统计学第3章概率与概率分布.ppt

《统计学第3章概率与概率分布.ppt》由会员分享，可在线阅读，更多相关《统计学第3章概率与概率分布.ppt（126页珍藏版）》请在三一办公上搜索。

1、31,32,第 3 章 概率与概率分布,3.1 随机事件及其概率 3.2 随机变量及其概率分布 3.3 大数定律与中心极限定理,33,学习目标,理解随机事件的概念、了解事件之间的关系理解概率的三种定义，掌握概率运算的法则理解随机变量及其概率分布的概念掌握二项分布、泊松分布和超几何分布的背景、均值和方差及其应用掌握正态分布的主要特征和应用，了解均匀分布的应用理解大数定律和中心极限定理的重要意义,34,3.1 随机事件及其概率,一、随机试验与随机事件 二、随机事件的概率 三、概率的运算法则,35,一、随机试验与随机事件,3.1 随机事件及其概率,36,必然现象与随机现象,必然现象（确定性现象）变化

2、结果是事先可以确定的，一定的条件必然导致某一结果这种关系通常可以用公式或定律来表示随机现象（偶然现象、不确定现象）在一定条件下可能发生也可能不发生的现象个别观察的结果完全是偶然的、随机会而定大量观察的结果会呈现出某种规律性（随机性中寓含着规律性）统计规律性,37,随机试验,严格意义上的随机试验满足三个条件：试验可以在系统条件下重复进行；试验的所有可能结果是明确可知的；每次试验前不能肯定哪一个结果会出现。广义的随机试验是指对随机现象的观察（或实验）。实际应用中多数试验不能同时满足上述条件，常常从广义角度来理解。,38,随机事件（事件）,随机事件（简称事件）随机试验的每一个可能结果常用大写英文字母

3、A、B、来表示基本事件（样本点）试验中每一种可能出现的结果不可能再分成为两个或更多事件的事件样本空间（S或）基本事件的全体（全集）,39,随机事件（续）,复合事件由某些基本事件组合而成的事件样本空间中的子集随机事件的两种特例必然事件在一定条件下，每次试验都必然发生的事件只有样本空间 才是必然事件 不可能事件在一定条件下，每次试验都必然不会发生的事件不可能事件是一个空集（）,310,二、随机事件的概率,3.1 随机事件及其概率,1.古典概率 2.统计概率 3.主观概率 4.概率的基本性质,311,随机事件的概率,概率用来度量随机事件发生的可能性大小的数值必然事件的概率为1，表示为P()=1不可能

4、事件发生的可能性是零，P()=0随机事件A的概率介于0和1之间，0P(A)1概率的三种定义，给出了确定随机事件概率的三条途经。,312,概率的古典定义,古典概型（等可能概型）具有以下两特点每次试验的可能结果有限（即样本空间中基本事件总数有限）每个试验结果（基本事件）出现的可能性相同它是概率论的发展过程中人们最早研究的对象,313,概率的古典定义,概率的古典定义前提：古典概型定义（公式）,计算古典概率常用到排列组合知识,314,【例3-1】,设有50件产品，其中有5件次品，现从这50件中任取2件，求抽到的两件产品均为合格品的概率是多少？抽到的两件产品均为次品的概率又是多少？解：任一件被抽到的机会

5、均等，而且从50件产品中抽出2件相当于从50个元素中取2个进行组合，共有C502种可能，所以这是一个古典概型。,315,【例3-1】,设有50件产品，其中有5件次品，现从这50件中任取2件，求抽到的两件产品均为合格品的概率是多少？抽到的两件产品均为次品的概率又是多少？用A表示“抽到的两件均为合格品”，B表示“抽到的两件均为次品”，则,316,概率的统计定义,若在相同条件下重复进行的n次试验中，事件A发生了m，当试验次数 n 很大时，事件A发生频率m/n 稳定地在某一常数 p 上下波动，而且这种波动的幅度一般会随着试验次数增加而缩小，则定义 p 为事件A发生的概率,当n相当大时，可用事件发生的频

