ProbStat 2.2

随机变量
离散型随机变量
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
《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

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

离散型r.v.的分布列
随机变量
离散型r.v.的数学期望
常用离散分布
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 );
若X为一般的r.v., 则其取值通常为一个区间, 取值概率用分布

函数P(X ≤ x)来刻划;
分布函数F (x) = P(X ≤ x)既适用于连续型随机变量，也适

用于离散型随机变量.

随机变量
常用离散分布
1 取值范围;
2 取值概率.
为P(X = xi );



随机变量
常用离散分布
1 取值范围;
2 取值概率.
为P(X = xi );



随机变量
常用离散分布
1 取值范围;
2 取值概率.
为P(X = xi );



随机变量
常用离散分布
1 取值范围;
2 取值概率.
为P(X = xi );



随机变量
常用离散分布
1 取值范围;
2 取值概率.
为P(X = xi );



随机变量
常用离散分布
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 }”.

随机变量
常用离散分布
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

随机变量
常用离散分布
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

随机变量
常用离散分布
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

随机变量
常用离散分布
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

随机变量
常用离散分布
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)

随机变量
常用离散分布
解析式: P(X = xi ) = pi , i = 1, 2, · · · ,;
列表式:
X x1 x2 · · · xn · · ·
p p1 p2 · · · pn · · ·

随机变量
常用离散分布
解析式: P(X = xi ) = pi , i = 1, 2, · · · ,;
列表式:
X x1 x2 · · · xn · · ·
p p1 p2 · · · pn · · ·

随机变量
常用离散分布
解析式: P(X = xi ) = pi , i = 1, 2, · · · ,;
列表式:
X x1 x2 · · · xn · · ·
p p1 p2 · · · pn · · ·

随机变量
常用离散分布
解析式: P(X = xi ) = pi , i = 1, 2, · · · ,;
列表式:
X x1 x2 · · · xn · · ·
p p1 p2 · · · pn · · ·

随机变量
常用离散分布
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.

随机变量
常用离散分布
pi ≥ 0, i = 1, 2, · · · , n, c . . . ,(非负性)
∞
P
pi = 1 (正则性)
i=1
分布列的作用

随机变量
常用离散分布
pi ≥ 0, i = 1, 2, · · · , n, c . . . ,(非负性)
∞
P
pi = 1 (正则性)
i=1
分布列的作用

随机变量
常用离散分布
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.

随机变量
常用离散分布
X
F (x) = P(X = xi ), x ∈ R.
xi ≤x

随机变量
常用离散分布
X
F (x) = P(X = xi ), x ∈ R.
xi ≤x

随机变量
常用离散分布
X
F (x) = P(X = xi ), x ∈ R.
xi ≤x

随机变量
常用离散分布
X
F (x) = P(X = xi ), x ∈ R.
xi ≤x

随机变量
常用离散分布
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).

随机变量
常用离散分布

随机变量
常用离散分布

随机变量
常用离散分布

随机变量
常用离散分布
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.

随机变量
常用离散分布
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

随机变量
常用离散分布
解:
1 X可取值0, 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 ;
X 0 1 2 3
1 1 1 1
p 2 4 8 8

随机变量
常用离散分布
解:
1 X可取值0, 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 ;
X 0 1 2 3
1 1 1 1
p 2 4 8 8

随机变量
常用离散分布
解:
1 X可取值0, 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 ;
X 0 1 2 3
1 1 1 1
p 2 4 8 8

随机变量
常用离散分布
解:
1 X可取值0, 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 ;
X 0 1 2 3
1 1 1 1
p 2 4 8 8

随机变量
常用离散分布
解:
1 X可取值0, 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 ;
X 0 1 2 3
1 1 1 1
p 2 4 8 8

随机变量
常用离散分布
解:
1 X可取值0, 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 ;
X 0 1 2 3
1 1 1 1
p 2 4 8 8

随机变量
常用离散分布
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.

