试的人数X~Ge(0.4); 某产品的不合格率为0.05, 则首次查到不合格品时的检查次数Y~Ge(0.05); 某射手的命中率是0.8, 则首次击中目标时的射击次数Z~Ge(0.8). 例八，一电视台将送出演唱会门票给第8个打电话进来并且答对演唱者生日的听众, 每个打电话进来的人答对的概率为0.65, 且相互独立. 若N代表送出门票所需接听的电话数. (1) 求分布列p(N=n); (2)求在第10个电话送出门票的概率. §2.4 作业 教材第104页 习题 2, 5, 7,8 泊松近似公式: 显然, 当n越大, p越小时, 近似程度就越好. 超几何分布在产品的抽样检验中起着重要作用. 设有N个产品, 其中M个为次品. 若从中非放回地取n个, 则其中含有的次品数X服从超几何分布, 记为 超几何分布的适用情形. 超几何分布变量的概率分布列. 超几何分布变量的数学期望和方差. 目的最终还是凑另一个超几何分布列,以消去求和号 一个类似的, 更为繁琐的证明步骤可以得出 超几何分布的二项近似 首先,我们仔细看一下, 在此抽样问题中, 放回式抽样与非放回式抽样的区别: 进行一系列的伯努利试验, 每次试验”成功”的概率为p, 则首次出现”成功”时共进行的试验次数X称为几何分布的变量, 记为 几何分布的适用情形. 容易推出几何分布变量X的概率分布列为 几何分布的数学期望和方差. 在进行一系列的伯努利试验时, 如果记第r次”成功” 出现时共进行的试验次数为X, 则X是服从负二项分布的变量, 记为 负二项分布的适用情形. 负二项分布是几何