概率论与数理统计224泊松分布.pptVIP

§ 2.2.4 泊松分布 一、泊松分布 二、泊松定理 一、泊松分布 如果随机变量 X 的概率分布为 : P ( X ? k ) ? 其中 ? 0, 则称随机变量 X ) 服从泊松分布 . 表示为 : X ? e k ? ? k ! ( k ? 0 , 1 , 2 ,.. . ) ? ( ? ) 或 X P ( ? ) Poisson Distribution 说明： 泊松分布主要用来描述大量试验中稀有事件 出现次数 的概率。 例： a. 某天医院看急诊的人数； b. 某路口一天的交通事故数 c. 某本书中的 印刷 错误数； d. 放射性物质放射的粒子数 例 1 一电话总机每分钟收到呼唤的次数服从参数为 4 的泊松分布，求 (1) 某一分钟恰有 8 次呼唤的概率； (2) 某一分钟的呼唤次数大于 3 的概率 . ? ? ? 解 由 X ~ ? ( ? ) ， P { X ? k } ? e , k ! X ~ ? ( 4 ) ， ( 1 ) P { X ? 8 } ? 4 e ? 4 ? 0.0298. 8 k k ? 0 , 1 , 2 , ? , ( 2 ) P { X ? 3 } ? P { X ? 4 } ? P { X ? 5 } ? P { X ? 6 } ? ? ? 1 ? P { X ? 3 } 8 ! ? 1 ? P { X ? 0 } ? P { X ? 1 } ? P { X 3 ? 2 } ? P { X ? 3 } 2 0 4 4 ? 4 ? e ? 4 4 ? 4 ? 4 e ? 4 ? 0.5665. ? e ? 1 ? e 1 ! 3 ! 2 ! 0 ! 例 2 计算机硬件公司制造某种特殊型号的微型芯片，次品率 次品率达 0.1%, 各芯片成为次品相互独立 . 求在 1000 只产品中 至少有 2 只次品的概率 . 以 X 记产品中的次品数， X~b(1000,0.001) ,X=0,1,2,...1000. 解 X ~ b ( n , p ) ， p { X ? k } ? C p ( 1 ? p ) 所求概率为 k n k n ? k ， k ? 0 , 1 , 2 ? , n P { X ? 2 } ? 1 ? P { X ? 0 } ? P { X ? 1 } ? 1 ? ( 0 . 999 ) 1000 ? C 1 1000 ( 0 . 999 ) ( 0 . 001 ) 999 ? 1 ? 0 . 3676954 ? 0 . 3680635 ? 0 . 2642411 二、二项分布的泊松近似 ( 泊松定理 ) 当试验次数 n 很大时，计算二项分布很麻烦，必须寻求近似方法 离散型随机变量 X n ??? b ( n , p ). 又设 np ? ? ( ? ? 0 ), 则有 ? lim C p ( 1 ? p ) k n k n ? k ? e k ? ? k ! 即当 n 很大且 p 很小时，可用泊松分布近似计算二项分布 . C p (1 ? p ) k n k n ? k ( np ) e ? k ! k ? np 实际计算时 , n ? 100 , np ? 10 时近似效果比较好 . 例 2 计算机硬件公司制造某种特殊型号的微型芯片，次品率 次品率达 0.1%, 各芯片成为次品相互独立 . 求在 1000 只产品中 至少有 2 只次品的概率 . 以 X 记产品中的次品数， X~b(1000,0.001) 解 P { X ? 2 } ? 1 ? P { X ? 0 } ? P { X ? 1 } ? 1 ? ( 0 . 999 ) 1000 ? C 1 1000 ( 0 . 999 ) ( 0 . 001 ) 999 利用泊松近似计算得： ? ? np ? 1000 ? 0 . 001 ? 1 ， 2 1 1 ? 1 ? 1 P { X ? 2 } ? 1 ? e ? e ? 1 ? e 0! 1 ! 0 1 显然利用近似计算来得方便 . n ??? lim C p (1 ? p ) k n k n ? k ? ? e k ? ? k ! ( 其中 ? = np ) 证明 : 由 np ? ? , 有 p ? C p ( 1 ? p ) k n k n ? k ? n k n ? k n ( n ? 1 )( n ? 2 )...( n ? k ? 1 ) ? ? ? ? ? ? ? 1 ? ? ? ? ? k !