随机变量
常用离散分布
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.

随机变量
常用离散分布
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)

随机变量
常用离散分布
引入

随机变量
常用离散分布
引入

随机变量
常用离散分布
引入

随机变量
常用离散分布
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
为r.v. X 的数学期望, 简称期望、期望值、均值.
E(X)表示一种加权平均, 权重为分布列.

随机变量
常用离散分布
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
为r.v. X 的数学期望, 简称期望、期望值、均值.
E(X)表示一种加权平均, 权重为分布列.

随机变量
常用离散分布
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

随机变量
常用离散分布
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

随机变量
常用离散分布
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

随机变量
常用离散分布
例2.2.2
例2.2.2:
解:
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

随机变量
常用离散分布
例2.2.2
例2.2.2:
解:
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

随机变量
常用离散分布
例2.2.2
例2.2.2:
解:
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

随机变量
常用离散分布
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!)

随机变量
常用离散分布
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?

随机变量
常用离散分布
例2.2.3
例2.2.3:

随机变量
常用离散分布
例2.2.3
例2.2.3:

随机变量
常用离散分布
例2.2.3
例2.2.3:

随机变量
常用离散分布
例2.2.3
例2.2.3:

随机变量
常用离散分布
例2.2.3
例2.2.3:

随机变量
常用离散分布
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
E (X ) = 10 × 0.6 + 8 × 0.2 + 5 × 0.1 + (−6) × 0.1 = 7.5(元)

随机变量
常用离散分布
解:
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
E (X ) = 10 × 0.6 + 8 × 0.2 + 5 × 0.1 + (−6) × 0.1 = 7.5(元)

随机变量
常用离散分布
解:
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
E (X ) = 10 × 0.6 + 8 × 0.2 + 5 × 0.1 + (−6) × 0.1 = 7.5(元)

随机变量
常用离散分布
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?

随机变量
常用离散分布
例2.2.4
例2.2.4(P74):

随机变量
常用离散分布
例2.2.4
例2.2.4(P74):

随机变量
常用离散分布
例2.2.4
例2.2.4(P74):

随机变量
常用离散分布
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.

随机变量
常用离散分布
解:
2 X 分布列为
X 1 k +1
p (1 − p)k 1 − (1 − p)k
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,

随机变量
常用离散分布
解:
2 X 分布列为
X 1 k +1
p (1 − p)k 1 − (1 − p)k
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,

随机变量
常用离散分布
解:
2 X 分布列为
X 1 k +1
p (1 − p)k 1 − (1 − p)k
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,

随机变量
常用离散分布
解:
2 X 分布列为
X 1 k +1
p (1 − p)k 1 − (1 − p)k
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,

随机变量
常用离散分布
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

随机变量
常用离散分布
例2.2.5
例2.2.5(P75):
1

随机变量
常用离散分布
例2.2.5
例2.2.5(P75):
1

随机变量
常用离散分布
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

随机变量
常用离散分布
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

随机变量
常用离散分布
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

随机变量
常用离散分布
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

随机变量
常用离散分布
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

随机变量
常用离散分布
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)(?).

随机变量
常用离散分布
1. 几何分布
非常有用;
分布列: P(X = x) = p(1 − p)x−1 , x = 1, 2, · · · ;
数学期望: E (X ) = p1 ;

随机变量
常用离散分布
1. 几何分布
非常有用;
分布列: P(X = x) = p(1 − p)x−1 , x = 1, 2, · · · ;
数学期望: E (X ) = p1 ;

随机变量
常用离散分布
1. 几何分布
非常有用;
分布列: P(X = x) = p(1 − p)x−1 , x = 1, 2, · · · ;
数学期望: E (X ) = p1 ;

随机变量
常用离散分布
1. 几何分布
非常有用;
分布列: P(X = x) = p(1 − p)x−1 , x = 1, 2, · · · ;
数学期望: E (X ) = p1 ;

随机变量
常用离散分布
1. 几何分布
非常有用;
分布列: P(X = x) = p(1 − p)x−1 , x = 1, 2, · · · ;
数学期望: E (X ) = p1 ;

随机变量
常用离散分布
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.

