课题21一维随机变量及分布列.doc

课题：2.1一维随机变量及分布列一教学目的与要求：掌握随机变量的概念，离散型随机变量的分布列，会用第一章求事件概率的方法，求随机变量的分布列。二教学重点与难点：本节教学重难点是分布列的求法三课型：新授课四授课方法：讲练结合法五教学过程（一）、随机变量及其分类 1概念在第一章里，我们研究了随机事件及其概率，细心的同学可能会注意到在某些例子中，随机事件与实数之间存在某种客观的联系。例如在“n重贝努里试验中，事件A出现k次”这一事件的概率，若记重贝努里试验中A出现的次数，则上述“n重贝努里试验中，事件A出现k次”这一事件可以简记为,从而有 并且的所有可能取值就是事件A可能出现的次数0，1，2，n，有些初看起来与数值无关的随机现象，也常常能联系数值来描述。例如抛掷一枚均匀的硬币可能出现正面，也可能出现反面，约定若试验结果出现正面, 令, 从而试验结果出现正面=；若试验结果出现反面, 令, 从而试验结果出现反面=。为了计算n次投掷中出现正面数就只需计算其中“1”出现的次数了。一般地，若A为某个随机事件，则一定可以通过如下示性函数使它与数值发生联系在上面的例子中，我们遇到了两个随机变量，这两个变量取什么值，在每次试验之前是不确定的，因为它的取值依赖于试验的结果，也就是说它的取值是随机的，通常称这种量为随机变量。从上面例子可以发现，有了随机变量，至少使随机事件的表达在形式上简洁得多了。在上述例子中，对每一个随机试验的结果自然地对应着一个实数(或者人为地建立起对应关系)，由此可见，无论哪一种性质，所谓随机变量，不过是随机试验的结果（即样本点）和实数之间的一一对应关系。这与数学分析中函数的概念本质上是一致的。只不过在函数概念中，的自变量为实数，而随机变量的概念中，随机变量的自变量为样本点，因为对每个试验结果都有函数与之对应，所以的定义域是样本空间，值域是实数域。定义1：设随机试验的每一个可能的结果（样本点）唯一地对应一个实数，则称实变量为随机变量，通常用希腊字母或大写字母等表示随机变量， 例1：一射手对一射击目标连续射击，则他命中目标的次数为随机变量，的可能取值为0，1，2例2：某一公交车站每隔5分钟有一辆汽车停靠，一位乘客不知道汽车到达的时间，则侯车时间为随机变量,的可能取值为。例3：考察某一地区全年的温度的变化情况，则某一地区的温度为随机变量，的可能取值为。例4：大炮对某一目标射击，弹着点的位置，如果建立如图所示的坐标系，则弹着点就可以用一个二维坐标表示出来，这时，就要用二维随机变量来描述。2随机变量的分类从随机变量的取值情况来看，若随机变量的可能取值只要有限个或可列个则该随机变量为离散型随机变量，不是离散型随机变量统称为非离散型随机变量，若随机变量的取值是连续的，称为连续型随机变量，它是非离散型随机变量的特殊情形。从随机变量的个数来分，随机变量可分为一维随机变量和多维随机变量。（二）、一维随机变量及分布列1定义定义2：定义在样本空间上，取值于实数域，且只取有限个或可列个值的变量称为一维（实值）离散型随机变量，简称离散型随机变量。讨论离散型随机变量主要要搞清楚两个方面：一是随机变量的所有可能取值；更主要的是搞清楚随机变量取这些可能值的概率。例5：设袋中有五个球（3个白球2个黑球）从中任取两球，则取到的黑球数为随机变量,的可能取值为0，1，2。习惯上，把它们写成或0122、分布律 如果离散型随机变量可能取值为，相应的取值的概率称 为随机变量的分布列，也称为分布律，简称分布。 也可以用下列表格或矩阵的形式来表示，称为随机变量的分布律：或者 例6：在的贝努里试验中，设随机事件A在一次试验中出现的概率，令次试验中事件A出现的次数。则 ，于是的分布列为 0 1 2 3 4 5 3、分布列的性质由概率的性质可知，任一离散型随机变量的分布列都具有下述性质：非负性：1） 规范性：2） 反过来，任意一个具有以上性质的数列都可以看成某一个随机变量的分布列。分布列不仅明确地给出了的概率，而且对于任意的实数,事件发生的概率均可由分布列算出，因为=，于是由概率的可列可加性有=，其中由此可知，取各种值的概率都可以由它的分布列，通过计算而得到，这种事实常常说成是，分布列全面地描述离散型随机变量。例7：设随机变量的分布列为： 求的值。解： 的分布列为 由分布列的性质即 例8：一个口袋中有只球，其中只白球，无放回地连续地取球，每次取一球，直到取到黑球时为止，设此时取出了个白球，求的分布列。解：的可能取值为注意：表示第次取出白球，第次取出黑球，例9：抛掷一枚不均匀的硬币，出现正面的概率为，设为一直掷到正、反都出现时所需要的次数，求的分布列。解：的所有可能取值为则 （三）、几种常用分布1、退化分布设的分布列为(为常数)，则称服从退化分布；2、两点分布设的分布列为 1 0 pq称服从两点分布或分布或贝努里分布。3、二项分布设随机变量的分布列为 显然 1） 2) 称随机变量服从二项分布认为b(k ; n , p)大家可以发现二点分布是二项分布在的情形。4、几何分布 在贝努里试验中，每次试验成功的概率为，失败的概率为，设试验进行到第次才出现成功。的分布列为 容易看到是几何级数的一般项。因此称它为几何分布，记为g(k;p)。5、普哇松（Poisson）分布 观察电信局在单位时间内收到的呼唤次数，某公共汽车站在单位时间内来站乘车的乘客数等。可用相应的变量表示，实践表明的统计规律近似地为： 其中是某个常数，易验证1）2）也就是说，若的分布列为 称服从参数为的普哇松（Poisson）分布，记为p(k;)在很多实践问题中的随机变量都可以用Poisson 分布来描述。从而使得Poisson分布对于概率论来说，有着重要的作用，而概率论理论的研究又表明Poisson分布在理论上也具有特殊重要的地位。下面介绍Poisson分布与二项分布之间的关系定理2.1（Poisson定理）在n 重贝努里试验中，事件A在一次试验中出现的概率为（与试验总数n有关）。若当时(常数）。则有:证明：记，则对于任一固定的k，显然有还有从而对于任意的K（）成立，定理得证。这个定理在近似计算方面有较大的作用，在二项分布中，要计算= ，当n和k都比较大时。计算量比较大，若此时np不太大（即p较小）那么由Poisson定理就有，其中，而要计算有专用的Poisson分布表可查。例10.已知某中疾病的发病率为1/1000，某单位共有5000人，问该单位患有这种疾病的人数超过5的概率为多大？解：设该单位患这种疾病的人数为，则其中=这时如果直接计算计算量较大。由于n很大，P较小。而np=5不很大。可以利用Poisson定理查Poisson分布表得0.616于是1-0.616=0.384。例11由该商店过去的销售记录知道，某中商品每月销售数可以用参数的Poisson分布来描述，为了以95%以上的把握保证不脱销，问商店在月底至少应进某种商品多少件？解：设该商店每月销售某种商品件，