2.2一维离散型随机变量

∞ k k =1
}
满足下列性质 性质: 满足下列性质:
pk ≥ 0 (k = 1,2,⋯);
概率论与数理统计 数学科学学院 徐 鑫
∑p
k =1
∞
k
常用来确定分布律中的待定参数] 常用来确定分布律中的待定参数 = 1 [常用来确定分布律中的待定参数
这两条也是非负 数列能为某随机 变量分布律的充 要条件
离散型随机变量分布列的求法 求法: 离散型随机变量分布列的求法: 利用古典概率、 利用古典概率、条件概率等计算方法及运算 性质求事件{X=x 概率; 性质求事件{X=xk}概率; 利用已知的重要分布的分布列; 利用已知的重要分布的分布列; 利用分布函数. 利用分布函数. 离散型随机变量分布列的应用 应用: 离散型随机变量分布列的应用: 确定分布列中的待定参数; 确定分布列中的待定参数; 求分布函数； 求分布函数； 求随机事件的概率. 求随机事件的概率.
概率论与数理统计 数学科学学院 徐 鑫
四、几种重要的离散型随机变量 1、(0-1)分布[两点分布] (0-1)分布 两点分布] 分布[ 定义2 定义2 设随机变量X只取0,1两值, 设随机变量X只取0,1两值,且其分布律为 0,1两值
P{X = k} = p (1 − p) (k = 0,1;0 < p < 1)
(−∞, x1 ), [ x1 , x2 ), [ x2 , x3 ) ⋯, [ xk ,+∞)
分别求出F(x)的值,即就x 分别求出F(x)的值,即就x落在上述各区间内计算 F(x)的值 {X≤x}所含可能值概率的累积和; {X≤x}所含可能值概率的累积和; 所含可能值概率的累积和 离散型随机变量X的分布函数是一个右连续的阶梯 离散型随机变量X 函数. 函数.

1, x a F ( x) 0, x a
1
例2.2.9 若
.
服从两点分布
0
P
q
求
的分布函数
解： P（ x） 0 当 x 0时，F（x） F（x） P（ x） P（ 0） q 当 0 x 1 时， F ( x) P( x) P( 0) P( 1) 1 当 x 1 时， 例2.2.10 设 的分布列为
0 1 2 3 4 5
k 5 k 5k
k=0,1,2,3,4,5.
q 5 5 pq 4 10 p 2 q 3 10 p 3 q 2 5 p 4 q p 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 p i 都具有下述性质：
非负性：1）pi 0, i 1, 2, 规范性：2） pi 1
k 6 k 6
5000
5000
其中b(k;5000,1/1000)= C
k 5000
1 k 1 5000 k ( ) (1 ) 1000 1000
这时如果直接计算P 5 ，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
5 P( 5) 1 P 5 1 e k 0 k !
i
例2.2.11 设随机变量
的分布函数为 的分布列。
解: 依题意可得
0, x 1 0.4, 1 x 1 F ( x) ,求 0.8,1 x 3 1, x 3
的可能取值为-1，1，3
P 1 F 1 0 F 1 0.4,
P 3 F 3 0 F 3 0.2
所以 的分布列为

以随机变量X表示n次试验中A发生的次数，X可能取值 为0,1,2,3,…,n。设每次试验中A发生的概率为p， 发生的概率为1-p=q。 (X=k)表示事件“n重贝努里试验中A出现k次”，即
A
AA A A A A A A A A A A AA A A A A
因此X的分布律为
P ( X k ) C 0 .6 0 .4
k 7 k
7k
, k 0 ,1, 2 ,..., 7
所求概率为 P ( X 4 ) P7( X 4 ) P ( X 5 ) P ( x 6 ) P ( X 7 )

C
k 4
k 7
( 0 .6 ) ( 0 .4 )
k
( p q) 1
n
k 0
正好是二项式(p+q)n展开式的一般项，故称二 项分布。特别地，当n=1时P(X=k)=pkq1-k(k=0,1)即为 0-1分布。
例2.6 某厂长有7个顾问，假定每个顾问贡献正确意见 的概率为0.6，且设顾问与顾问之间是否贡献正确意见 相互独立。现对某事可行与否个别征求各顾问的意见， 并按多数顾问的意见作出决策，试求作出正确决策的概 率。 解 设X=k表示事件“7个顾问中贡献正确意见的人 数”， 则X可能取值为0，1，2，…，7。 （视作7重贝努里实验中恰有k次发生，k个顾问贡献出 正确意见）,X~B(7,0.6)。
1 X 0 当 e1 发生时 当 e 2 发生时
即它们都可用0-1分布来描述，只不过对不同 的问题参数p的值不同而已。
3、超几何分布（参见第一章）
4、二项分布
(1)贝努里(Bernoulli)试验模型。 设随机试验满足： 1°在相同条件下进行n次重复试验； 2°每次试验只有两种可能结果，A发生或A不发生； 3°在每次试验中，A发生的概率均一样，即P(A)=p； 4°各次试验是相互独立的， 则称这种试验为贝努里概型或n重贝努里试验。 在n重贝努里试验中，人们感兴趣的是事件A发 生的次数。

P ( Æ) , x < 0, P ( X = 0) , 0 ≤ x < 1, = 1 ≤ x < 2, P ( X = 0 ) + P ( X = 1) , P ( X = 0 ) + P ( X = 1) + P ( X = 2 ) , x ≥ 2.
9
从而
x < 0, 0, 0.16, 0 ≤ x < 1, F ( x) = 0.64, 1 ≤ x < 2, 1, x ≥ 2.
表示两个继电器都没接通， 因为 { X = 0} 表示两个继电器都没接通，所以
P ( X = 0 ) = P A1 A2 = P A1 P A2 = 0.4 × 0.4 = 0.16.
类似地， 类似地，可得
(
)
( ) ( ) )
P ( X = 1) = P A1 A2 ∪ A1 A2 = P A1 A2 + P A1 A2
故X的分布列为
X P
3 0.1
4 0.3
5 0.6
8
二、分布列与分布函数的互化
既然离散型随机变量的分布列完整地描述 了该离散型随机变量统计规律， 了该离散型随机变量统计规律，那么离散型随 机变量的分布列就应该决定其分布函数． 机变量的分布列就应该决定其分布函数． 求例2.4中的随机变量的分布函数． 2.4中的随机变量的分布函数 例2.6 求例2.4中的随机变量的分布函数． 解 F ( x) = P ( X ≤ x )
1
2
(1)随机变量 仅可能取0 随机变量X 三个值． 解 (1)随机变量X仅可能取0，1，2三个值．
Ai ={第 i 个继电器接通}，i = 1, 2 ．注意到两个继电器是 ={第 个继电器接通} 否接通是相互独立的， 相互独立， 否接通是相互独立的，于是 A1 和 A2 相互独立，且