6、率m/n作为其概率的一个近似值计算概率的统计方法（频率方法）,317,例（补充）,根据古典概率定义可算出，抛一枚质地均匀的硬币，出现正面与出现反面的概率都是0.5。历史上有很多人都曾经做过抛硬币试验。,318,统计概率,例如，投掷一枚硬币，出现正面和反面的频率，随着投掷次数 n 的增大，出现正面和反面的频率稳定在1/2左右,319,【例3-2】,某地区几年来新生儿性别的统计资料如下表所示，由此可判断该地区新生儿为男婴的概率是多少？,320,3.主观概率,有些随机事件发生的可能性，既不能通过等可能事件个数来计算，也不能根据大量重复试验的频率来近似主观概率依据人们的主观判断而估计的随机事件发生的可

7、能性大小 例如某经理认为新产品畅销的可能性是80人们的经验、专业知识、对事件发生的众多条件或影响因素的分析等等，都是确定主观概率的依据,321,4.概率的基本性质,非负性：对任意事件A，有 0 P(A)1。规范性：必然事件的概率为1，即：P()=1不可能事件的概率为0，即：P()=0。可加性：若A与B互斥，则：P(AB)=P(A)+P(B)对于多个两两互斥事件A1，A2，An，则有：P(A1A2 An)=P(A1)+P(A2)+P(An)上述三条基本性质，也称为概率的三条公理。,322,(补充）关于概率的公理化定义,概率的以上三种定义，各有其特定的应用范围，也存在局限性，都缺乏严密性。古典定义

8、要求试验的基本事件有限且具有等可能性统计定义要求试验次数充分大，但试验次数究竟应该取多大、频率与概率有多么接近都没有确切说明主观概率的确定又具有主观随意性苏联数学家柯尔莫哥洛夫于1933年提出了概率的公理化定义通过规定应具备的基本性质来定义概率公理化定义为概率论严谨的逻辑推理打下了坚实的基础。,323,三、概率的运算法则,3.1 随机事件及其概率,1.加法公式 2.乘法公式 3.全概率公式和贝叶斯公式,324,1.加法公式,用于求P(AB)“事件A或B至少有一个发生”的概率互斥事件（互不相容事件）不可能同时发生的事件没有公共样本点,P(AB)=P(A)+P(B),互斥事件的加法公式,P(A1A

9、2 An)=P(A1)+P(A2)+P(An),325,【例3-3】,设有50件产品，其中有5件次品，现从这50件中任取2件，若问至少抽到一件次品的概率？解：“至少抽到一件次品”这一事件实质上就是“抽取的2件产品中有一件次品”（记为A）与“抽取的两件产品均为次品”（记为B）这两个事件的和。由于A与B是两个互斥事件，故计算“至少抽到一件次品”的概率采用公式：P(AB)=P(A)+P(B),326,事件的补(对立事件、互逆事件）,事件的补事件A的补就是所有在样本空间S内但不包括在A内的所样本点的集合：互补事件的概率之和等于1,A,A,例如：掷一个骰子，“出现2点”的概率是1/6，则“不出现2点”的

10、概率就是5/6。,327,相容事件的加法公式,相容事件两个事件有可能同时发生有公共样本点相容事件的加法公式（广义加法公式）,P(AB)=P(A)+P(B)-P(AB),事件的积（交）AB,事件的和（并）,328,【例3-4】,将分别写有0至9这十个号码的小球装入一容器中，反复搅拌之后任意摇出一个小球，观察其号码。试求出现“奇数或大于等于4的数”的概率。解：所求事件 奇数(A)大于等于4的数(B)0,1,2,3,9，A1,3,5,7,9，B4,5,6,7,8,9 由于等可能性，P(A)=5/10,P(B)=6/10。P(A)+P(B)1,显然P(AB)P(A)P(B)因为A和B存在共同部分AB5

