Professional Documents
Culture Documents
离散型随机变量
《概率论与数理统计》
第二章 随机变量及其概率分布
汤银才
华东师范大学 金融与统计学院
《概率论与数理统计》
第二章 随机变量及其概率分布
汤银才
华东师范大学 金融与统计学院
复习:随机变量统计规律的刻划
把握随机变量的统计规律性,需要把握其两个方面:
1 取值范围;
2 取值概率.
若X为离散型r.v., 则其取值为xi , i = 1, 2, · · · , 取值概率
为P(X = xi );
复习:随机变量统计规律的刻划
把握随机变量的统计规律性,需要把握其两个方面:
1 取值范围;
2 取值概率.
若X为离散型r.v., 则其取值为xi , i = 1, 2, · · · , 取值概率
为P(X = xi );
复习:随机变量统计规律的刻划
把握随机变量的统计规律性,需要把握其两个方面:
1 取值范围;
2 取值概率.
若X为离散型r.v., 则其取值为xi , i = 1, 2, · · · , 取值概率
为P(X = xi );
复习:随机变量统计规律的刻划
把握随机变量的统计规律性,需要把握其两个方面:
1 取值范围;
2 取值概率.
若X为离散型r.v., 则其取值为xi , i = 1, 2, · · · , 取值概率
为P(X = xi );
复习:随机变量统计规律的刻划
把握随机变量的统计规律性,需要把握其两个方面:
1 取值范围;
2 取值概率.
若X为离散型r.v., 则其取值为xi , i = 1, 2, · · · , 取值概率
为P(X = xi );
复习:随机变量统计规律的刻划
把握随机变量的统计规律性,需要把握其两个方面:
1 取值范围;
2 取值概率.
若X为离散型r.v., 则其取值为xi , i = 1, 2, · · · , 取值概率
为P(X = xi );
2.2.1 离散型r.v.的分布列
定义2.1 (离散型r.v.的分布列: )
设X为离散型r.v.,
所有可能的取值为x1 , x2 , · · · , xn , · · · ,
取值概率为P(X = xi ) = pi ≥ 0, i = 1, 2, · · · , n, · · · ,
∞
满足条件:
P
pi = 1
i=1
则称{pi }为r.v. X的分布列(或概率分布), 记为X ∼ {pi }, 读作
“随机变量X服从分布{pi }”.
2.2.1 离散型r.v.的分布列
定义2.1 (离散型r.v.的分布列: )
设X为离散型r.v.,
所有可能的取值为x1 , x2 , · · · , xn , · · · ,
取值概率为P(X = xi ) = pi ≥ 0, i = 1, 2, · · · , n, · · · ,
∞
满足条件:
P
pi = 1
i=1
则称{pi }为r.v. X的分布列(或概率分布), 记为X ∼ {pi }, 读作
“随机变量X服从分布{pi }”.
2.2.1 离散型r.v.的分布列
定义2.1 (离散型r.v.的分布列: )
设X为离散型r.v.,
所有可能的取值为x1 , x2 , · · · , xn , · · · ,
取值概率为P(X = xi ) = pi ≥ 0, i = 1, 2, · · · , n, · · · ,
∞
满足条件:
P
pi = 1
i=1
则称{pi }为r.v. X的分布列(或概率分布), 记为X ∼ {pi }, 读作
“随机变量X服从分布{pi }”.
2.2.1 离散型r.v.的分布列
定义2.1 (离散型r.v.的分布列: )
设X为离散型r.v.,
所有可能的取值为x1 , x2 , · · · , xn , · · · ,
取值概率为P(X = xi ) = pi ≥ 0, i = 1, 2, · · · , n, · · · ,
∞
满足条件:
P
pi = 1
i=1
则称{pi }为r.v. X的分布列(或概率分布), 记为X ∼ {pi }, 读作
“随机变量X服从分布{pi }”.
2.2.1 离散型r.v.的分布列
定义2.1 (离散型r.v.的分布列: )
设X为离散型r.v.,
所有可能的取值为x1 , x2 , · · · , xn , · · · ,
取值概率为P(X = xi ) = pi ≥ 0, i = 1, 2, · · · , n, · · · ,
∞
满足条件:
P
pi = 1
i=1
则称{pi }为r.v. X的分布列(或概率分布), 记为X ∼ {pi }, 读作
“随机变量X服从分布{pi }”.
分布列的表示方式
离散型r.v.的分布列的表示:
解析式: P(X = xi ) = pi , i = 1, 2, · · · ,;
列表式:
X x1 x2 · · · xn · · ·
p p1 p2 · · · pn · · ·
线条图;(见Page 70)
概率直方图.(见Page 70)
分布列的表示方式
离散型r.v.的分布列的表示:
解析式: P(X = xi ) = pi , i = 1, 2, · · · ,;
列表式:
X x1 x2 · · · xn · · ·
p p1 p2 · · · pn · · ·
线条图;(见Page 70)
概率直方图.(见Page 70)
分布列的表示方式
离散型r.v.的分布列的表示:
解析式: P(X = xi ) = pi , i = 1, 2, · · · ,;
列表式:
X x1 x2 · · · xn · · ·
p p1 p2 · · · pn · · ·
线条图;(见Page 70)
概率直方图.(见Page 70)
分布列的表示方式
离散型r.v.的分布列的表示:
解析式: P(X = xi ) = pi , i = 1, 2, · · · ,;
列表式:
X x1 x2 · · · xn · · ·
p p1 p2 · · · pn · · ·
线条图;(见Page 70)
概率直方图.(见Page 70)
分布列的表示方式
离散型r.v.的分布列的表示:
解析式: P(X = xi ) = pi , i = 1, 2, · · · ,;
列表式:
X x1 x2 · · · xn · · ·
p p1 p2 · · · pn · · ·
线条图;(见Page 70)
概率直方图.(见Page 70)
要点1: 分布列的基本性质
离散型r.v.的分布列的基本性质:
pi ≥ 0, i = 1, 2, · · · , n, c . . . ,(非负性)
∞
P
pi = 1 (正则性)
i=1
分布列的作用
离散型随机变量(的统计规律)由它的分布列唯一确定.
要点1: 分布列的基本性质
离散型r.v.的分布列的基本性质:
pi ≥ 0, i = 1, 2, · · · , n, c . . . ,(非负性)
∞
P
pi = 1 (正则性)
i=1
分布列的作用
离散型随机变量(的统计规律)由它的分布列唯一确定.
要点1: 分布列的基本性质
离散型r.v.的分布列的基本性质:
pi ≥ 0, i = 1, 2, · · · , n, c . . . ,(非负性)
∞
P
pi = 1 (正则性)
i=1
分布列的作用
离散型随机变量(的统计规律)由它的分布列唯一确定.
