《概率论与随机过程：第2章 第二节 离散型随机变量及其分布律》由会员分享，可在线阅读，更多相关《概率论与随机过程：第2章 第二节 离散型随机变量及其分布律（35页珍藏版）》请在金锄头文库上搜索。
1、离散型随机变量及其分布律 引言通常分为两类：通常分为两类： 如如“取到次品的个数取到次品的个数”， “收到的呼叫数收到的呼叫数”等等.随随机机变变量量离散型随机变量离散型随机变量非离散型随机变量中重要的：非离散型随机变量中重要的：连续型随机变量连续型随机变量所有取值可以逐个所有取值可以逐个一一列举一一列举如，如，“手机电池的寿命手机电池的寿命”，实际中常遇到，实际中常遇到的的“测量误差测量误差”等等.全部可能取值不仅全部可能取值不仅无穷多，而且还不能无穷多，而且还不能一一列举，而是充满一一列举，而是充满一个区间一个区间.1 1离散型随机变量的定义定义 设X为一随机变量，如X的全部可能取到的值是
2、有限个或可列无限多个，则称随机变量X为离散型随机变量。定义定义 设X为离散型随机变量，X的所有可能取的值为xk(k=1，2)，记X取xk的概率为 PX=xk=pk (k=1，2，)，则称下面一组等式 PX=xk=pk (k=1，2，)为X的分布律,简写为d. .l. .。一、离散型随机变量及其分布律一、离散型随机变量及其分布律2 2 离散型随机变量的分布律（1）分布律可以用表格的形式表示：xn一般从小到大排列。XPx1 x2 xn p1 p2 pn （2）分布律可以用图形表示 分布律的表示方法：PXx1x2xk例袋中5个球编号15，从中同时取出3个，以X表示取出球的最大编号，求X的分布律解：
3、PX=3=1/C35=1/10, PX=4= C23 /C35=3/10, PX=5= C24 /C35=6/10X的分布律为X P3 4 51/103/106/10例 重复独立的进行贝努力试验，直到事件A出现r (r1)次为止，求试验次数X的分布律.k= r, r+1,称X服从PascalPascal分布。当r=1时，称X服从几何分布几何分布。解：设每次试验事件A出现的概率为p,若当第k次试验时，事件A出现r次，则前k -1次试验事件A恰出现r -1次，于是 由概率的性质可知分布律具有下述性质 （1）. 非负性: pk0; k=1，2， （2）. 规范性： 证明:设离散型r,v X的取值为x
4、1,xn, 则事件组X=x1，X=xn，构成了的一个划分。分布律的性质分布律的性质：（1）已知随机变量X的分布律，可求出X的分布函数： 设一离散型随机变量X的分布律为 PX=xk=pk (k=1，2，) 由概率的可列可加性可得X的分布函数为 这里的和式是所有满足xkx的k求和的。分布函数F(x)在x=xk(k=1,2,)处有跳跃，其跃跳值为pk=PX=xk。 分布律与分布函数的关系分布律与分布函数的关系 已知随机变量X的分布律, 亦可求任意随机事件的概率。 例如，求事件XB（B为实轴上的一个区间）的概率P XB时，只需将属于B的X的可能取值找出来，把X取这些值的概率相加，即可得概率P XB，即
5、 因此，离散型随机变量的分布律完整地描述它的概率分布情况。 （2）已知随机变量X的分布函数，可求出X的分布律： 设一离散型随机变量X的分布函数为F(x)，并设F(x)的所有间断为x1,x2,，那么，X的分布律为 例1: 设随机变量X的分布律为 XP -1 2 3 1/4 1/2 1/4 求X的分布函数，并求 解: 由概率的有限可加性，得所求分布函数为 F（x）的图形如下图所示，它是一条阶梯形的曲线，在x1，2，3处有跳跃点，跳跃值分别为1/4，1/2，1/4。-1 0 1 2 3 xP1例3已知随机变量X的分布律为 X 2 0 3 5 P 1/4 a 1/2 1/12 试求（1）待定系数a，（
6、2）概率PX 1/2。 即可求得a=1/6。 （2）解: （1）由分布律的性质可知 1.（01）分布： 设随机变量X只可能取0与1两个值，它的分布律为 PX=k=pk(1-p)1-k , k=0，1. (0p1)则称X服从（01）分布,记为X （01）分布。 （01）分布的分布律用表格表示为：X 0 1P 1-p p易求得其分布函数为： 二、几种常用的离散型随机变量的分布： 2.二项分布：定义定义：若离散型随机变量X的分布律为其中0p0是一常数，n是任意正整数，设npn=，则对于任一固定的非负整数k，有证明：由pn=/n有 对于任意固定的k k，当nn时 意义：定理的条件npnpn n=（常数
7、）意味着当n n很大时，p pn n必定很小。因此，上述定理表明当n n很大、p p很小时有以下近似式 其中=npnpn n 从下面的表格可以直观地看出上式的近似程度,k k按二项分布公式直接分别计算按泊松近似公式计=npnp=1=1： n=10 n=20 n=40 n=100 =np=1p=0.1 p=0.05 p=0.25 p=0.010 0.349 0.358 0.369 0.366 0.3681 0.385 0.377 0.372 0.370 0.3682 0.194 0.189 0.186 0.185 0.1843 0.057 0.060 0.060 0.061 0.0614 0.0
