离散型随机变量的分布列、期望与方差(课件).pptVIP

离散型随机变量的分布列、期望与方差本节课我们将深入探讨离散型随机变量的概念，了解如何用分布列来描述随机变量的概率分布，并学习如何计算期望和方差。

概念回顾随机现象结果不确定的现象，例如抛硬币的结果。样本空间随机现象所有可能结果的集合，例如抛硬币的样本空间为{正面，反面}。事件样本空间的子集，例如抛硬币出现正面的事件为{正面}。

随机变量定义随机变量是一个数值变量，其值取决于随机事件的结果。分类随机变量可分为离散型和连续型两种。

离散型随机变量有限个值离散型随机变量的值只能取有限个值或可数个值。可数个值这些值可以是整数或其他可计数的数值。

分布列1定义离散型随机变量的分布列是指随机变量取值的概率分布。2内容分布列中包含每个取值的概率，且所有概率之和为1。3作用分布列可以帮助我们了解离散型随机变量的概率分布，从而预测未来事件发生的可能性。

分布列的性质所有概率之和为1概率非负，且在0和1之间随机变量的取值是离散的

分布列的图形表示分布列可以用图形直观地表示，例如直方图或条形图。直方图的横轴表示随机变量的值，纵轴表示每个值的概率。条形图的横轴表示随机变量的值，纵轴表示每个值的频率。

期望计算方法期望是指随机变量取值的平均值，用数学符号E(X)表示。平均值期望值反映了随机变量的中心位置，可以用来估计随机变量取值的平均水平。重要性期望值在概率论和统计学中非常重要，它可以用来分析随机变量的性质和预测其未来的取值。

期望的性质线性性质E(aX+b)=aE(X)+b期望的加法性质E(X+Y)=E(X)+E(Y)

方差定义随机变量与其期望值之差的平方的期望值，反映了随机变量取值围绕期望值的波动程度。公式Var(X)=E[(X-E(X))^2]意义方差越大，表示随机变量的取值越分散，反之越集中。

方差的性质非负性方差永远是非负的，因为它是随机变量与其期望值之差的平方和的平均值。常数的方差为零一个常数的方差为零，因为它的值永远不会改变。线性变换如果将一个随机变量乘以一个常数，它的方差也会乘以该常数的平方。独立随机变量两个独立随机变量的和的方差等于它们各自方差的和。

常见离散型分布二项分布在n次独立试验中，每次试验成功的概率相同，则试验成功的次数X服从二项分布。泊松分布在一定时间或空间内，事件发生的次数X服从泊松分布。几何分布在独立重复试验中，试验成功直到首次出现时所进行的试验次数X服从几何分布。超几何分布从有限个总体中随机抽取n个样本，其中包含某个特征的样本数X服从超几何分布。

二项分布定义在n次独立试验中，每次试验只有两种可能的结果，称为成功和失败，且成功的概率为p，失败的概率为1-p，则n次试验中成功的次数X服从二项分布。公式P(X=k)=(nCk)*p^k*(1-p)^(n-k)

二项分布的性质独立性每次试验的结果相互独立，不影响其他试验的结果。固定概率每次试验成功的概率保持不变。二项分布的期望期望值为n*p，即试验次数乘以每次试验成功的概率。二项分布的方差方差值为n*p*(1-p)，反映了随机变量的离散程度。

泊松分布1定义泊松分布描述的是在一定时间或空间范围内，事件发生的次数。2特点事件发生的概率与时间或空间的长度成正比。3应用泊松分布在许多领域都有应用，例如，客户到达商店的次数，电话呼叫的次数等等。

泊松分布的性质稀有事件适用于在一定时间或空间内发生的事件数量较少的情况。独立性事件发生的概率相互独立，不受其他事件的影响。平均发生率事件发生的平均速率是恒定的，不会随着时间或空间的变化而改变。

几何分布独立试验几何分布描述的是在一个独立的试验序列中，首次成功事件发生之前的失败次数。概率固定每个试验的成功概率都是固定的，并且相互独立。

几何分布的性质无记忆性几何分布具有无记忆性，意味着过去的事件不会影响未来的事件。期望几何分布的期望值为1/p，其中p是成功概率。方差几何分布的方差为(1-p)/p^2。

超几何分布从有限总体中抽样超几何分布用于描述从有限总体中抽取样本时，成功事件的概率分布。无放回抽样在超几何分布中，每次抽取后，样本不会被放回总体，因此每次抽取的概率会发生变化。应用场景超几何分布常用于质量控制、抽样调查和概率论等领域。

超几何分布的性质1有限总体超几何分布适用于从有限总体中抽取样本的情况。2无放回抽样抽取的样本不放回总体，每次抽取都会影响后续抽取结果。3二项分布的近似当总体规模远大于样本规模时，超几何分布可以近似为二项分布。

离散型随机变量实例分析1案例1某公司生产的灯泡，其寿命服从参数为1000小时的指数分布。假设每天随机抽取5个灯泡进行测试，求其中恰好有2个灯泡寿命超过1500小时的概率。2案例2某超市每天售出的面包数量服从参数为10的泊松分布。假设每天随机