11、,7,9，P(AB)3/10。在P(A)+P(B)中P(AB)被重复计算了。正确计算是：P(AB)5/106/103/108/100.8,329,2.乘法公式,用于计算两个事件同时发生的概率。也即“A发生且B发生”的概率 P(AB)先关注事件是否相互独立,330,（1）条件概率,条件概率在某些附加条件下计算的概率在已知事件B已经发生的条件下A发生的条件概率P(A|B)条件概率的一般公式：,其中 P(B)0,331,【例3-5】,某公司甲乙两厂生产同种产品。甲厂生产400件，其中一级品为280件；乙厂生产600件，其中一级品有360件。若要从该厂的全部产品中任意抽取一件，试求：已知抽出产品为一级

12、品的条件下该产品出自甲厂的概率；已知抽出产品出自甲厂的条件下该产品为一级品的概率。解：设A“甲厂产品”，B“一级品”，则：P(A)0.4，P(B)0.64，P(AB)0.28 所求概率为事件B发生条件下A发生的条件概率 P(A|B)0.28/0.64所求概率为事件A发生条件下B发生的条件概率 P(B|A)0.28/0.4,332,P(A|B)在B发生的所有可能结果中AB发生的概率即在样本空间中考虑的条件概率P(A|B)，就变成在新的样本空间B中计算事件AB的概率问题了,（1）条件概率（续）,一旦事件B已发生,333,乘法公式的一般形式：,P(AB)P(A)P(B|A)或 P(AB)P(B)P(

13、A|B),【例3-6】对例3-1中的问题（从这50件中任取2件产品，可以看成是分两次抽取，每次只抽取一件，不放回抽样）解：A1第一次抽到合格品，A2第二次抽到合格品，A1A2抽到两件产品均为合格品P(A1 A2)P(A1)P(A2|A1),334,事件的独立性,两个事件独立一个事件的发生与否并不影响另一个事件发生的概率P(A|B)P(A)，或 P(B|A)P(B),独立事件的乘法公式：,P(AB)P(A)P(B),推广到n 个独立事件，有：,P(A1An)P(A1)P(A2)P(An),335,3.全概率公式,完备事件组事件A1、A2、An互不相容，AA2An且P(Ai)0（i=1、2、.、n

14、）对任一事件B，它总是与完备事件组A1、A2、An之一同时发生，则有求P(B)的全概率公式：,336,【例3-7】有甲乙两个袋子，甲袋中有两个白球，1个红球，乙袋中有两个红球，一个白球这六个球手感上不可区别今从甲袋中任取一球放入乙袋，搅匀后再从乙袋中任取一球，问此球是红球的概率？,解：设A1从甲袋放入乙袋的是白球；A2从甲袋放入乙袋的是红球；B从乙袋中任取一球是红球；,甲,乙,337,思考：上例中，若已知取到一个红球，则从甲袋放入乙袋的是白球的概率是多少？,答:,EX,已知某种疾病的发病率为0.1%,该种疾病患者一个月 以内的死亡率为90%；且知未患该种疾病的人一个月以内的死亡率为0.1%；现

15、从人群中任意抽取一人，问此人在一个月内死亡的概率是多少？若已知此人在一个月内死亡，则此人是因该种疾病致死的概率为多少？,338,全概率公式贝叶斯公式,全概率公式的直观意义：每一个Ai的发生都可能导致B出现，每一个Ai 导致B发生的概率为，因此作为结果的事件B发生的概率是各个“原因”Ai 引发的概率的总和 相反，在观察到事件B已经发生的条件下，确定导致B发生的各个原因Ai的概率贝叶斯公式（逆概率公式）（后验概率公式）,339,贝叶斯公式,若A1、A2、An为完备事件组，则对于任意随机事件B，有：,计算事件Ai在给定B条件下的条件概率公式。公式中，P(Ai)称为事件Ai的先验概率P(Ai|B)称为