8、11 0.013 0.014 0.015 0.0154 0.004 0.003 0.005 0.003 0.004 由泊松近似公式计算上题： 分析结果：不能忽视小概率事件，迟早会发生。 3.3.泊松分布：泊松分布：(1)设离散型随机变量X的分布律为 其中0是常数。则称X服从参数为的泊松分布，记为X ()。 显然 历史上，泊松分布是作为二项分布的近似，于历史上，泊松分布是作为二项分布的近似，于1837年由法国数学家泊松引入的年由法国数学家泊松引入的 . 近数十年来，近数十年来，泊松分布泊松分布日益显示日益显示其其重要性重要性,成为概率论中最重要的几个分布之一成为概率论中最重要的几个分布之一.在实
9、际中，许多随机现象服从或近似服从泊松分布在实际中，许多随机现象服从或近似服从泊松分布. 由泊松定理，由泊松定理，n重贝努里试验中重贝努里试验中稀有事件稀有事件出现的次数出现的次数近似地服从泊松分布近似地服从泊松分布. 我们把在每次试验中出现概率很小的事件称作我们把在每次试验中出现概率很小的事件称作稀有事件稀有事件.如地震、火山爆发、特大洪水、意外事故等等如地震、火山爆发、特大洪水、意外事故等等(2) 泊松分布背景：例如，在一个时间间隔内某电话交换台收到的电话的呼唤次数、一本书一页中的印刷错误数、某地区在一天内邮递遗失的信件数、某一医院在一天内的急诊病人数、某一地区一个时间间隔内发生交通事故的次
10、数、在一个时间间隔内某种放射性物质发出的、经过计数器的粒子数等都服从泊松分布，泊松分布也是概率论中的一种重要分布。 在自然界和人们的现实生活中在自然界和人们的现实生活中, ,经常要遇到在随机时刻经常要遇到在随机时刻出现的某种事件出现的某种事件. .我们把在随机时刻相继出现的事件所形成我们把在随机时刻相继出现的事件所形成的序列的序列, ,叫做随机事件流叫做随机事件流. . 若事件流具有平稳性、无后效性、普通性，则称该事件若事件流具有平稳性、无后效性、普通性，则称该事件流为泊松事件流（泊松流）流为泊松事件流（泊松流）. .(3) 泊泊松分布产生的一般条件松分布产生的一般条件下面简要解释平稳性、无后
11、效性、普通性下面简要解释平稳性、无后效性、普通性. .平稳性平稳性: : 在任意时间区间内，事件发生在任意时间区间内，事件发生k次次(k0)的的概率只依赖于区间长度而与区间端点位置无关概率只依赖于区间长度而与区间端点位置无关.无后效性无后效性: : 在不相重叠的时间段内，事件的发生是相在不相重叠的时间段内，事件的发生是相互独立的互独立的.普通性普通性: : 如果时间区间充分小，事件出现两次或两次如果时间区间充分小，事件出现两次或两次以上的概率可忽略不计以上的概率可忽略不计. 因此：泊松分布在管理科学、运筹学以及自然科学因此：泊松分布在管理科学、运筹学以及自然科学的某些问题中都占有重要的地位的某
12、些问题中都占有重要的地位 .例1 有300台机器，工作相互独立。发生故障概率为0.01，通常，一台机器的故障可由一人来修理（一人修一台），问至少需要多少工人，才能保证当设备发生故障但不能及时修理的概率小于0.01。解：设需要配备修理工人数为N个，设备同时发生故障的台数为X台，由题知求最小的N为多少，即使 PXN0.01. 因为Xb(300 , 0.01)，由于n很大，p很小,故用泊松分布近似查表可得： N+1=k9 = N=8（最小的）。例2 在上例中，由一个人负责维修20台设备。 （1）求设备发生故障，而不能及时修理的概率； （2）又若由三个人共同负责维修8080台，求设备及时修理的概率。解
13、：（1）设X为发生故障的机器数,Xb(20，0.01) X取值为0,1,2,20. 因为一人只能修一台机器，故所求概率为：（2）设X为发生故障的机器数，Xb(80，0.01) X取值：0，1，2，80。结论：（1）（2），说明尽管情况2任务重了（一个人修27台），但工作质量提高了，也说明，概率方法可用来讨论国民经济中某些问题，以使达到更有效地使用人力、物力、资源的目的，这是运筹学的任务，概率论是解决运筹学问题的有力工具。例5 在保险公司里有2500辆车参加抢盗保险，设在一年里一辆车被抢盗的概率为0.002，每辆参加保险的车在一月一日付12元保险费，而被抢盗时车主可由保险公司领2000元。（1）
14、求公司亏本的概率（2）求获利不小于10000元的概率。解；（1）公司一年总收入2500*12=30000， X：一年中被抢盗的车数。 Xb(2500 , 0.002),要2000X30000(2)（）超几何分布 设一堆同类产品共N N件，其中有M M个次品，现从中任取n n个(为方便计算。假定nN-MnN-M)，则这n n个中所含的次品数X是个离散型随机变量，X的分布律为 其中L=min(M，n) ,这个概率分布称为超几何分布。 三、其它常见的分布三、其它常见的分布 ()几何分布 在独立重复试验中，设A A在每次试验中发生的概率均为p p，记X为A A首次发生时的试验次数。 则不难验证，X具有如下分布律这个概率分布称为几何分布。 （）巴斯卡分布 在独立重复试验中，若记X为A在第r次发生时的 试验次数,则X的分布律为 这个分布称为巴斯卡分布。分布函数分布函数离散型离散型r.v的的分布函数分布函数连续型连续型r.v的的分布函数分布函数分布函数分布函数的性质的性质 概率函数概率函数与分布函数的关系与分布函数的关系概率密度概率密度与分布函数与分布函数的关系的关系
