5.2-离散型随机变量
- 格式:doc
- 大小:133.50 KB
- 文档页数:10
5.2 离散型随机变量
一、离散型随机变量的分布列
随机变量依其取值的不同情形而分为两大类。一类是离散型随机变量,另一类是非离散型随机变量。本节讨论离散型随机变量,下节将讨论连续型随机变量。
定义1 如果随机变量X的所有可能取值为有限个或无穷可列个,则称X为离散型随机变量。
例如,第2.1节引例1中定义的随机变量X可能取的值为0和1。引例2中定义的随机变量X可能取的值为0,1,2,…。又如若用Z表示一个日光灯管的寿命,则它可能取的值充满一个区间
,是无穷不可列的,因而它是一个非散型的随机变量。
对于一个离散型随机变量X,我们关心两个问题:X的所有可能取的值以及取每一个可能值的概率。
定义2 设离散型随机变量X的所有可能取值为且X取这些值的概率依次为
即
(2.3)
则称(2.3)式为离散型随机变量X的分布列或概率分布。
离散随机变量的分布列也可写成表格形式:
… …
X
… …
根据概率的性质,易知分布列具有如下性质:
(1);
(2)。
例1 独立地重复抛一枚均匀硬币,直到出现正面向上为止,求抛掷次数X的分布列。解:事件{X=R}表示前R-1抛掷都是反面向上,而第R次抛掷是正面向上,故
。
于是X的分布列为
例2 抛掷一枚匀称的骰子,出现的点数为随机变量X。
(1)求X的分布列;
(2)求出现的点数不小于3"的概率;
(3)求“出现的点数不小于2又不超过4”的概率。
解:(1)。
(2)
(3)
由上例可见,若知道了离散型随机变量的分布列,就可以求出它在各个范围内取值的概率。因此,分布列全面地描述了离散型随机变量的统计规律。
如果知道了离型随机变量X的分布列,那么,就可能求出X的分布函数。
例3 设随机变量X的分布列为
0 1 2
X
0.3 0.5 0.2
试求X的分布函数。
解:当时,;
当时,;
当时,
当时,
因此
一般地,若已知X的分布列为
则其分布函数为
离散型随机变量X的分布函数是一个分段函数,其图形为阶梯形,其分界点即为X的取值点。设X的取值点为则X的分布列为
例4 设离散型随机变量X的分布函数为
求X的分布列。
解:的分界点为,即X的取值为-1,1,2。
于是,X的分布列为
-1 1 2 X
Pk
二、几种常见的离散型分布
1、两点分布
定义3 若随机变量X的取值为0,1两个值,分布列为
则称X服从两点分布(或0-1分布),记作X~B(P)。
为书写简便,常用q表示1-P,以后在离散型分布中出现q,即表示1=1-P,不再另作说明。
一般在随机试验中虽然结果可以很多,但如只关注具有某种性质的结果,则可将样本空间重新划分为:A与非A,而A出现时,定义X=1;出现时,定义X=0,此时X的分布即为两点分布。
例如,在一批产品中分次品,合格品和优质品,从中随机抽取一件,我们只关心抽到的是否是次品,则可设:当抽到的是次品时,X=1;其他情况,X=0。此时,X就服从两点分布。
2、二项分布
(1)n重佰努利(Bernouli)试验
定义4 如果一个试验有两个可能结果A与,称这个试验为一个佰努利试验。
例如,抛一枚硬币观察出现正反面的试验,射击一次观察是否命中目标的试验,某种产品检查质量是否合格的试验,等等。
定义4’ 若将一个佰努利试验重复进行n次,且每次试验结果互不影响(即各次试验是独立的),则称为n重佰努利试验,或称为佰努利概型。
注意:在n重佰努利试验中,事件A可能发生0,1,2,…,n次,若记,,则事件A拾好发生k次的概率为
或记为。
事实上,根据独立性,在n次试验中,事件A在某指定的k次试验中发生,而在其余的n-k次试验中不发生的概率为。而事件A可能发生在n次试验中的任何k次,所以n次试验中A发生k次,应有种不同情况,这些结果又是互不相容的,根据概率的加法公式,所求的概率为。
例5 对某种药物的疗效进行研究,设这种药物对某种疾病的有效率为P=0.8,现有10名患此种疾病的病人同时服用此药,求其中至少有6名病人服药有效的概率。
解:这是佰努利试验。N=10,P=0.8,设A={至少有6名患者服药有效},则
(2)二项分布
定义5 若随机变量X的分布列为
,
其中,,则称X服从参数n,p的二项分布,记作X~B(n,p)。
从前面的讨论可知,二项分布的实际背景就是n重佰努利试验:若在单次试验中,事件A发生的概率是,则在n次独立重复试验中A发生的次数X就服从二项分布。
显然,当n=1时,二项分布即为两点分布。
容易验证,二项分布满足分布列的两条性质:
(1)
(2)
例6 有一批棉花种子,出苗率为0.67,现每穴种6粒,求其出苗种子数的分布列。
解:对6粒种子出苗粒数的观察,可看作6重贝努利试验。以X表示出苗的种子数,则X服从n=6,P=0.67的二项分布,所以其分布列为
,。
如果用表格形式表示其分布列,则有
X 0 1 2 3 4 5 6 Pk 0.0013 0.0157 0.0799 0.2162 0.3292 0.2673 0.0904
3、泊以(Poisson)分布
定义6 若随变量X的分布列为
其中为正常数,则称X服从参数为的泊松分布,记作X~P()。
泊松分布是常用的离散分布之一,现实生活中有很多随机变量都可直接用泊松分布描述,其差别表现在参数取值不同。例如:
(1)在一定时间内,超级市场排队等候付款的顾客人数;
(2)在一定时间内,某操作系统发生故障的次数;
(3)在一段时间内,电话交换台接到的呼唤次数;
(4)500页的一本书中错别字的个数;
(5)一定的液体中微生物的个数。
这些随机变量服从或近似服从泊松分布。
它们都与计数过程相关联,并且计数是是在一特定的单位内进行的。