16、事件Ai的后验概率,340,例 商店论箱出售玻璃杯，每箱20只，其中每箱含0，1，2只次品的概率分别为0.8,0.1,0.1，某顾客选中一箱，从中任选4只检查，结果都是好的，便买下了这一箱.问这一箱含有一个次品的概率是多少？,解:设A:从一箱中任取4只检查,结果都是好的.B0,B1,B2分别表示事件每箱含0，1，2只次品,已知:P(B0)=0.8,P(B1)=0.1,P(B2)=0.1,由Bayes公式:,341,3.2 随机变量及其概率分布,一、随机变量的概念 二、随机变量的概率分布 三、随机变量的数字特征 四、常见的离散型概率分布 五、常见的连续型概率分布,342,一、随机变量的概念,3.

17、2 随机变量及其概率分布,343,一、随机变量的概念,随机变量表示随机试验结果的变量取值是随机的，事先不能确定取哪一个值 一个取值对应随机试验的一个可能结果用大写字母如X、Y、Z.来表示，具体取值则用相应的小写字母如x、y、z来表示 根据取值特点的不同，可分为：离散型随机变量取值可以一一列举连续型随机变量取值不能一一列举,344,二、随机变量的概率分布,3.2 随机变量及其概率分布,1.离散型随机变量的概率分布 2.连续型随机变量的概率密度 3.分布函数,345,1.离散型随机变量的概率分布,X的概率分布X的有限个可能取值为xi与其概率 pi（i=1，2，3，n）之间的对应关系。概率分布具有如

18、下两个基本性质：（1）pi0，i=1,2,n；（2）,346,离散型概率分布的表示：,概率函数：P(X=xi)=pi分布列：分布图,347,2.连续型随机变量的概率密度,连续型随机变量的概率分布只能表示为：数学函数概率密度函数f(x)和分布函数F(x)图 形概率密度曲线和分布函数曲线概率密度函数f(x)的函数值不是概率。连续型随机变量取某个特定值的概率等于0只能计算随机变量落在一定区间内的概率由x轴以上、概率密度曲线下方面积来表示,348,概率密度f(x)的性质,（1）f(x)0。概率密度是非负函数。（2）,所有区域上取值的概率总和为1。,随机变量X在一定区间（a，b）上的概率：,349,3.

19、分布函数,适用于两类随机变量概率分布的描述分布函数的定义：F(x)PXx,连续型随机变量的分布函数,离散型随机变量的分布函数 F(x),分布函数与概率密度,350,三、随机变量的数字特征,3.2 随机变量及其概率分布,1.随机变量的数学期望 2.随机变量的方差和标准差 3.两个随机变量的协方差和相关系数,351,1.随机变量的数学期望,又称均值描述一个随机变量的概率分布的中心位置离散型随机变量 X的数学期望：相当于所有可能取值以概率为权数的平均值连续型随机变量X 的数学期望：,352,数学期望的主要数学性质,若k是一常数，则 E(k X)k E(X)对于任意两个随机变量X、Y，有 E(X+Y)

20、E(X)E(Y)若两个随机变量X、Y相互独立，则 E(XY)E(X)E(Y),353,2.随机变量的方差,方差是它的各个可能取值偏离其均值的离差平方的均值，记为D(x)或2公式：离散型随机变量的方差：连续型随机变量的方差：,354,方差和标准差（续）,标准差方差的平方根方差和标准差都反映随机变量取值的分散程度。它们的值越大，说明离散程度越大，其概率分布曲线越扁平。方差的主要数学性质：若k是一常数，则 D(k)0；D(kX)k2 D(X)若两个随机变量X、Y相互独立，则 D(X+Y)D(X)D(Y),355,【例】看图识方差（与标准差）。下画出四个分布列的线条图，其中垂线高度就是相应的概率。现要