要点2: 离散型r.v.的分布函数
离散型r.v.的分布函数:
X
F (x) = P(X = xi ), x ∈ R.
xi ≤x
F (x)是递增的阶梯函数;
其间断点均为右连续的;
其间断点即为X 的可能取值点;
其间断点的跳跃高度即为对应的概率值.
要点2: 离散型r.v.的分布函数
离散型r.v.的分布函数:
X
F (x) = P(X = xi ), x ∈ R.
xi ≤x
F (x)是递增的阶梯函数;
其间断点均为右连续的;
其间断点即为X 的可能取值点;
其间断点的跳跃高度即为对应的概率值.
要点2: 离散型r.v.的分布函数
离散型r.v.的分布函数:
X
F (x) = P(X = xi ), x ∈ R.
xi ≤x
F (x)是递增的阶梯函数;
其间断点均为右连续的;
其间断点即为X 的可能取值点;
其间断点的跳跃高度即为对应的概率值.
要点2: 离散型r.v.的分布函数
离散型r.v.的分布函数:
X
F (x) = P(X = xi ), x ∈ R.
xi ≤x
F (x)是递增的阶梯函数;
其间断点均为右连续的;
其间断点即为X 的可能取值点;
其间断点的跳跃高度即为对应的概率值.
要点2: 离散型r.v.的分布函数
离散型r.v.的分布函数:
X
F (x) = P(X = xi ), x ∈ R.
xi ≤x
F (x)是递增的阶梯函数;
其间断点均为右连续的;
其间断点即为X 的可能取值点;
其间断点的跳跃高度即为对应的概率值.
要点4: 离散随机变量有三大类习题:
离散型r.v.的三大类习题:
1 求出分布列(确定r.v.的取值与取值概率);
2 由分布列求分布函数(求和);
3 由分布函数求分布列(求跳跃度).
要点4: 离散随机变量有三大类习题:
离散型r.v.的三大类习题:
1 求出分布列(确定r.v.的取值与取值概率);
2 由分布列求分布函数(求和);
3 由分布函数求分布列(求跳跃度).
要点4: 离散随机变量有三大类习题:
离散型r.v.的三大类习题:
1 求出分布列(确定r.v.的取值与取值概率);
2 由分布列求分布函数(求和);
3 由分布函数求分布列(求跳跃度).
要点4: 离散随机变量有三大类习题:
离散型r.v.的三大类习题:
1 求出分布列(确定r.v.的取值与取值概率);
2 由分布列求分布函数(求和);
3 由分布函数求分布列(求跳跃度).
例2.2.1
例2.2.1:
一汽车沿一街道行驶,需要通过三个均设有红绿信号灯的路口,
每个信号灯为红或绿与其它信号灯为红或绿相互独立, 且红绿两
种信号灯显示的时间相等. 以X 表示该汽车首次遇到红灯前已通
过的路口的个数, 求X 的分布列.
解:
1 X可取值0, 1, 2, 3;
2 Ai ={第i个路口遇红灯}, i=1,2,3
3 P(X = 0) = P(A1 ) = 21 ;
1 1
4 P(X = 1) = P(Ā1 A2 ) = 2 × 2 = 41 ;
1 1 1
5 P(X = 2) = P(Ā1 Ā2 A3 ) = 2 × 2 × 2 = 81 ;
1 1 1
6 P(X = 3) = P(Ā1 Ā2 Ā3 ) = 2 × 2 × 2 = 81 ;
所以r.v. X的分布列为:
X 0 1 2 3
1 1 1 1
p 2 4 8 8
解:
1 X可取值0, 1, 2, 3;
2 Ai ={第i个路口遇红灯}, i=1,2,3
3 P(X = 0) = P(A1 ) = 21 ;
1 1
4 P(X = 1) = P(Ā1 A2 ) = 2 × 2 = 41 ;
1 1 1
5 P(X = 2) = P(Ā1 Ā2 A3 ) = 2 × 2 × 2 = 81 ;
1 1 1
6 P(X = 3) = P(Ā1 Ā2 Ā3 ) = 2 × 2 × 2 = 81 ;
所以r.v. X的分布列为:
X 0 1 2 3
1 1 1 1
p 2 4 8 8
解:
1 X可取值0, 1, 2, 3;
2 Ai ={第i个路口遇红灯}, i=1,2,3
3 P(X = 0) = P(A1 ) = 21 ;
1 1
4 P(X = 1) = P(Ā1 A2 ) = 2 × 2 = 41 ;
1 1 1
5 P(X = 2) = P(Ā1 Ā2 A3 ) = 2 × 2 × 2 = 81 ;
1 1 1
6 P(X = 3) = P(Ā1 Ā2 Ā3 ) = 2 × 2 × 2 = 81 ;
所以r.v. X的分布列为:
X 0 1 2 3
1 1 1 1
p 2 4 8 8
解:
1 X可取值0, 1, 2, 3;
2 Ai ={第i个路口遇红灯}, i=1,2,3
3 P(X = 0) = P(A1 ) = 21 ;
1 1
4 P(X = 1) = P(Ā1 A2 ) = 2 × 2 = 41 ;
1 1 1
5 P(X = 2) = P(Ā1 Ā2 A3 ) = 2 × 2 × 2 = 81 ;
1 1 1
6 P(X = 3) = P(Ā1 Ā2 Ā3 ) = 2 × 2 × 2 = 81 ;
所以r.v. X的分布列为:
X 0 1 2 3
1 1 1 1
p 2 4 8 8
解:
1 X可取值0, 1, 2, 3;
2 Ai ={第i个路口遇红灯}, i=1,2,3
3 P(X = 0) = P(A1 ) = 21 ;
1 1
4 P(X = 1) = P(Ā1 A2 ) = 2 × 2 = 41 ;
1 1 1
5 P(X = 2) = P(Ā1 Ā2 A3 ) = 2 × 2 × 2 = 81 ;
1 1 1
6 P(X = 3) = P(Ā1 Ā2 Ā3 ) = 2 × 2 × 2 = 81 ;
所以r.v. X的分布列为:
X 0 1 2 3
1 1 1 1
p 2 4 8 8
解:
1 X可取值0, 1, 2, 3;
2 Ai ={第i个路口遇红灯}, i=1,2,3
3 P(X = 0) = P(A1 ) = 21 ;
1 1
4 P(X = 1) = P(Ā1 A2 ) = 2 × 2 = 41 ;
1 1 1
5 P(X = 2) = P(Ā1 Ā2 A3 ) = 2 × 2 × 2 = 81 ;
1 1 1
6 P(X = 3) = P(Ā1 Ā2 Ā3 ) = 2 × 2 × 2 = 81 ;
所以r.v. X的分布列为:
X 0 1 2 3
1 1 1 1
p 2 4 8 8
解:
1 X可取值0, 1, 2, 3;
2 Ai ={第i个路口遇红灯}, i=1,2,3
3 P(X = 0) = P(A1 ) = 21 ;
1 1
4 P(X = 1) = P(Ā1 A2 ) = 2 × 2 = 41 ;
1 1 1
5 P(X = 2) = P(Ā1 Ā2 A3 ) = 2 × 2 × 2 = 81 ;
1 1 1
6 P(X = 3) = P(Ā1 Ā2 Ā3 ) = 2 × 2 × 2 = 81 ;
所以r.v. X的分布列为:
X 0 1 2 3
1 1 1 1
p 2 4 8 8
思考题1:
由分布列求分布函数(续上题):
已知X的分布列
X 0 1 2 3
1 1 1 1
p 2 4 8 8
求r.v. X的分布函数.
