2024高考讲义：二项分布与超几何分布.pptxVIP

二项分布与超几何分布了解二项分布和超几何分布的概念和特点,掌握解题技巧,提高对概率论和数理统计的理解。ZP作者：

二项分布的定义数学定义二项分布是一种离散概率分布,用于描述在固定次数的独立试验中,某一特定事件发生的次数。概率解释二项分布描述了某一随机事件在一系列独立试验中出现的概率,其中每次试验的结果只有两种可能性。典型例子抛硬币正面出现的次数就是一个典型的二项分布,因为每次抛硬币只有正面和反面两种结果。

二项分布的性质离散型随机变量二项分布是一种离散型概率分布,随机变量只能取整数值。它描述了在固定次数的独立试验中,某一特定事件发生的次数。独立同等试验二项分布的特点是每次试验都是独立的,并且成功事件的概率在每次试验中保持不变。重复试验次数二项分布有一个固定的试验次数n,表示进行了n次独立重复试验。这是二项分布的一个重要特点。

二项分布的期望与方差二项分布中，每次实验的结果只有两种可能：成功或失败。当实验的次数固定为n次时，成功的次数服从二项分布。二项分布的期望和方差是重要的统计量，可以用来描述随机变量的特点。nnppnpnpnp(1-p)np(1-p)—实验次数、成功概率、期望、方差二项分布的期望为np，方差为np(1-p)。这些统计量可以帮助我们更好地理解和分析二项分布的特点,为后续的概率计算和假设检验提供重要依据。

二项分布的正态近似正态分布的性质当随机变量X服从二项分布B(n,p)且n足够大、p不太小时,X的分布可以用正态分布N(np,npq)来近似。正态近似条件需满足npq9的条件,即n越大、p或q越接近0.5,二项分布越能用正态分布来近似。正态近似公式P(a≤X≤b)≈P(a-0.5≤Z≤b+0.5)，其中Z~N(0,1)。

二项分布的应用案例二项分布在现实生活中有广泛的应用。例如市场调研中对消费者购买意愿的调查、质量管控中产品合格率的统计、新产品推广中用户注册量的预测等都可以利用二项分布模型。通过合理设置参数,可以预测事件发生的概率,为决策提供依据。

超几何分布的定义定义超几何分布描述了在没有放回的情况下从有限总体中随机抽取样本的概率分布。它适用于在有限总体中抽取样本的情况。特点超几何分布有三个重要参数:总体大小N、总体中成功事件的个数M、抽取样本的大小n。应用超几何分布广泛应用于质量抽查、市场调研、疾病预防等领域,用于描述在特定条件下随机抽样的概率。

超几何分布的性质稀有事件超几何分布描述从一个有限人群中随机抽取一定数量样本的概率分布。其特点是每次抽取后不放回，因此每次抽取的结果都互相独立。无放回抽样与二项分布不同，超几何分布的随机变量描述的是无放回抽样的结果。每次抽取后总体中的元素数量会发生变化。离散概率分布超几何分布是一个离散型概率分布，其取值范围是整数。概率质量函数可以精确计算出每个可能结果的概率。小总体超几何分布适用于总体规模较小、样本规模相对较大的情况。当总体很大时，超几何分布会逼近二项分布。

超几何分布的期望与方差超几何分布描述了在一个有限群体中，不经重复抽取地随机抽取n个样本时，获得某特定特征的样本个数的分布。它的期望和方差反映了这一抽样过程的特点。期望群体中具有该特征的个数*抽样个数/群体总数方差群体中具有该特征的个数*(群体总数-具有该特征的个数)*抽样个数*(群体总数-抽样个数)/(群体总数^2*(群体总数-1))超几何分布的期望和方差体现了该分布的特点：抽样是无放回的，随机抽样概率随着抽取过程的进行而发生变化。因此，超几何分布的期望和方差反映了这种动态变化的特点。

超几何分布的正态近似1正态近似条件样本容量大、概率小2正态近似公式P(X≤x)≈Φ((x-np)/√(npq))3应用场景大样本概率计算当超几何分布的样本容量较大、概率较小时,可以利用正态分布来近似计算超几何概率。这种正态近似的关键在于满足一定的条件,计算时可以使用标准正态分布函数Φ((x-np)/√(npq))来进行近似。这种正态近似在许多大样本概率计算中都有广泛的应用。

超几何分布的应用案例超几何分布广泛应用于抽样检测、生物实验、质量控制等领域。例如，在产品抽检中，超几何分布可用于估算不合格产品比例；在医学研究中，它可模拟治疗药物对特定患者群体的疗效。超几何分布的广泛应用体现了其在描述有限总体中随机抽样过程中的实用性。

二项分布与超几何分布的联系1概率模型的相似性二项分布和超几何分布都是离散概率模型,都涉及在重复独立试验中计算某一特定事件发生的概率。2参数的联系两者均与事件发生的概率、试验的次数等参数有关,可以通过这些参数来描述概率分布。3应用场景的重叠两种分布都广泛应用于质量控制、抽样调查、医疗诊断等实际问题中。4概率计算的共性两者都需要使用组合公式、二项分布公式等