21、问这四个分布列中哪个方差大，哪个方差小。,若方差Var(X)较小，则和式中每个乘积项都要很小，这必导致如下情况：（1）偏差xi-E(x)小，相应概率p(xi)可以大一点；（2）偏差xi-E(x)大，相应概率p(xi)必定小。这表明：离均值E（X）愈近的值xi的发生可能性愈大，而远离E（X）的值xi的发生可能性愈小。此种随机变量在E（X）附近取值的可能性很大，故其取值的波动就不会很大。,356,【例】,试求优质品件数的数学期望、方差和标准差。解：,0.6,357,3.两个随机变量的协方差和相关系数,协方差的定义,如果X,Y独立（不相关），则 Cov(X,Y)0 即 E(XY)E(X)E(Y)协方

22、差在一定程度上反映了X、Y之间的相关性协方差受两个变量本身量纲的影响。,358,相关系数,相关系数具有如下的性质：相关系数是一个无量纲的值 0|0当=0，两个变量不相关（不存在线性相关）当|=1，两个变量完全线性相关,359,四、常见离散型随机变量的概率分布,3.2 随机变量及其概率分布,1.二项分布 2.泊松分布 3.超几何分布,360,1.二项分布（背景）,（背景）n重贝努里试验：一次试验只有两种可能结果用“成功”代表所关心的结果，相反的结果为“失败”每次试验中“成功”的概率都是 p n 次试验相互独立。,一次试验只有两种结果的试验称为Bernoulli试验,361,1.二项分布,在n重贝

23、努里试验中，“成功”的次数X服从参数为n、p的二项分布，记为 X B(n,p)二项分布的概率函数：,二项分布的数学期望和方差：,n1时，二项分布就成了二点分布（0-1分布）,362,二项分布图形,p0.5时，二项分布是以均值为中心对称p0.5时，二项分布总是非对称的p0.5时峰值在中心的右侧（负偏、左偏）随着n无限增大，二项分布趋近于正态分布,p=0.3,p=0.5,p=0.7,二项分布图示,363,【例3-11】,某单位有4辆汽车，假设每辆车在一年中至多只发生一次损失且损失的概率为0.1。试求在一年内该单位：（1）没有汽车发生损失的概率；（2）有1辆汽车发生损失的概率；（3）发生损失的汽车不

24、超过2辆的概率。解：每辆汽车是否发生损失相互独立的，且损失的概率相同，因此，据题意，在4辆汽车中发生损失的汽车数X B(4,0.1)。,364,2.泊松分布,X 服从泊松分布，记为XP(）:,E(X)=D(X)=当 很小时，泊松分布呈偏态，并随着增大而趋于对称,365,泊松分布（应用背景）,通常是作为稀有事件发生次数X的概率分布模型。一段时间内某繁忙十字路口发生交通事故的次数一定时间段内某电话交换台接到的电话呼叫次数一匹布上发现的疵点个数一定时间内，到车站等候公共汽车的人数.服从泊松分布的现象的共同特征在任意两个很小的时间或空间区间内事件发生次数是相互独立的；各区间内事件发生次数只与区间长度成

25、比例，与区间起点无关；在一段充分小的区间内事件发生两次或两次以上的概率可以忽略不计,366,【例3-12】,设某种报刊的每版上错别字个数服从=2的泊松分布。随机翻看一版，求：（1）没有错别字的概率；（2）至多有5个错别字的概率。解：设X每版上错别字个数，则所求概率为：,367,二项分布的泊松近似,【前提】当n很大而 p又很小时，二项分布可用参数np 的泊松分布近似【例3-13】一工厂有某种设备80台，配备了3个维修工。假设每台设备的维修只需要一个维修工，设备发生故障是相互独立的，且每台设备发生故障的概率都是0.01。求设备发生故障而不能及时维修的概率是多少？解：XB(n=80，p=0.01)，