思考题2:
由分布函数求分布列:
已知X的分布函数
0 x < 0,
1
0≤x <1
F (x) = 3
1
2 1≤x <2
1 x >2
求r.v. X的分布列.
2.2.2 离散型r.v.的数学期望
引入
“期望”是“平均数”、“平均值”的概念;
“数学期望”是基于概率分布的一种加权平均;
起源于(17世纪)赌博中分赃.(见Page 72)
2.2.2 离散型r.v.的数学期望
引入
“期望”是“平均数”、“平均值”的概念;
“数学期望”是基于概率分布的一种加权平均;
起源于(17世纪)赌博中分赃.(见Page 72)
2.2.2 离散型r.v.的数学期望
引入
“期望”是“平均数”、“平均值”的概念;
“数学期望”是基于概率分布的一种加权平均;
起源于(17世纪)赌博中分赃.(见Page 72)
2.2.2 离散型r.v.的数学期望
引入
“期望”是“平均数”、“平均值”的概念;
“数学期望”是基于概率分布的一种加权平均;
起源于(17世纪)赌博中分赃.(见Page 72)
2.2.2 离散型r.v.的数学期望的定义
定义2.2 (离散型r.v.的数学期望: )
设X为离散型r.v., 其分布列为
P(X = xi ) = pi ≥ 0, i = 1, 2, · · · , n, c . . . ,
∞
xi pi 绝对收敛, 则称级数的和
P
若级数
i=1
∞
X
E (X ) = xi pi
i=1
E(X)表示一种加权平均, 权重为分布列.
2.2.2 离散型r.v.的数学期望的定义
定义2.2 (离散型r.v.的数学期望: )
设X为离散型r.v., 其分布列为
P(X = xi ) = pi ≥ 0, i = 1, 2, · · · , n, c . . . ,
∞
xi pi 绝对收敛, 则称级数的和
P
若级数
i=1
∞
X
E (X ) = xi pi
i=1
E(X)表示一种加权平均, 权重为分布列.
期望的存在性
若此级数不绝对收敛, 则称X 的数学期望不存在.
若r.v. 的分布列有限, 设为
X ∼ P(X = xi ) = pi , i = 1, 2, · · · , n,
则其数学期望一定存在, 其值为
n
X
E (X ) = xi pi
i=1
期望的存在性
若此级数不绝对收敛, 则称X 的数学期望不存在.
若r.v. 的分布列有限, 设为
X ∼ P(X = xi ) = pi , i = 1, 2, · · · , n,
则其数学期望一定存在, 其值为
n
X
E (X ) = xi pi
i=1
例2.2.2
例2.2.2:
某人的一串钥匙上有n把钥匙,其中只有一把能打开自己的家
门,他随意地试用这串钥匙中的某一把去开门. 若每把钥匙试开
一次后除去,求打开门时试开次数的数学期望.
解:
1 设试开次数为X ;
2 X 分布列为: P(X = k) = n1 , k = 1, 2, · · · , n
3 X 的数学期望
n
X 1 n(n + 1) 1 n+1
E (X ) = k× = × = .
n 2 n 2
k=1
例2.2.2
例2.2.2:
某人的一串钥匙上有n把钥匙,其中只有一把能打开自己的家
门,他随意地试用这串钥匙中的某一把去开门. 若每把钥匙试开
一次后除去,求打开门时试开次数的数学期望.
解:
1 设试开次数为X ;
2 X 分布列为: P(X = k) = n1 , k = 1, 2, · · · , n
3 X 的数学期望
n
X 1 n(n + 1) 1 n+1
E (X ) = k× = × = .
n 2 n 2
k=1
例2.2.2
例2.2.2:
某人的一串钥匙上有n把钥匙,其中只有一把能打开自己的家
门,他随意地试用这串钥匙中的某一把去开门. 若每把钥匙试开
一次后除去,求打开门时试开次数的数学期望.
解:
1 设试开次数为X ;
2 X 分布列为: P(X = k) = n1 , k = 1, 2, · · · , n
3 X 的数学期望
n
X 1 n(n + 1) 1 n+1
E (X ) = k× = × = .
n 2 n 2
k=1
例2.2.2
例2.2.2:
某人的一串钥匙上有n把钥匙,其中只有一把能打开自己的家
门,他随意地试用这串钥匙中的某一把去开门. 若每把钥匙试开
一次后除去,求打开门时试开次数的数学期望.
解:
1 设试开次数为X ;
2 X 分布列为: P(X = k) = n1 , k = 1, 2, · · · , n
3 X 的数学期望
n
X 1 n(n + 1) 1 n+1
E (X ) = k× = × = .
n 2 n 2
k=1
想一想?
思考题
如果此人是一位醉汉结果又会如何?(当然他不会把试开过的钥匙
除去!)
例2.2.3
例2.2.3:
某推销人员与工人约定:
用船将一箱货物按期无损地运到目的地可得佣金10元;
若不按期则扣2元;
若货物有损(但按期到达)则扣5元;
若既不按期又有损坏则扣16元.
推销人员按其经验认为: 一箱货物出现上述四种情况的概率分别
为60%, 20%, 10%, 10%. 试问推销人员每箱期望可得多少钱?
例2.2.3
例2.2.3:
某推销人员与工人约定:
用船将一箱货物按期无损地运到目的地可得佣金10元;
若不按期则扣2元;
若货物有损(但按期到达)则扣5元;
若既不按期又有损坏则扣16元.
推销人员按其经验认为: 一箱货物出现上述四种情况的概率分别
为60%, 20%, 10%, 10%. 试问推销人员每箱期望可得多少钱?
例2.2.3
例2.2.3:
某推销人员与工人约定:
用船将一箱货物按期无损地运到目的地可得佣金10元;
若不按期则扣2元;
若货物有损(但按期到达)则扣5元;
若既不按期又有损坏则扣16元.
