概率论完整PPT课件第15讲.pptxVIP

贝努里概型

例1设生男孩的概率为p,生女孩的概率为

q=1-p，令X表示随机抽查出生的4个婴儿中“男孩”的个数.

和

二项分布

一、

我们来求X的概率分布.

X的概率函数是：

男

女

X表示随机抽查的4个婴儿中男孩的个数，

生男孩的概率为p.

X=0

X=1

X=2

X=3

X=4

X可取值0,1,2,3,4.

例2将一枚均匀骰子抛掷3次，

令X表示3次中出现“4”点的次数

X的概率函数是：

不难求得，

掷骰子：“掷出4点”，“未掷出4点”

新生儿：“是男孩”，“是女孩”

抽验产品：“是正品”，“是次品”

1

这样的n次独立重复试验称作n重贝努里试验，简称贝努里试验或贝努里概型.

2

再设我们重复地进行n次独立试验(“重复”是指这次试验中各次试验条件相同)，

3

每次试验成功的概率都是p，失败的概率

都是q=1-p.

用X表示n重贝努里试验中事件A（成功）出现的次数，则

（2）

不难验证：

（1）

称r.vX服从参数为n和p的二项分布，记作

X~B(n,p)

当n=1时，

P(X=k)=pk(1-p)1-k,k=0,1

称X服从0-1分布

例3已知100个产品中有5个次品，现从中

有放回地取3次，每次任取1个，求在所取的3个中恰有2个次品的概率.

解:因为这是有放回地取3次，因此这3次试验

的条件完全相同且独立，它是贝努里试验.

依题意，每次试验取到次品的概率为0.05.

设X为所取的3个中的次品数，

于是，所求概率为：

则

X~B(3,0.05)，

注：若将本例中的“有放回”改为”无放回”，那么各次试验条件就不同了，不是贝努里概型，此时，只能用古典概型求解.

1

古典概型与贝努里概型不同，有何区别？

2

请思考：

3

贝努里概型对试验结果没有等可能的要求，但有下述要求：

（1）每次试验条件相同；

二项分布描述的是n重贝努里试验中出现

“成功”次数X的概率分布.

（2）每次试验只考虑两个互逆结果A或，

且P(A)=p，；

（3）各次试验相互独立.

可以简单地说，

例4某类灯泡使用时数在1000小时以上

的概率是0.2，求三个灯泡在使用1000

小时以后最多只有一个坏了的概率.

解:设X为三个灯泡在使用1000小时已坏的灯泡数.

X~B(3,0.8)，

把观察一个灯泡的使用

时数看作一次试验,

“使用到1000小时已坏”

视为“成功”.每次试验,

“成功”的概率为0.8

P(X1)=P(X=0)+P(X=1)

=(0.2)3+3(0.8)(0.2)2

=0.104

二项分布的图形特点：

对于固定n及p，当k增加时,概率P(X=k)先是随之增加直至达到最大值,随后单调减少.

X~B(n,p)

当(n+1)p不为整数时，二项概率P(X=k)在k=[(n+1)p]达到最大值；

([x]表示不超过x的最大整数)

n=10,p=0.7

n

Pk

二项分布的图形特点：

对于固定n及p，当k增加时,概率P(X=k)先是随之增加直至达到最大值,随后单调减少.

X~B(n,p)

当(n+1)p为整数时，二项概率P(X=k)在k=(n+1)p和k=(n+1)p-1处达到最大值.

课下请自行证明上述结论.

n=13,p=0.5

Pk

n

0

想观看二项分布的图形随参数n,p的具体变化，请看演示

01

二项分布

02

01

当试验次数n很大时，计算二项概率变得很麻烦，如教材例4中，要计算

我们先来介绍二项分布的泊松近似，后面第十七讲中，我们将介绍二项分布的正态近似.

或诸如此类的计算问题，必须寻求近似方法.

02

03

二、二项分布的泊松近似

泊松定理

其中

定理的条件意味着当n很大时，pn必定很小.因此，泊松定理表明，当n很大，p很小时有以下近似式：

证明见教材.

设是一个正整数，，则有

n100,np10时近似效果就很好

请看演示

二项分布的泊松近似

实际计算中，

其中

此例说明，当p不是很小，而是很大(接近于1)，可将问题略为转换一下，仍然可以应用泊松近似.

1

当n很大时，p不是很小，而是很大(接近于1)时，能否应用二项分布的泊松近似？

2

请看教材例5.

3

下面我们看一个应用例子.

4

我们先对题目进行分析：

例5为保证设备正常工作，需要配备适量的维修人员.设共有300台设备，每台的工作相互独立，发生故障的概率都是0.01.若在通常的情况下，一台设备的故障可由一人来处理.问至少应配备多少维修人员，才能