26、由于np=0.8很小，可以用0.8的泊松分布来近似计算其概率:,368,3.超几何分布,N个单位的有限总体中有M个单位具有某特征。用不重复抽样方法从总体中抽取n个单位，样本中具有某种特征的单位数X服从超几何分布，记为XH(n,N,M),数学期望和方差:,N很大而n相对很小时，趋于二项分布(p=M/N),369,五、常见的连续型概率分布,1.均匀分布X只在一有限区间 a，b 上取值且概率密度是一个常数其概率密度为：,X 落在子区间 c，d 内的概率与该子区间的长度成正比，与具体位置无关,P(cXd),370,2.正态分布,XN(、2)，其概率密度为：,正态分布的均值和标准差 均值 E(X)=方差

27、 D(X)=2,-x,371,2.正态曲线,正态曲线的主要特性关于x=对称的钟形曲线参数决定正态曲线的中心位置参数 决定正态曲线的陡峭或扁平程度以X轴为渐近线，即当x 时，f(x)0,372,标准正态分布,0、1的正态分布，记为N(0,1)其概率密度，分布函数(x)XN(、2),则：ZN(0，1),若 ZN(0，1)，则有：P（|Z|a）2(a)1(-a)=1(a),标准化,373,【例3-14】,某厂生产的某种节能灯管的使用寿命服从正态分布，对某批产品测试的结果，平均使用寿命为1050小时，标准差为200小时。试求：（a）使用寿命在500小时以下的灯管占多大比例？（b）使用寿命在850145

28、0小时的灯管占多大比例？（c）以均值为中心，95的灯管的使用寿命在什么范围内？,374,解,X使用寿命，XN(1050，2002),(2)(-1)0.977250.158650.8186,95的灯管寿命在均值左右392（即6581442）小时,1(2.75)10.997020.00298,375,3 准则,设XN(0,1)时，我们得到下列结论：P(|X|1)=2F(1)-1=0.6826 P(|X|2)=2F(2)-1=0.9545 P(|X|3)=2F(3)-1=0.9973这说明，X的取值几乎全部集中在-3,3区间内，超出这个范围的可能性不到0.3%。,设XN(m,s2)时，我们得到下列结

29、论：P(|X-m|s)=0.6826 P(|X-m|2s)=0.9545 P(|X-m|3s)=0.9973,376,正态分布最常用、最重要,大千世界中许多常见的随机现象服从或近似服从正态分布例如，测量误差，同龄人的身高、体重，一批棉纱的抗拉强度，一种设备的使用寿命，农作物的产量特点是“中间多两头少”由于正态分布特有的数学性质，正态分布在很多统计理论中都占有十分重要的地位正态分布是许多概率分布的极限分布统计推断中许多重要的分布（如2分布、t分布、F分布）都是在正态分布的基础上推导出来的。,377,用正态分布近似二项分布,XB(n，p)，当n充分大时，XN(n p，np(1-p)【例3-15】假

30、设有一批种子的发芽率为0.7。现有这种种子1000颗，试求其中有720颗以上发芽的概率。解：设X发芽种子颗数，XB(1000，0.7)。近似地 XN(700，210)。P(X720)P(Z1.38)1P(Z1.38)10.91620.0838,378,用正态分布近似二项分布,用正态分布近似二项分布的前提n很大，p不能太接近 0 或 1（否则二项分布太偏）一般要求np和np(1-p)都要大于5如果np或np(1-p)小于5，二项分布可以用泊松分布来近似,379,3.3 大数定律与中心极限定理,一、大数定律 二、中心极限定理,380,大数定律与中心极限定理,二、大数定律1.切比雪夫不等式2.切比雪

31、夫大数定律3.贝努力大数定律4.辛钦大数定律,三、中心极限定理独立同分布中心极限定理Lyapunov中心极限定理De-Moivere-Laplace中心极限定理,一、背景,381,大数定律与中心极限定理,一、背景,1.为何能以某事件发生的频率作为该事件的概率的估计？,2.为何能以样本均值作为总体期望的估计？,3.为何正态分布在概率论中占有极其重要的地位？,4.大样本统计推断的理论基础是什么？,382,大数定律与中心极限定理,二、大数定律,1.切比雪夫不等式,383,大数定律与中心极限定理,二、大数定律,2.切比雪夫大数定理,384,证 根据已知条件,由切比雪夫不等式，有,又,所以,385,大数