推销人员按其经验认为: 一箱货物出现上述四种情况的概率分别
为60%, 20%, 10%, 10%. 试问推销人员每箱期望可得多少钱?
例2.2.3
例2.2.3:
某推销人员与工人约定:
用船将一箱货物按期无损地运到目的地可得佣金10元;
若不按期则扣2元;
若货物有损(但按期到达)则扣5元;
若既不按期又有损坏则扣16元.
推销人员按其经验认为: 一箱货物出现上述四种情况的概率分别
为60%, 20%, 10%, 10%. 试问推销人员每箱期望可得多少钱?
例2.2.3
例2.2.3:
某推销人员与工人约定:
用船将一箱货物按期无损地运到目的地可得佣金10元;
若不按期则扣2元;
若货物有损(但按期到达)则扣5元;
若既不按期又有损坏则扣16元.
推销人员按其经验认为: 一箱货物出现上述四种情况的概率分别
为60%, 20%, 10%, 10%. 试问推销人员每箱期望可得多少钱?
例2.2.3
例2.2.3:
某推销人员与工人约定:
用船将一箱货物按期无损地运到目的地可得佣金10元;
若不按期则扣2元;
若货物有损(但按期到达)则扣5元;
若既不按期又有损坏则扣16元.
推销人员按其经验认为: 一箱货物出现上述四种情况的概率分别
为60%, 20%, 10%, 10%. 试问推销人员每箱期望可得多少钱?
解:
1 设X =推销人员用船运送货物每箱可得钱数;
2 X 分布列为
X 10 8 5 −6
p 0.6 0.2 0.1 0.1
3 X的数学期望
解:
1 设X =推销人员用船运送货物每箱可得钱数;
2 X 分布列为
X 10 8 5 −6
p 0.6 0.2 0.1 0.1
3 X的数学期望
解:
1 设X =推销人员用船运送货物每箱可得钱数;
2 X 分布列为
X 10 8 5 −6
p 0.6 0.2 0.1 0.1
3 X的数学期望
例2.2.4
例2.2.4(P74):
一团体有N个人, 参加验血普查某种疾病. 现有两种验血方案:
逐一验血—共需要N次!
分成k个人一组,血样合并后检验, 若呈阴性则只须检验一次;
若呈阳性, 则还需要检验k次.
设该团体得此病的概率为p, 且此病不传染. 问第二种检验方案是
否可减少工作量?
例2.2.4
例2.2.4(P74):
一团体有N个人, 参加验血普查某种疾病. 现有两种验血方案:
逐一验血—共需要N次!
分成k个人一组,血样合并后检验, 若呈阴性则只须检验一次;
若呈阳性, 则还需要检验k次.
设该团体得此病的概率为p, 且此病不传染. 问第二种检验方案是
否可减少工作量?
例2.2.4
例2.2.4(P74):
一团体有N个人, 参加验血普查某种疾病. 现有两种验血方案:
逐一验血—共需要N次!
分成k个人一组,血样合并后检验, 若呈阴性则只须检验一次;
若呈阳性, 则还需要检验k次.
设该团体得此病的概率为p, 且此病不传染. 问第二种检验方案是
否可减少工作量?
例2.2.4
例2.2.4(P74):
一团体有N个人, 参加验血普查某种疾病. 现有两种验血方案:
逐一验血—共需要N次!
分成k个人一组,血样合并后检验, 若呈阴性则只须检验一次;
若呈阳性, 则还需要检验k次.
设该团体得此病的概率为p, 且此病不传染. 问第二种检验方案是
否可减少工作量?
解:
1 设X =该团体需要的验血次数;
2 X 分布列为
X 1 k +1
p (1 − p)k 1 − (1 − p)k
3 X 的数学期望(一组的平均验血次数)为
h i
E (X ) = 1×(1−p)k +(k+1)× 1 − (1 − p)k = k+1−k(1−p)k .
4 k − E (X ) = k(1 − p)k − 1,
5 结论: 当2 ≤ k ≤ 33, 则E (X ) < k,即可减少工作量. k ≥ 34时
反而增加工作量. 若p = 0.10, 则k = 4时, E (X )达到最小.
解:
1 设X =该团体需要的验血次数;
2 X 分布列为
X 1 k +1
p (1 − p)k 1 − (1 − p)k
3 X 的数学期望(一组的平均验血次数)为
h i
E (X ) = 1×(1−p)k +(k+1)× 1 − (1 − p)k = k+1−k(1−p)k .
4 k − E (X ) = k(1 − p)k − 1,
5 结论: 当2 ≤ k ≤ 33, 则E (X ) < k,即可减少工作量. k ≥ 34时
反而增加工作量. 若p = 0.10, 则k = 4时, E (X )达到最小.
解:
1 设X =该团体需要的验血次数;
2 X 分布列为
X 1 k +1
p (1 − p)k 1 − (1 − p)k
3 X 的数学期望(一组的平均验血次数)为
h i
E (X ) = 1×(1−p)k +(k+1)× 1 − (1 − p)k = k+1−k(1−p)k .
4 k − E (X ) = k(1 − p)k − 1,
5 结论: 当2 ≤ k ≤ 33, 则E (X ) < k,即可减少工作量. k ≥ 34时
反而增加工作量. 若p = 0.10, 则k = 4时, E (X )达到最小.
解:
1 设X =该团体需要的验血次数;
2 X 分布列为
X 1 k +1
p (1 − p)k 1 − (1 − p)k
3 X 的数学期望(一组的平均验血次数)为
h i
E (X ) = 1×(1−p)k +(k+1)× 1 − (1 − p)k = k+1−k(1−p)k .
4 k − E (X ) = k(1 − p)k − 1,
5 结论: 当2 ≤ k ≤ 33, 则E (X ) < k,即可减少工作量. k ≥ 34时
反而增加工作量. 若p = 0.10, 则k = 4时, E (X )达到最小.
解:
1 设X =该团体需要的验血次数;
2 X 分布列为
X 1 k +1
p (1 − p)k 1 − (1 − p)k
3 X 的数学期望(一组的平均验血次数)为
h i
E (X ) = 1×(1−p)k +(k+1)× 1 − (1 − p)k = k+1−k(1−p)k .
4 k − E (X ) = k(1 − p)k − 1,
5 结论: 当2 ≤ k ≤ 33, 则E (X ) < k,即可减少工作量. k ≥ 34时
反而增加工作量. 若p = 0.10, 则k = 4时, E (X )达到最小.
