§2.2 离散型随机变量及其概率分布(下).pdf

§2.2 离散型随机变量及其概率分布 三七种常见的离散型分布(下) 超几何分布；泊松分布。 6 超几何分布 古典概型中的第二种模型：袋中有N个球，其中m个红 球，其余均为黑球。从袋中一次取n个球，则其中有k 个红球的超几何概率为 Ck Cnk p k m N m , k 0,1, 2, ,m . Cn N 注意到k不能超过min{n, m}，当ij 时，规定Ci 0, 则 j 由比较(1+x)m(1+x)N-m= (1+x)N两端展开式中xn 的系数， n n 有Ck Cnk Cn , 于是p k 1。 m N m N k 0 k 0 从而可由数列{p k}定义一个离散型随机变量的分布。 定义2.8 设N, m, n均为正整数，且mN, nN ，若随机 变量X 有如下概率分布： Ck Cnk p k P X k  m N m , k 0,1, 2, ,n . Cn N 则称X 服从超几何分布。记作X~H(n; m, N) ，其中 n, m, N为参数。 【评】若X表示古典概型下第二种模型中取到的红球数， 则X~H(n; m, N) 。 【议】服从二项分布和超几何分布的随机变量还都可用 摸球模型表示。一袋中若有N个球，其中m个红球，其 余均为黑球。从袋中取球n次，每次一球。设X表示 “取得的红球数” 。则 有放回抽取时，X~B(n, m/N) 。 不放回抽取时，X~H(n; m, N) 。 【评】依次抽取n球与“一把抓n球”概率同。 当袋中球数N很大时，有放回抽取与不放回抽取得到 k个红球的概率很接近。事实上可以证明，当N很大时， Ck Cnk k k nk m m N m C p p k n p n  n (1  ) , 0,1,2, , . 其中 . C N N 【评】当N很大时，不放回抽样可视为有放回抽样。 7 泊松分布 在引入泊松分布之前，先看一个引例。 例1 在保险公司里有2500名同一年龄和同社会阶层的 人参加了人寿保险，据生命表这类人在一年内每个人 死亡的概率为0.002，每个参加保险的人在1月1 日须交 1200元保险费，而在死亡时家属可以从保险公司领取 200 000元赔偿金。(不考虑利息和管理费等) 求: (1)保险公司亏本的概率； (2)保险公司获利不少于1 000 000元。 【解】以“年”为单位来考虑，在一年的1月1 日保险公司 的总收入为25001200=3 000 000元，设一年中死亡的 人数为X ，则X~B(2500, 0.002)，故保险公司在这一年 中要付出200 000X 元赔偿金，则 (1){保险公司亏本}={200 000X3 000 000}={X15}，