32、定律与中心极限定理,二、大数定律,3.伯努例大数定理,386,证 设,那么 相互独立，且服从参数为p的01分布，E(Xk)=p，D(Xk)=p(1-p).,由切比雪夫大数定理,有,即,387,大数定律与中心极限定理,二、大数定律,4.辛钦大数定理,388,定义1 设Y1，Y2，Yn，,是一随机变量序列，a为一常数.若对任意给定正数0,有则称随机变量序列Y1,Y2,Yn,依概率收敛于a,大数定律与中心极限定理,二、大数定律,定义2 设X1，X2，Xn，是一随机变量序列.若存在常数列an使对任意给定的正数，恒有,则称随机变量序列Yn服从大数定律,389,大数定律与中心极限定理,三、中心极限定理,1

33、.独立同分布中心极限定理,若X1，X2，Xn，为独立同分布随机变量序列,E(Xk)=D(Xk)=2(k=1,2,)，则随机变量标准化量的分布函数Fn(x)对于任意x满足,390,391,例1 一个加法器同时收到20个噪声电压Vk,(k=1,2,20),设他们是相互独立的随机变量,且都在区间(0,10)内服从均匀分布.记，求.,解 由题意,随机变量,于是,392,所以,393,大数定律与中心极限定理,三、中心极限定理,2.李雅普诺夫中心极限定理,若X1，X2，Xn，为独立同分布随机变量序列,，若存在正数，使当 时，则随机变量标准化量Zn的分布函数Fn(x)对于任意x满足,394,说明：无论各随机

34、变量Xk(k=1,2,)服从什么分布，只要满足定理的条件，那么他们的和当n很大时，就近似服从正态分布，这就是为什么正态随机变量在概率论中占有非常重要地位的一个基本原因.,395,大数定律与中心极限定理,三、中心极限定理,3.棣莫弗拉普拉斯中心极限定理,设随机变量服 从参数为n,p的二项分布，则对任意x，有,396,证 设Xk(k=1,2,)服从参数为p的0-1分布，那么,于是由独立同分布中心极限定理，得,397,分析 我们将每使用一部电话分机看作是一次试验，那么260部电话分机同时使用外线通话的分机数记X,则X是一个随机变量，且有X服从参数为260，0.04的二项分布.总机需备m条外线才能95

35、%满足每部分机在使用外线时不用等候,即PX m0.95.,例2 某单位内部有260部电话分机，每部分机有4%的时间使用外线与外界通话，可以认为每部电话分机使用不同的外线是相互独立的，问总机需备多少条外线才能95%满足每部分机在使用外线时不用等候?,398,例2 某单位内部有260部电话分机，每部分机有4%的时间使用外线与外界通话，可以认为每部电话分机使用不同的外线是相互独立的，问总机需备多少条外线才能95%满足每部分机在使用外线时不用等候?,解 设260部电话分机同时使用外线通话的分机数为X,则X服从参数为260，0.04的二项分布.总机需备m条外线才能95%满足每部分机在使用外线时不用等候.

36、由已知条件及拉普拉斯中心极限定理，有,399,查表.不妨取,这就是说，总机至少需备16条外线才能95%满足每部分机在使用外线时不用等候.,3100,例3 对于一个学生而言，来参加家长会的家长人数是一个随机变量，设一个学生无家长、1名家长、2名家长来参加会议的概率分别为0.05、0.8、0.15.若学校共有400名学生，设各学生参加会议的家长数相互独立，且服从统一分布.(1)求参加会议的家长人数X超过450的概率；(2)求有1名家长来参加会议的学生人数不多于340的概率.,3101,解(1)以Xk记第k个学生来参加会议的家长人数，则由已知条件Xk的分布率为,可以计算E(Xk)=1.1，D(Xk)

