离散型随机变量及其分布.pptxVIP

会计学 1 离散型随机变量及其分布 2 则称上式为离散型随机变量X的概率分布，又称分布律。 分布律也可以通过列表表示： 其中第一行表示随机变量所有可能的取值，第二行表示这些取值所对应的概率。 第1页/共29页 3 则该数列可以定义为某离散型随机变量的分布律。 分布律的性质 第2页/共29页 4 例1 如右图所示，从中任取3个球。取到的白球数X是一个随机变量。 X可能取的值是0,1,2。取每个值的概率为 其分布律为 第3页/共29页 5 例2 某射手连续向一目标射击，直到命中为止，已知他每发命中的概率是p，求所需射击发数X的概率函数分布列. 解: 显然，X 可能取的值是1,2,… ， 于是 第4页/共29页 6 类似地，有 这就是求所需射击发数X的分布列. 对于离散型随机变量，如果知道了它的概率函数,也就知道了该随机变量取值的概率规律.下一节，我们将介绍连续型随机变量。 第5页/共29页 7 例3 进行独立重复试验，每次成功的概率为p， 令X表示直到出现第m次成功为止所进行的试验次数，求X的分布律。 解:m=1时, m1时,X的全部取值为:m,m+1,m+2,… P{X=m+1}=P{第m+1次试验时成功并且在前m次试验中成功了m-1次} 第6页/共29页 8 (1) 0 – 1 分布 注 其分布律可写成 0 – 1分布描述，如产品是否合格、人口性别统 计、系统是否正常、电力消耗是否超标等等. 第7页/共29页 9 (2) 二项分布 n 重Bernoulli 试验中, X 是事件A 在 n 次试 验中发生的次数 , P (A) = p ,若 则称 X 服从参数为n, p 的二项分布，记作 0–1 分布是 n = 1 的二项分布 第8页/共29页 10 二项分布的取值情况 分布取得最大值 第9页/共29页 11 第10页/共29页 12 分布取得最大值 第11页/共29页 13 第12页/共29页 14 二项分布中最可能出现次数的定义与推导 第13页/共29页 15 当( n + 1) p  整数时, 在 k = [( n + 1) p ] 处的概率取得最大值 第14页/共29页 16 例4 独立射击5000次, 每次命中率为0.001, 例4 解 (1) k = [( n + 1)p ] = [( 5000+ 1)0.001] =5 求 (1) 最可能命中次数及相应的概率； (2) 命中次数不少于1 次的概率. 第15页/共29页 17 (2) 令X 表示命中次数,则 X ~ B(5000,0.001) ※ 第16页/共29页 18 分析 这是不放回抽样.但由于这批元件的总数很大, 且抽查元件的数量相对于元件的总数来说又很小,因而此抽样可近似当作放回抽样来处理. 例5 第17页/共29页 19 解 第18页/共29页 20 图示概率分布 第19页/共29页 21 (3) Poisson 分布 第20页/共29页 22 例6 设某国每对夫妇的子女数X服从参数为的泊松分布,且知一对夫妇有不超过1个孩子的概率为3e-2.求任选一对夫妇,至少有3个孩子的概率。 解:由题意, 第21页/共29页 23 在某个时段内： 大卖场的顾客数； 某地区拨错号的电话呼唤次数； 市级医院急诊病人数； 某地区发生的交通事故的次数. ① ② ③ ④ ⑤ 一个容器中的细菌数； 一本书一页中的印刷错误数； 一匹布上的疵点个数； ⑥ ⑦ ⑧ 第22页/共29页 24 都可以看作是源源不断出现的随机 质点流 , 若它们满足一定的条件, 则称为 Poisson 流, 在 长为 t 的时间内出现的质 点数 Xt ~ P ( t ) 可见泊松分布的应用是相当广泛的，而且由下面定理可以看到二项分布与泊松分布有着密切的联系。 第23页/共29页 25 第24页/共29页 26 如果利用近似公式 比较两个结果可以看到，近似程度是很高的。 第25页/共29页 27 例8 设一只昆虫所生虫卵数为随机变 量 X , 例7 设各个虫卵是否能发育成幼虫是 相互独立的. 已知X ~ P()，且每个虫卵发育 成幼虫的概率为 p. 求一昆虫所生的虫卵发育成幼虫数 Y 的概率分布. 第26页/共29页 28 解： 昆虫 X 个虫卵 Y 个幼虫 已知 由全概率公式 第27页/共29页 29 第28页/共29页