第二章-第四节.ppt

**2.4常用离散分布1、退化分布若随机变量X只取常数值c，即P{x=c}=1这时分布函数为E(X)=cVar(X)=0也可写成2、二点分布（0—1）分布若以X表示进行一次试验事件A发生的次数，即X只可能取0与1两个值，它的分布列是P{X＝k}＝pk(1一p)1-k，k＝0，1(0p1)，则称X服从(0—1)分布或两点分布，记为b(1，p)。1-pppk01X关于（0—1）分布对于一个随机试验，如果它的样本空间只包含两个元素，即S={w1，w2}，我们总能在S上定义一个服从(0一1)分布的随机变量来描述这个随机试验的结果。例如，对新生婴儿的性别进行登记，检查产品的质量是否合格，某车间的电力消耗是否超过负荷以及“抛硬币”试验等都可以用(0—1)分布的随机变量来描述。(0一1)分布是经常遇到的一种分布。3、二项分布BinomialDistribution定理:在n重贝努里试验中，若事件A发生的概率为p，则事件A恰好发生k次的概率为其中随机变量X为n重贝努里试验中事件A成功的次数。定义:设随机变量X的可能取值为0，1，…，n，并且取这些值的概率分别为则称X服从参数为n，p的二项分布，记为说明：例:从某大学到火车站途中有6个交通岗,假设在各个交通岗是否遇到红灯相互独立,并且遇到红灯的概率都是1/3.(1)设X为汽车行驶途中遇到的红灯数,求X的分布律.(2)求汽车行驶途中至少遇到5次红灯的概率.解:(1)由题意,于是,X的分布律为:二项分布的分布形态若，则固定n和p，当k取何值时，b(k;n,p)取最大值？由于对0p1,因此当k(n+1)p时，b(k;n,p)b(k-1;n,p)当k=(n+1)p时，b(k;n,p)=b(k-1;n,p)当k(n+1)p时，b(k;n,p)b(k-1;n,p)因为(n+1)p不一定是正整数，所以存在正整数m，使得当k=时达到极大值。由此可知，二项分布的分布先是随着k的增大而增大，达到其最大值后再随着k的增大而减少．这个使得达到其最大值的k0称为该二项分布的最可能次数。结论：如果(n+1)p不是整数，则k0=[(n+1)p];如果(n+1)p是整数，则k0=(n+1)p，或k0=(n+1)p-1.由(1)式证明：由(2)式其中[(n+1)p]表示(n+1)p的整数部分。从图中可以看出，对于固定的n及p，当k增加时，b(k;n,p)险随之增加并达到某极大值，以后又下降。此外，当概率p越与1/2接近时，分布越接近对称。若二项分布的数学期望二项分布的方差4、泊松分布PoissonDistribution设随机变量X所有可能取的值为0，1，2，…，而取各个值的概率为其中?0是常数。则称X服从参数为?的泊松分布，记为X～P(?)。易知，P{X=k)≥0，k=0，1，2，…，且有满足离散随机变量分布列的性质。关于泊松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Poisson引入的，近数十年来，泊松分布日益显示其重要性，成了概率论中最重要的几个分布之一。它常与单位时间（或单位面积、单位产品等）上的计数过程相联系。在实际应用中许多随机现象服从泊松分布。这种情况特别集中在两个领域中。一是社会生活，对服务的各种要求：诸如在单位时间内，电话交换台中来到的呼叫数，公共汽车站来到的乘客数等等都近似地服从泊松分布，因此在运筹学及管理科学中普阿松分布占有很突出的地位；另一领域是物理学，放射性分裂落到某区域的质点数，热电子的发射，显微镜下落在某区域中的血球或微生物的数目等等都服从泊松分布。因此泊松分布的应用十分广泛。Poisson分布的数学期望和方差二项分布的poisson近似在很多应用问题中，我们常常这样的贝努利试验，其中，相对地说，n大，p小，而乘积?=np大小适中。在这种情况下，有一个便于使用的近似公式。定理(普阿松)在n重贝努利试验中，以pn代表事件A在试验中出现的概率，它与试验总数n有关，如果当n→∞时，有npn→?，则证明：