37、=0.19，k=1，2，400.由独立同分布中心极限定理，得,3102,解(2)以Y记由一名家长参加会议的学生人数，则Y服从参数为400，0.8的二项分布.于是由棣莫弗拉普拉斯中心极限定理，得,从而有1名家长来参加会议的学生人数不多于340的概率约为0.9938.,3103,例4 某车间有200台车床,假设每台独立工作，开工率为0.7.开工时每台耗电量为15千瓦.问供电所至少要供给这个车间多少电力,才能以99.9%的概率保证这个车间不会因供电不足而影响生产？,查表，所以,解 供电所至少要供给这个车间x千瓦的电力,才能以99.9%的概率保证这个车间不会因供电不足而影响生产.以X记200台车床在同

38、一时间段内开动的台数，则由已知条件X服从参数为200，0.7的二项分布，于是由棣莫弗拉普拉斯中心极限定理有,即供电所至少要供给这个车间2392.6千瓦的电力.,3104,中心极限定理的意义,在前面曾讲过有许多随机现象服从正态分布,若联系于此随机现象的随机变量为X，,是由于许多彼次没有什么相依关,系、对随机现象谁也不能起突出影响，而,均匀地起到微小作用的随机因素共同作用,则它可被看成为许多相互独立的起微小作,用的因素Xk的总和，而这个总和服从,或近似服从正态分布.,(即这些因素的叠加)的结果.,3105,例1 炮火轰击敌方防御工事 100 次,每次轰击命中的炮弹数服从同一分布,其数学期望为 2,

39、均方差为1.5.若各次轰击命中的炮弹数是相互独立的,求100 次轰击,(1)至少命中180发炮弹的概率;(2)命中的炮弹数不到200发的概率.,3106,解 设 X k 表示第 k 次轰击命中的炮弹数,相互独立，,设 X 表示100次轰击命中的炮弹数,则,由独立同分布中心极限定理,有,3107,(1),(2),3108,例2 检验员逐个检查某产品,每查一个需用10秒钟.但有的产品需重复检查一次，再用去10秒钟.若产品需重复检查的概率为 0.5,求检验员在 8 小时内检查的产品多于1900个的概率.,解 若在 8 小时内检查的产品多于1900个,即检查1900个产品所用的时间小于 8 小时.,设

40、 X 为检查1900 个产品所用的时间(秒),设 Xk 为检查第 k 个产品所用的时间(单位：秒),k=1,2,1900,3109,0.5 0.5,相互独立同分布,3110,3111,例3 设有一批种子，其中良种占1/6.试估计在任选的6000粒种子中，良种比例与 1/6 比较上下不超过1%的概率.,解 设 X 表示6000粒种子中的良种数,X B(6000,1/6),由德莫佛拉普拉斯中心极限定理,则,有,3112,3113,为什么很多随机现象呈正态分布,自然界和社会经济现象中，这类现象很普遍，许许多多的随机变量都可以视为众多独立随机变量之总和。例如：一个城市的居民生活用电总量是大量相互独立居

41、民户用电量的总和；炮弹射击的误差，也可以看作是很多因素引起的小误差之总和。由中心极限定理可知，即使各单个随机变量的分布并不明确，但只要它们存在有限均值和方差，这个众多独立的随机变量之总和的分布就趋近于正态分布。,正态分布也称为常态分布,3114,本章小结,随机现象、随机试验、事件的概念概率的定义、基本性质和运算法则随机变量的概念、概率分布的表示随机变量的主要数字特征三种常见的离散型概率分布二项分布、泊松分布和超几何分布两种连续型概率分布均匀分布、正态分布的主要特征和应用大数定律和中心极限定理,3115,常用概率分布及其均值、方差,3116,3117,3118,3119,3120,3121,3122,3123,3124,3125,3126,