离散型随机变量及其分布中职数学拓展模块34课件1语文版.pptVIP

. . ~ π ( ) P( ). r v ? ? ? 或 1 、设随机变量 ξ 所有取的值为 0,1,2,…, 而取各个 值的概率为 , , 2 , 1 , 0 , ! e } { ? ? ? ? ? k k k P k ? ? ? 其中 是常数，则称 ξ 服从参数为 的 泊松 分布 ，记为 0 ? ? ? 利用级数 ，易知 x k k e k x ? ? ? ? 0 ! . 1 ! e 0 ? ? ? ? ? k k k ? ? 三、泊松（ poisson ）分布 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 . 近数十年来，泊松分布日益显示其重 要性 , 成为概率论中最重要的几个分布之 一 . 在实际中，许多随机现象服从或近似 服从泊松分布 . ? 二十世纪初罗瑟福和盖克两位科学家在 观察与分析放射性物质放出的 粒子个数 的情况时 , 他们做了 2608 次观察 ( 每次时 间为 7.5 秒 ) 发现放射性物质在规 定的一段时间内 , 其放射的粒子 数 X 服从泊松分布 . 一段时间或一定空间内事件出现次数往往服从 于 Poisson 分布，如： 一天中某车间机器出故障的次数等 . 某书上某一页的印刷错误数； 一段时间内某网站被访问的次数； 一段时间内候车室中旅客数目； 一段时间内到电信局交电话费的人数； 某块布上的暇点数； 实际计算时，可查 Poisson 分布表 . 例 6 已知 ξ 服从 Possion 分布， 且 ， 求 } 2 { } 1 { ? ? ? ? ? P P }. 4 { ? ? P 解 需要确定参数 ? } 2 { } 1 { ? ? ? ? ? P P ? ? ? ? ? ? ? e ! 2 e ! 1 2 即 2 0 ? ? ? ? ，可求出 由于 } 4 { ? ? P 故 0.0902 ? 2 e 3 2 ? ? 2 4 e ! 4 2 ? ? 2 、 Possion 分布与二项分布的关系 定理 2 (possion 定理 ) 设 ，当 n 较大， p 较小时，可以用 possion 分布近似代替二项分布，即 ) , ( ~ . . p n B v r ? ) ( ~ . . ? ? ? v r ，其中 . np ? ? 注 一般当 时，用 Poisson 分布近似二项分布的 效果较好 . 5 np ? . , 200 , 02 . 0 , 率 试求至少击中两次的概 次 独立射击 设每次射击的命中率为 某人进行射击 解 , ? 设击中的次数为 ). 02 . 0 , 200 ( ~ B ? 则 的分布律为 ? , ) 98 . 0 ( ) 02 . 0 ( } { 200 200 k k k C k P ? ? ? ? . 200 , , 1 , 0 ? ? k 因此 } 1 { } 0 { 1 } 2 { ? ? ? ? ? ? ? ? ? P P P 200 199 1 (0.98) 200(0.02)(0.98) ? ? ? 例 7 可近似认为 . 4 02 . 0 200 ) ( ~ ? ? ? ? ? ? ? ， 0.9084. ? } 2 { ? ? P 则由查表得： 设 N 个元素分为两类，有 M 个属于第一类， N-M 个属于第二类。从中不重复抽取 n 个，用 ξ 表 示取到第一类元素的个数，则 ? ? ) , , 2 , 1 , 0 ( n k C C C k P n N k n M N k M ? ? ? ? ? ? ? 超几何分布 . 这里 M ≤ N , n ≤ N , n , N , M 为自然数 ， 则称 ξ 服从 四、 超几何分布 第三节 数字特征 一、离散型随机变量的数学期望 ? ? ? ? ? ? ? ? ? ? ? ? n n p p p x x x 2 1 2 1 具有分布列 设离散随机变量 ? 定 义 ( ) k k k k k k k k k k k k x p x p E E x p x P x ? ? ? ? ? ? ? ? 则当 绝对收敛时，称 为随机变量 的数学期望，也称为均值，记作 ，即有 ＝ ＝ ＝ x O ? 假设 . 98 . 1 98 . 0 2 02 . 0 1 ? ? ? ? ? ? E ? 1 ? 2 ? ? ?