例2.2.5
例2.2.5(P75):
有一批产品,其次品率为p, 现对其检验, 直到发现次品为止. 设
X =首次出现次品时的检验次数, 则
1 X 的分布列为P(X = x) = p(1 − p)x−1 , x = 1, 2, · · · (请你验
证它是分布列!);
1
2 X 的数学期望为: E (X ) = p
例2.2.5
例2.2.5(P75):
有一批产品,其次品率为p, 现对其检验, 直到发现次品为止. 设
X =首次出现次品时的检验次数, 则
1 X 的分布列为P(X = x) = p(1 − p)x−1 , x = 1, 2, · · · (请你验
证它是分布列!);
1
2 X 的数学期望为: E (X ) = p
例2.2.5
例2.2.5(P75):
有一批产品,其次品率为p, 现对其检验, 直到发现次品为止. 设
X =首次出现次品时的检验次数, 则
1 X 的分布列为P(X = x) = p(1 − p)x−1 , x = 1, 2, · · · (请你验
证它是分布列!);
1
2 X 的数学期望为: E (X ) = p
证明:
设q = 1 − p, 则
∞
X ∞
X
E (X ) = xpq x−1 = p xq x−1
x=1 x=1
∞
X d x
=p (q )
dq
x=1
"∞ #
d X x
=p q
dq
x=0
d 1
=p
dq 1 − q
1
=
p
证明:
设q = 1 − p, 则
∞
X ∞
X
E (X ) = xpq x−1 = p xq x−1
x=1 x=1
∞
X d x
=p (q )
dq
x=1
"∞ #
d X x
=p q
dq
x=0
d 1
=p
dq 1 − q
1
=
p
证明:
设q = 1 − p, 则
∞
X ∞
X
E (X ) = xpq x−1 = p xq x−1
x=1 x=1
∞
X d x
=p (q )
dq
x=1
"∞ #
d X x
=p q
dq
x=0
d 1
=p
dq 1 − q
1
=
p
证明:
设q = 1 − p, 则
∞
X ∞
X
E (X ) = xpq x−1 = p xq x−1
x=1 x=1
∞
X d x
=p (q )
dq
x=1
"∞ #
d X x
=p q
dq
x=0
d 1
=p
dq 1 − q
1
=
p
证明:
设q = 1 − p, 则
∞
X ∞
X
E (X ) = xpq x−1 = p xq x−1
x=1 x=1
∞
X d x
=p (q )
dq
x=1
"∞ #
d X x
=p q
dq
x=0
d 1
=p
dq 1 − q
1
=
p
2.2.3 常用离散分布
1. 几何分布
例2.2.5中的分布即为几何分布. 它在描述开关型(0-1)产品中
非常有用;
分布列: P(X = x) = p(1 − p)x−1 , x = 1, 2, · · · ;
记号: X ∼ Ge(p), 读作“r.v. X 服从几何分布Ge(p)”;
数学期望: E (X ) = p1 ;
模型: X 为独立重复的贝努里试验中, 出现“首次成功”时的
试验次数, 则X 服从几何分布;
性质—无记忆性: P(X > m + n|X > m) = P(X > n)(?).
2.2.3 常用离散分布
1. 几何分布
例2.2.5中的分布即为几何分布. 它在描述开关型(0-1)产品中
非常有用;
分布列: P(X = x) = p(1 − p)x−1 , x = 1, 2, · · · ;
记号: X ∼ Ge(p), 读作“r.v. X 服从几何分布Ge(p)”;
数学期望: E (X ) = p1 ;
模型: X 为独立重复的贝努里试验中, 出现“首次成功”时的
试验次数, 则X 服从几何分布;
性质—无记忆性: P(X > m + n|X > m) = P(X > n)(?).
2.2.3 常用离散分布
1. 几何分布
例2.2.5中的分布即为几何分布. 它在描述开关型(0-1)产品中
非常有用;
分布列: P(X = x) = p(1 − p)x−1 , x = 1, 2, · · · ;
记号: X ∼ Ge(p), 读作“r.v. X 服从几何分布Ge(p)”;
数学期望: E (X ) = p1 ;
模型: X 为独立重复的贝努里试验中, 出现“首次成功”时的
试验次数, 则X 服从几何分布;
性质—无记忆性: P(X > m + n|X > m) = P(X > n)(?).
2.2.3 常用离散分布
1. 几何分布
例2.2.5中的分布即为几何分布. 它在描述开关型(0-1)产品中
非常有用;
分布列: P(X = x) = p(1 − p)x−1 , x = 1, 2, · · · ;
记号: X ∼ Ge(p), 读作“r.v. X 服从几何分布Ge(p)”;
数学期望: E (X ) = p1 ;
模型: X 为独立重复的贝努里试验中, 出现“首次成功”时的
试验次数, 则X 服从几何分布;
性质—无记忆性: P(X > m + n|X > m) = P(X > n)(?).
2.2.3 常用离散分布
1. 几何分布
例2.2.5中的分布即为几何分布. 它在描述开关型(0-1)产品中
非常有用;
分布列: P(X = x) = p(1 − p)x−1 , x = 1, 2, · · · ;
记号: X ∼ Ge(p), 读作“r.v. X 服从几何分布Ge(p)”;
数学期望: E (X ) = p1 ;
模型: X 为独立重复的贝努里试验中, 出现“首次成功”时的
试验次数, 则X 服从几何分布;
性质—无记忆性: P(X > m + n|X > m) = P(X > n)(?).
2.2.3 常用离散分布
1. 几何分布
例2.2.5中的分布即为几何分布. 它在描述开关型(0-1)产品中
非常有用;
分布列: P(X = x) = p(1 − p)x−1 , x = 1, 2, · · · ;
记号: X ∼ Ge(p), 读作“r.v. X 服从几何分布Ge(p)”;
数学期望: E (X ) = p1 ;
模型: X 为独立重复的贝努里试验中, 出现“首次成功”时的
试验次数, 则X 服从几何分布;
性质—无记忆性: P(X > m + n|X > m) = P(X > n)(?).
常用离散分布
2. 二项分布
在n重贝努里试验中, 试验成功(A)的概率为p(0 < p < 1);
随机变量X ={试验成功的次数}
分布列P(X = x) = xn p x (1 − p)n−x , x = 0, 1, 2, · · · , n.(请证
明它是分布列!)
记号: X ∼ b(n, p), 读作r.v. X 服从二项分布b(n,p);
特例: 二点分布(0-1分布) — X ∼ b(1, p);
数学期望: E (X ) = np (?)
注1: p值决定了分布的形状— p = 0.5为对称分布;
p < 0.5为正偏分布; p < 0.5为负偏分布.(见Page 78例子)
注2: 分布函数值F (x) = P(X ≤ x)可查Page 482附表1.
常用离散分布
2. 二项分布
在n重贝努里试验中, 试验成功(A)的概率为p(0 < p < 1);
随机变量X ={试验成功的次数}
分布列P(X = x) = xn p x (1 − p)n−x , x = 0, 1, 2, · · · , n.(请证
明它是分布列!)
