离散型随机变量及其概率分布演示文稿.pptVIP

解： 三、几种常见离散型随机变量的概率分布 当前第31页\共有52页\编于星期三\7点 注意：P(X=4)最大。 三、几种常见离散型随机变量的概率分布 当前第32页\共有52页\编于星期三\7点 一般地，若在k0处，概率P{X=k}达到最大（称k0为随机变量X的最可能值），则k0应满足 解上述不等式得(n+1)p-1≤ k0 ≤ (n+1)p 。因为k0必须为整 数，所以 当(n+1)p为整数， 其它， 本例中，n=20，p=0.2, 所以，(n+1)p=4.2, 故k0=4。 三、几种常见离散型随机变量的概率分布 当前第33页\共有52页\编于星期三\7点 三、几种常见离散型随机变量的概率分布 二项分布与两点分布的关系 二项分布 两点分布 1、 2、 当前第34页\共有52页\编于星期三\7点 三、几种常见离散型随机变量的概率分布 当前第35页\共有52页\编于星期三\7点 三、几种常见离散型随机变量的概率分布 练习4 某人进行射击，设每次击中的概率为0.02，独立射击400次，求至少击中两次的概率是多少？ 解：这是一个独立重复试验概型，设击中的次数为 X，则它服从参数为n=400，p=0.02的二项分布，即X～B(400，0.02)，其概率分布为 当前第36页\共有52页\编于星期三\7点 三、几种常见离散型随机变量的概率分布 4、泊松分布 泊松分布是1837年法国数学家泊松（Poisson）作为二项分布的近似计算机引入的。近年来日益显示其重要性，即它不仅是二项分面的泊松近似，它本身就是一种重要的分布。 若随机变量X全部可能取值为一切非负整数，且 当前第37页\共有52页\编于星期三\7点 三、几种常见离散型随机变量的概率分布 泊松分布的背景及应用 　　二十世纪初卢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. 在生物学、医学、工业统计、保险科学及 公用事业的排队等问题中 , 泊松分布是常见的. 例如地震、火山爆发、特大洪水、交换台的电 话呼唤次数等, 都服从泊松分布. 当前第38页\共有52页\编于星期三\7点 , 则对固定的 k，有 设 Possion定理: Poisson定理说明，若X ~ b( n, p), 当n很大p很小时， 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 . 二项分布与泊松分布的关系 三、几种常见离散型随机变量的概率分布 二项分布 泊松分布 当前第39页\共有52页\编于星期三\7点 三、几种常见离散型随机变量的概率分布 在本节练习3中，如果射手命中率是0.01，连续射击400次，击中至少两次的概率为 由于n=400较大，p=0.01较小，因此可用泊松分布近似计算，即 于是 当前第40页\共有52页\编于星期三\7点 三、几种常见离散型随机变量的概率分布 例8 某商店出售某种贵重商品，根据以往经验，每月销售量 X 服从参数λ=3 的泊松分布，问在月初进货时要库存多少件此商品，才能以99％的概率充分满足顾客的需要？ 解：设月初库存k件，则 即 查表，得 k+1=9，即 k=8. 当前第41页\共有52页\编于星期三\7点 练习5 独立射击5000次, 命中率为0.001, 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； 命中次数不少于1 次的概率. (至少命中1次的概率) 三、几种常见离散型随机变量的概率分布 当前第42页\共有52页\编于星期三\7点 (2) 令X 表示命中次数, 则 X ~ B(5000, 0.001) 三、几种常见离散型随机变量的概率分布 当前第43页\共有52页\编于星期三\7点 解 令X 表示命中次数, 则 令 此结果与用二项分布算得的结果0.9934仅相差万分之一. 利用Poisson定理再求练习4 X ~ B( 5000, 0.001 ) 三、几种常见离散型随机变量的概率分布 小概率事件虽不易发生，但重复次数多了， 就成大概率事件. 启示 当前第44页\共有52页\编于星期三\7点 三、几种常见离散型随机变量的概率分布 5、超几何分布 在抽样理论中 (1) 有放回抽取，抽取的次品数服从二项分布 （参数n为抽取数，p是次品率）. (2) 无放回抽取，抽得的次品数服从超几何分布 （N为产品总数