第二节离散型随机变量及其分布.docVIP

PAGE PAGE 7 第二节离散型随机变量及其分布 如果随机变量所有可能的取值为有限个或可列无穷多个，则称这种随机变量为离散型随机变量. 容易知道，要掌握一个离散型随机变量X的统计规律，必须且只须知道X的所有可能取的值以及取每一个可能值的概率. 设离散型随机变量X所有可能的取值为xk(k=1,2,…),X取各个可能值的概率,即事件{X=xk}的概率 P{X=xk}=pk, k=1,2,… （2.2） 我们称（2.2）式为离散型随机变量X的概率分布或分布律.分布律也常用表格来表示（表2-1）： 表2-1 X x1 x2 x3 … xk … pk p1 p2 p3 … pk … 由概率的性质容易推得，任一离散型随机变量的分布律{pk}，都具有下述两个基本性质： 1°pk≥0，k=1,2,…； （2.3） 2°. （2.4） 反过来，任意一个具有以上两个性质的数列{Pk}，一定可以作为某一个离散型随机变量的分布律. 为了直观地表达分布律，我们还可以作类似图2-1的分布律图. 图2-1 图2-1中xi处垂直于x轴的线段高度为pi，它表示X取xi的概率值. 例2.1 设一汽车在开往目的地的道路上需通过4盏信号灯，每盏灯以0.6的概率允许汽车通过，以0.4的概率禁止汽车通过（设各盏信号灯的工作相互独立）.以X表示汽车首次停下时已经通过的信号灯盏数，求X的分布律. 解 以p表示每盏灯禁止汽车通过的概率，显然X的可能取值为0，1，2，3，4，易知X的分布律为 表2-2 X 0 1 2 3 4 pk P （1-p）p （1-p）2 p p（1-p）3 p （1-p）4 或写成P{X=k}=（1-p）kp，k=0，1，2，3. P{X=4}=（1-p）4. 将p=0.4,1-p=0.6代入上式，所得结果如表2-3所示. 表2-3 X 0 1 2 3 4 pk 0.4 0.24 0.144 0.0864 0.1296 下面介绍几种常见的离散型随机变量的概率分布： （1）两点分布 若随机变量X只可能取x1与x2两值，它的分布律是 P{X=x1}=1-p（0＜p＜1）， P{X=x2}=p， 则称X服从参数为p的两点分布. 特别，当x1=0，x2=1时两点分布也叫（0-1）分布，记作X~（0-1）分布.写成分布律表形式见表2-4. 表2-4 X 0 1 pk 1-p p 对于一个随机试验，若它的样本空间只包含两个元素，即Ω={e1，e2}，我们总能在Ω上定义一个服从（0-1）分布的随机变量 用它来描述这个试验结果.因此，两点分布可以作为描述试验只包含两个基本事件的数学模型.如，在打靶中“命中”与“不中”的概率分布；产品抽验中“合格品”与“不合格品”的概率分布等等.总之，一个随机试验如果我们只关心某事件A出现与否，则可用一个服从（0-1）分布的随机变量来描述. （2）二项分布 若随机变量X的分布律为 P{X=k}=pk(1-p)n-k, k=0,1,…,n， (2.5) 则称X服从参数为n，p的二项分布（Binomial distribution）,记作X~b(n,p). 易知（2.5）满足（2.3）、(2.4)两式.事实上，P（X=k）≥0是显然的；再由二项展开式知 =1. 我们知道，P{X=k}=恰好是[p+(1-p)]n二项展开式中出现pk的那一项，这就是二项分布名称的由来. 回忆n重贝努里试验中事件A出现k次的概率计算公式 Pn(k)=pk(1-p)n-k, k=0,1,…,n, 可知，若X~b(n,p)，X就可以用来表示n重贝努里试验中事件A出现的次数.因此，二项分布可以作为描述n重贝努里试验中事件A出现次数的数学模型.比如，射手射击n次中，“中的”次数的概率分布；随机抛掷硬币n次，落地时出现“正面”次数的概率分布；从一批足够多的产品中任意抽取n件，其中“废品”件数的概率分布等等. 不难看出，（0-1）分布就是二项分布在n=1时的特殊情形，故（0-1）分布的分布律也可写成 P{X=k}=p