记号: X ∼ b(n, p), 读作r.v. X 服从二项分布b(n,p);
特例: 二点分布(0-1分布) — X ∼ b(1, p);
数学期望: E (X ) = np (?)
注1: p值决定了分布的形状— p = 0.5为对称分布;
p < 0.5为正偏分布; p < 0.5为负偏分布.(见Page 78例子)
注2: 分布函数值F (x) = P(X ≤ x)可查Page 482附表1.
常用离散分布
2. 二项分布
在n重贝努里试验中, 试验成功(A)的概率为p(0 < p < 1);
随机变量X ={试验成功的次数}
分布列P(X = x) = xn p x (1 − p)n−x , x = 0, 1, 2, · · · , n.(请证
明它是分布列!)
记号: X ∼ b(n, p), 读作r.v. X 服从二项分布b(n,p);
特例: 二点分布(0-1分布) — X ∼ b(1, p);
数学期望: E (X ) = np (?)
注1: p值决定了分布的形状— p = 0.5为对称分布;
p < 0.5为正偏分布; p < 0.5为负偏分布.(见Page 78例子)
注2: 分布函数值F (x) = P(X ≤ x)可查Page 482附表1.
常用离散分布
2. 二项分布
在n重贝努里试验中, 试验成功(A)的概率为p(0 < p < 1);
随机变量X ={试验成功的次数}
分布列P(X = x) = xn p x (1 − p)n−x , x = 0, 1, 2, · · · , n.(请证
明它是分布列!)
记号: X ∼ b(n, p), 读作r.v. X 服从二项分布b(n,p);
特例: 二点分布(0-1分布) — X ∼ b(1, p);
数学期望: E (X ) = np (?)
注1: p值决定了分布的形状— p = 0.5为对称分布;
p < 0.5为正偏分布; p < 0.5为负偏分布.(见Page 78例子)
注2: 分布函数值F (x) = P(X ≤ x)可查Page 482附表1.
常用离散分布
2. 二项分布
在n重贝努里试验中, 试验成功(A)的概率为p(0 < p < 1);
随机变量X ={试验成功的次数}
分布列P(X = x) = xn p x (1 − p)n−x , x = 0, 1, 2, · · · , n.(请证
明它是分布列!)
记号: X ∼ b(n, p), 读作r.v. X 服从二项分布b(n,p);
特例: 二点分布(0-1分布) — X ∼ b(1, p);
数学期望: E (X ) = np (?)
注1: p值决定了分布的形状— p = 0.5为对称分布;
p < 0.5为正偏分布; p < 0.5为负偏分布.(见Page 78例子)
注2: 分布函数值F (x) = P(X ≤ x)可查Page 482附表1.
常用离散分布
2. 二项分布
在n重贝努里试验中, 试验成功(A)的概率为p(0 < p < 1);
随机变量X ={试验成功的次数}
分布列P(X = x) = xn p x (1 − p)n−x , x = 0, 1, 2, · · · , n.(请证
明它是分布列!)
记号: X ∼ b(n, p), 读作r.v. X 服从二项分布b(n,p);
特例: 二点分布(0-1分布) — X ∼ b(1, p);
数学期望: E (X ) = np (?)
注1: p值决定了分布的形状— p = 0.5为对称分布;
p < 0.5为正偏分布; p < 0.5为负偏分布.(见Page 78例子)
注2: 分布函数值F (x) = P(X ≤ x)可查Page 482附表1.
常用离散分布
2. 二项分布
在n重贝努里试验中, 试验成功(A)的概率为p(0 < p < 1);
随机变量X ={试验成功的次数}
分布列P(X = x) = xn p x (1 − p)n−x , x = 0, 1, 2, · · · , n.(请证
明它是分布列!)
记号: X ∼ b(n, p), 读作r.v. X 服从二项分布b(n,p);
特例: 二点分布(0-1分布) — X ∼ b(1, p);
数学期望: E (X ) = np (?)
注1: p值决定了分布的形状— p = 0.5为对称分布;
p < 0.5为正偏分布; p < 0.5为负偏分布.(见Page 78例子)
注2: 分布函数值F (x) = P(X ≤ x)可查Page 482附表1.
常用离散分布
2. 二项分布
在n重贝努里试验中, 试验成功(A)的概率为p(0 < p < 1);
随机变量X ={试验成功的次数}
分布列P(X = x) = xn p x (1 − p)n−x , x = 0, 1, 2, · · · , n.(请证
明它是分布列!)
记号: X ∼ b(n, p), 读作r.v. X 服从二项分布b(n,p);
特例: 二点分布(0-1分布) — X ∼ b(1, p);
数学期望: E (X ) = np (?)
注1: p值决定了分布的形状— p = 0.5为对称分布;
p < 0.5为正偏分布; p < 0.5为负偏分布.(见Page 78例子)
注2: 分布函数值F (x) = P(X ≤ x)可查Page 482附表1.
例2.2.6
例2.2.6:
某集成电路不合格品率为0.1, 问需要采购多少块才能以99%的把
握保证其中的合格集成电路不少于12只.
解:
1 设需要采购n块, Xn 为n块集成电路中不合格品的个数;
2 欲求n, 满足: P(n − Xn ≥ 12) = P(Xn ≤ n − 12) ≥ 0.99,
(而P(n − 1 − Xn−1 ≥ 12) < 0.99);
3 Xn ∼ b(n, 0.1);
4 查表得: P(X16 ≤ 4) = 0.9830, P(X17 ≤ 5) = 0.9953;
5 所以n = 17.
例2.2.6
例2.2.6:
某集成电路不合格品率为0.1, 问需要采购多少块才能以99%的把
握保证其中的合格集成电路不少于12只.
解:
1 设需要采购n块, Xn 为n块集成电路中不合格品的个数;
2 欲求n, 满足: P(n − Xn ≥ 12) = P(Xn ≤ n − 12) ≥ 0.99,
(而P(n − 1 − Xn−1 ≥ 12) < 0.99);
3 Xn ∼ b(n, 0.1);
4 查表得: P(X16 ≤ 4) = 0.9830, P(X17 ≤ 5) = 0.9953;
5 所以n = 17.
例2.2.6
例2.2.6:
某集成电路不合格品率为0.1, 问需要采购多少块才能以99%的把
握保证其中的合格集成电路不少于12只.
解:
1 设需要采购n块, Xn 为n块集成电路中不合格品的个数;
2 欲求n, 满足: P(n − Xn ≥ 12) = P(Xn ≤ n − 12) ≥ 0.99,
(而P(n − 1 − Xn−1 ≥ 12) < 0.99);
3 Xn ∼ b(n, 0.1);
4 查表得: P(X16 ≤ 4) = 0.9830, P(X17 ≤ 5) = 0.9953;
5 所以n = 17.
