第八章 概率与数理
DESCRIPTION
第八章 概率与数理. 统计初步. 8.2 离散型随机变量的概率分布. 一、 离散型随机变量的分布. 二、 三种典型分布. 一、 离散型随机变量的分布. 我们首先通过硬币试验了解随机事件的统计规律. 如果用 表示正面向上 , 表示正面向下 , 则. 从一副扑克牌中任意摸取一张 , 每一张牌的概率都是. 可以看出 , 随着投掷次数的不断增大 , 正面出现的. 频率越趋近于 0.5. 简单的古典概率考虑的一种情况是:. 如果随机变量只有. n 个取值 , 则取到每个值的概率都是 1 / n. - PowerPoint PPT PresentationTRANSCRIPT
第八章 概率与数理
统计初步
二、 三种典型分布
一、 离散型随机变量的分布
8.2 离散型随机变量的概率分布
我们首先通过硬币试验了解随机事件的统计规律 .
试验者 投掷次数n
正面向上次数频数m
正面出现频率m /n
德 ·摩尔根 2048 1061 0.518
蒲丰 4040 2048 0.5069
皮尔逊 12000 6019 0.5016
皮尔逊 24000 12012 0.5005
维尼 30000 14994 0.4998
一、 离散型随机变量的分布
可以看出 , 随着投掷次数的不断增大 , 正面出现的
频率越趋近于 0.5.
如果用 表示正面向上 , 表示正面向下 , 则 1 0
( 1) 0.5P ( 0) 0.5P
简单的古典概率考虑的一种情况是: 如果随机变量只有
n 个取值 , 则取到每个值的概率都是 1/n .
从一副扑克牌中任意摸取一张 , 每一张牌的概率都是1
54
例 1 袋内装有五个白球 , 三个黑球 , 从中任取两个球 ,
计算取出的两个球都是白球的概率 .
解: 从 8 个球中任取 2 个球 , 可能的结果共 28 28C
由于是任取两个球 , 因此取到每两个球的概率都是 128
取出的两个球都是白球的结果为 25 10C
因此取出的两个球都是白球的概率为 10 5
28 14P
一般地 , 如果随机变量 的所有可能取值为 取值是 的概率是 , 即 kx kp
( ) ( 1 2k kP x p k ,, )
则称
用这两条性质判断一个函数是否是概率分布
( 1 ) pk 0, k = 1, 2, …
;
( 2 ) 1
1.kk
p
=
)( kxP
1x
1p
2x
2p
…
…
…
…
nx
np
为随机变量 的概率分布(列) , 简称分布 .
1 2, , , ,nx x x
例 2 在一个均匀正方体的六个面上分别标上数字1,2,3,4,5,6 ,随机抛掷这个正方体,用表示朝上的那个面上的数字,求的概率分布 .
解:
P 1
6
6 5 4 3 2 1
1
6
1
6
1
6
1
6
1
6
正方体是均匀的表示六个面哪个面朝上的可能性都是均等的 . 因此
1. 两点分布(也称( 0-1 )分布) 随机变量 ξ 只可能取 0 与 1 两个值,其分布律为:
8概率论与数理统计
ξ 0 1
P 1-p p
凡是随机试验只有两个可能的结果,常用 0 - 1 分布描述,如产品是否格、人口性别统计、系统是否正常、电力消耗是否超负荷等等 .
应用场合
二、三种典型分布
例 3 某批产品共 100 件 , 其中 98 件是合格品 ,2 件是不合
格品 . 现从中任意抽取 1 件 , 用 表示抽到的是合格 0
用 表示抽到的是不合格品 , 求 的概率分布 . 1
解 :
ξ 0 1
P 0.98 0.02
2. 二项分布
在 n 次独立试验中 , 如果事件在每次试验中发生的概率为 p, ξ 表示 A 在 n 次试验中发生的次数 , 则 ξ 的分布为:
),210()( nkqpCkP knkkn ,,,
其中, 1,0,0 qpqp
称 ξ 服从参数为 n, p 的二项分布 .
例 4 某批产品的不合格品率为 p, 现从中有放回地抽取3 件 , 试求三件中恰有二件不合格品的概率 .
解 : “有放回”是指每次试验完成后都把试验品放回原产 品中 , 因此三次抽取可看作是三次独立试验 .
用 ξ 表示抽取的三件产品中不合格品的件数,则
qpCP 223)2(
其中 . 1q p
例 5 一批出口商品共 10000 件 , 已知该批商品的不合格品率为 2%. 商检部门抽检方案是 , 从中抽取 30 件样品 , 如不合格品数不大于 3, 则判定该批商品合格 , 从而接受该批商品 , 否则拒绝 . 求该批商品被接受的概率。
解 : 商品数 10000 较样品数 30 很大 , 设 ξ 表示 30 件样品中
不合格品的件数 , 则
~ B(30 0.02) ,
依题意 , 该批商品被接受的概率为 , 即 )3( P
)3( P kk
k
kC
303
030 )98.0()02.0(
0188.00098.03340.05455.0
997.0
3. 泊松分布
法国数学家泊松在研究二项分布的近似计算时发现 , 如果 n 较大 , p 较小 , 二项分布为:
其中
实际计算时 , 只要 n > 10, p < 0.1 近似程度就很高了 .
knkkn qpCkP )( e
k
k
!),210( nk ,,,
np
如果随机变量 ξ 的分布列为 e
kkP
k
!)( nk ,,,, 2100
则称 ξ 服从参数为 λ 的泊松分布,记作 ~ P( )
例 5 中 , 6.002.030 nppn ,, , 查泊松分布表 003358.0)4( p
)4(1)3( PP
996642.0003358.01 997.0