例2.2.6
例2.2.6:
某集成电路不合格品率为0.1, 问需要采购多少块才能以99%的把
握保证其中的合格集成电路不少于12只.
解:
1 设需要采购n块, Xn 为n块集成电路中不合格品的个数;
2 欲求n, 满足: P(n − Xn ≥ 12) = P(Xn ≤ n − 12) ≥ 0.99,
(而P(n − 1 − Xn−1 ≥ 12) < 0.99);
3 Xn ∼ b(n, 0.1);
4 查表得: P(X16 ≤ 4) = 0.9830, P(X17 ≤ 5) = 0.9953;
5 所以n = 17.
例2.2.6
例2.2.6:
某集成电路不合格品率为0.1, 问需要采购多少块才能以99%的把
握保证其中的合格集成电路不少于12只.
解:
1 设需要采购n块, Xn 为n块集成电路中不合格品的个数;
2 欲求n, 满足: P(n − Xn ≥ 12) = P(Xn ≤ n − 12) ≥ 0.99,
(而P(n − 1 − Xn−1 ≥ 12) < 0.99);
3 Xn ∼ b(n, 0.1);
4 查表得: P(X16 ≤ 4) = 0.9830, P(X17 ≤ 5) = 0.9953;
5 所以n = 17.
例2.2.6
例2.2.6:
某集成电路不合格品率为0.1, 问需要采购多少块才能以99%的把
握保证其中的合格集成电路不少于12只.
解:
1 设需要采购n块, Xn 为n块集成电路中不合格品的个数;
2 欲求n, 满足: P(n − Xn ≥ 12) = P(Xn ≤ n − 12) ≥ 0.99,
(而P(n − 1 − Xn−1 ≥ 12) < 0.99);
3 Xn ∼ b(n, 0.1);
4 查表得: P(X16 ≤ 4) = 0.9830, P(X17 ≤ 5) = 0.9953;
5 所以n = 17.
常用离散分布(续)
3. 泊松分布
泊松分布与二项分布密切相关—它是二项分布的很好近似:
定理2.1 (泊松定理)
设Xn ∼ b(n, pn ). 若pn 随n单调下降, 且λ = npn → λ(n → ∞), 则
λx −λ
n x
pn (1 − pn )n−x −→ e (n → ∞).
x x!
常用离散分布(续)
3. 泊松分布
泊松分布与二项分布密切相关—它是二项分布的很好近似:
定理2.1 (泊松定理)
设Xn ∼ b(n, pn ). 若pn 随n单调下降, 且λ = npn → λ(n → ∞), 则
λx −λ
n x
pn (1 − pn )n−x −→ e (n → ∞).
x x!
常用离散分布(续)
3. 泊松分布
泊松分布与二项分布密切相关—它是二项分布的很好近似:
定理2.1 (泊松定理)
设Xn ∼ b(n, pn ). 若pn 随n单调下降, 且λ = npn → λ(n → ∞), 则
λx −λ
n x
pn (1 − pn )n−x −→ e (n → ∞).
x x!
常用离散分布(续)
3. 泊松分布
泊松分布与二项分布密切相关—它是二项分布的很好近似:
定理2.1 (泊松定理)
设Xn ∼ b(n, pn ). 若pn 随n单调下降, 且λ = npn → λ(n → ∞), 则
λx −λ
n x
pn (1 − pn )n−x −→ e (n → ∞).
x x!
常用离散分布(续)
泊松分布
λx −λ
泊松分布的分布列: P(X = x) = x! e ,x = 0, 1, 2, · · · , (?);
记号:X ∼ P(λ), 读作r.v. X 服从泊松分布P(λ);
泊松分布的数学期望:
∞
X λx −λ
E (X ) = x· e
x!
x=0
∞
X λx−1
= λe −λ x·
(x − 1)!
x=1
=λ
常用离散分布(续)
泊松分布
λx −λ
泊松分布的分布列: P(X = x) = x! e ,x = 0, 1, 2, · · · , (?);
记号:X ∼ P(λ), 读作r.v. X 服从泊松分布P(λ);
泊松分布的数学期望:
∞
X λx −λ
E (X ) = x· e
x!
x=0
∞
X λx−1
= λe −λ x·
(x − 1)!
x=1
=λ
常用离散分布(续)
泊松分布
λx −λ
泊松分布的分布列: P(X = x) = x! e ,x = 0, 1, 2, · · · , (?);
记号:X ∼ P(λ), 读作r.v. X 服从泊松分布P(λ);
泊松分布的数学期望:
∞
X λx −λ
E (X ) = x· e
x!
x=0
∞
X λx−1
= λe −λ x·
(x − 1)!
x=1
=λ
常用离散分布(续)
泊松分布
λx −λ
泊松分布的分布列: P(X = x) = x! e ,x = 0, 1, 2, · · · , (?);
记号:X ∼ P(λ), 读作r.v. X 服从泊松分布P(λ);
泊松分布的数学期望:
∞
X λx −λ
E (X ) = x· e
x!
x=0
∞
X λx−1
= λe −λ x·
(x − 1)!
x=1
=λ
泊松分布举例
在一定时间内, 电话超市等候付款的顾客数;
在一定时间内, 某操作系统发生故障的次数;
在一个团体中, 活到100岁的人数;
一匹布上的疵点数;
100页书上的错别字个数;
一千立方公里太空中的星球数;
... ...
泊松分布举例
在一定时间内, 电话超市等候付款的顾客数;
在一定时间内, 某操作系统发生故障的次数;
在一个团体中, 活到100岁的人数;
一匹布上的疵点数;
100页书上的错别字个数;
一千立方公里太空中的星球数;
... ...
泊松分布举例
在一定时间内, 电话超市等候付款的顾客数;
在一定时间内, 某操作系统发生故障的次数;
在一个团体中, 活到100岁的人数;
一匹布上的疵点数;
100页书上的错别字个数;
一千立方公里太空中的星球数;
... ...
泊松分布举例
在一定时间内, 电话超市等候付款的顾客数;
在一定时间内, 某操作系统发生故障的次数;
在一个团体中, 活到100岁的人数;
一匹布上的疵点数;
100页书上的错别字个数;
一千立方公里太空中的星球数;
... ...
泊松分布举例
在一定时间内, 电话超市等候付款的顾客数;
在一定时间内, 某操作系统发生故障的次数;
在一个团体中, 活到100岁的人数;
一匹布上的疵点数;
100页书上的错别字个数;
一千立方公里太空中的星球数;
... ...
泊松分布举例
在一定时间内, 电话超市等候付款的顾客数;
在一定时间内, 某操作系统发生故障的次数;
在一个团体中, 活到100岁的人数;
一匹布上的疵点数;
100页书上的错别字个数;
一千立方公里太空中的星球数;
... ...
泊松分布举例
在一定时间内, 电话超市等候付款的顾客数;
在一定时间内, 某操作系统发生故障的次数;
在一个团体中, 活到100岁的人数;
一匹布上的疵点数;
100页书上的错别字个数;
一千立方公里太空中的星球数;
... ...
例2.2.7
例2.2.7:
为了保证n台设备正常工作,需要配一些维修工. 设各台设备发生
故障独立, 发生故障的概率为p = 0.01(稀有事件), 记Xn 表示n台
.
设备中同时发生故障的台数, 则Xn ∼ b(n, 0.01) 且Xn ∼ P(λ), 其
中λ = np = 0.01n.
例2.2.7
问题1:
若一名维修工负责20台设备,求设备发生故障而不能及时维修的
概率是多少?
解:
.
X20 ∼ b(20, 0.01) ∼ p(λ1 ), λ1 = 20 × 0.01 = 0.2
0.2x −0.2
(欲求)P(X20 ≥ 2) = ∞
P
x=2 x! e = 0.0175.
例2.2.7
问题1:
若一名维修工负责20台设备,求设备发生故障而不能及时维修的
概率是多少?
解:
.
X20 ∼ b(20, 0.01) ∼ p(λ1 ), λ1 = 20 × 0.01 = 0.2
0.2x −0.2
(欲求)P(X20 ≥ 2) = ∞
P
x=2 x! e = 0.0175.
例2.2.7
问题1:
若一名维修工负责20台设备,求设备发生故障而不能及时维修的
概率是多少?
解:
.
X20 ∼ b(20, 0.01) ∼ p(λ1 ), λ1 = 20 × 0.01 = 0.2
0.2x −0.2
(欲求)P(X20 ≥ 2) = ∞
P
x=2 x! e = 0.0175.
问题2:
若三名维修工负责80台设备,求设备发生故障而不能及时维修的
概率是多少?
解:
.
X80 ∼ b(80, 0.01) ∼ p(λ2 ), λ2 = 80 × 0.01 = 0.8
(欲求)P(X80 ≥ 4) = 0.009.
问题2:
若三名维修工负责80台设备,求设备发生故障而不能及时维修的
概率是多少?
解:
.
X80 ∼ b(80, 0.01) ∼ p(λ2 ), λ2 = 80 × 0.01 = 0.8
(欲求)P(X80 ≥ 4) = 0.009.
问题2:
若三名维修工负责80台设备,求设备发生故障而不能及时维修的
概率是多少?
解:
.
X80 ∼ b(80, 0.01) ∼ p(λ2 ), λ2 = 80 × 0.01 = 0.8
(欲求)P(X80 ≥ 4) = 0.009.
问题3:
若有300台设备, 需要多少名维修工才能使得不到及时维修的概
率是不超过0.01?
解:
设需要配N名维修工;
.
X300 ∼ b(300, 0.01) ∼ p(λ3 ), λ3 = 300 × 0.01 = 3
按条件, 欲求N, 使
3x −3
得P(X300 ≥ N + 1) = ∞
P
x=N+1 x! e ≤ 0.01.
4 3x −3
即W (N) = N
P
x=0 x! e ≥ 0.99
查表得: W(7)=0.988, W(8)=0.996;
N=8.
问题3:
若有300台设备, 需要多少名维修工才能使得不到及时维修的概
率是不超过0.01?
解:
设需要配N名维修工;
.
X300 ∼ b(300, 0.01) ∼ p(λ3 ), λ3 = 300 × 0.01 = 3
按条件, 欲求N, 使
3x −3
得P(X300 ≥ N + 1) = ∞
P
x=N+1 x! e ≤ 0.01.
4 3x −3
即W (N) = N
P
x=0 x! e ≥ 0.99
查表得: W(7)=0.988, W(8)=0.996;
N=8.
问题3:
若有300台设备, 需要多少名维修工才能使得不到及时维修的概
率是不超过0.01?
解:
设需要配N名维修工;
.
X300 ∼ b(300, 0.01) ∼ p(λ3 ), λ3 = 300 × 0.01 = 3
按条件, 欲求N, 使
3x −3
得P(X300 ≥ N + 1) = ∞
P
x=N+1 x! e ≤ 0.01.
4 3x −3
即W (N) = N
P
x=0 x! e ≥ 0.99
查表得: W(7)=0.988, W(8)=0.996;
N=8.
问题3:
若有300台设备, 需要多少名维修工才能使得不到及时维修的概
率是不超过0.01?
解:
设需要配N名维修工;
.
X300 ∼ b(300, 0.01) ∼ p(λ3 ), λ3 = 300 × 0.01 = 3
按条件, 欲求N, 使
3x −3
得P(X300 ≥ N + 1) = ∞
P
x=N+1 x! e ≤ 0.01.
4 3x −3
即W (N) = N
P
x=0 x! e ≥ 0.99
查表得: W(7)=0.988, W(8)=0.996;
N=8.
问题3:
若有300台设备, 需要多少名维修工才能使得不到及时维修的概
率是不超过0.01?
解:
设需要配N名维修工;
.
X300 ∼ b(300, 0.01) ∼ p(λ3 ), λ3 = 300 × 0.01 = 3
按条件, 欲求N, 使
3x −3
得P(X300 ≥ N + 1) = ∞
P
x=N+1 x! e ≤ 0.01.
4 3x −3
即W (N) = N
P
x=0 x! e ≥ 0.99
查表得: W(7)=0.988, W(8)=0.996;
N=8.
问题3:
若有300台设备, 需要多少名维修工才能使得不到及时维修的概
率是不超过0.01?
解:
设需要配N名维修工;
.
X300 ∼ b(300, 0.01) ∼ p(λ3 ), λ3 = 300 × 0.01 = 3
按条件, 欲求N, 使
3x −3
得P(X300 ≥ N + 1) = ∞
P
x=N+1 x! e ≤ 0.01.
4 3x −3
即W (N) = N
P
x=0 x! e ≥ 0.99
查表得: W(7)=0.988, W(8)=0.996;
N=8.
问题3:
若有300台设备, 需要多少名维修工才能使得不到及时维修的概
率是不超过0.01?
解:
设需要配N名维修工;
.
X300 ∼ b(300, 0.01) ∼ p(λ3 ), λ3 = 300 × 0.01 = 3
按条件, 欲求N, 使
3x −3
得P(X300 ≥ N + 1) = ∞
P
x=N+1 x! e ≤ 0.01.
4 3x −3
即W (N) = N
P
x=0 x! e ≥ 0.99
查表得: W(7)=0.988, W(8)=0.996;
N=8.
想一想?
思考题
醉汉开 门问题 (点击)有了答案了吗?
现在醉
§2.2 习题