随机变量
常用离散分布
常用离散分布
2. 二项分布

特例: 二点分布(0-1分布) — X ∼ b(1, p);
数学期望: E (X ) = np (?)

随机变量
常用离散分布
常用离散分布
2. 二项分布

特例: 二点分布(0-1分布) — X ∼ b(1, p);
数学期望: E (X ) = np (?)

随机变量
常用离散分布
常用离散分布
2. 二项分布

特例: 二点分布(0-1分布) — X ∼ b(1, p);
数学期望: E (X ) = np (?)

随机变量
常用离散分布
常用离散分布
2. 二项分布

特例: 二点分布(0-1分布) — X ∼ b(1, p);
数学期望: E (X ) = np (?)

随机变量
常用离散分布
常用离散分布
2. 二项分布

特例: 二点分布(0-1分布) — X ∼ b(1, p);
数学期望: E (X ) = np (?)

随机变量
常用离散分布
常用离散分布
2. 二项分布

特例: 二点分布(0-1分布) — X ∼ b(1, p);
数学期望: E (X ) = np (?)

随机变量
常用离散分布
常用离散分布
2. 二项分布

特例: 二点分布(0-1分布) — X ∼ b(1, p);
数学期望: E (X ) = np (?)

随机变量
常用离散分布
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.

随机变量
常用离散分布
例2.2.6
例2.2.6:
解:
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.

随机变量
常用离散分布
例2.2.6
例2.2.6:
解:
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.

随机变量
常用离散分布
例2.2.6
例2.2.6:
解:
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.

随机变量
常用离散分布
例2.2.6
例2.2.6:
解:
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.

随机变量
常用离散分布
例2.2.6
例2.2.6:
解:
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.

随机变量
常用离散分布
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!
例子: Page 81, Page 82

稀有事件与二项分布的泊松近似
在实际中, n重贝努试验中稀有事件(概率小于0.05)出现的次数近
似服从泊松分布.
随机变量
常用离散分布
3. 泊松分布
λx −λ

n x
pn (1 − pn )n−x −→ e (n → ∞).
x x!

随机变量
常用离散分布
3. 泊松分布
λx −λ

n x
pn (1 − pn )n−x −→ e (n → ∞).
x x!

随机变量
常用离散分布
3. 泊松分布
λx −λ

n x
pn (1 − pn )n−x −→ e (n → ∞).
x x!

随机变量
常用离散分布
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
分布函数值F (x) = P(X ≤ x)可查Page 492附表2.

随机变量
常用离散分布
泊松分布
λx −λ
泊松分布的分布列: P(X = x) = x! e ,x = 0, 1, 2, · · · , (?);
∞
X λx −λ
E (X ) = x· e
x!
x=0
∞
X λx−1
= λe −λ x·
(x − 1)!
x=1
=λ

随机变量
常用离散分布
泊松分布
λx −λ
泊松分布的分布列: P(X = x) = x! e ,x = 0, 1, 2, · · · , (?);
∞
X λx −λ
E (X ) = x· e
x!
x=0
∞
X λx−1
= λe −λ x·
(x − 1)!
x=1
=λ

随机变量
常用离散分布
泊松分布
λx −λ
泊松分布的分布列: P(X = x) = x! e ,x = 0, 1, 2, · · · , (?);
∞
X λx −λ
E (X ) = x· e
x!
x=0
∞
X λx−1
= λe −λ x·
(x − 1)!
x=1
=λ

随机变量
常用离散分布
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;
... ...

随机变量
常用离散分布
泊松分布举例
... ...

随机变量
常用离散分布
泊松分布举例
... ...

随机变量
常用离散分布
泊松分布举例
... ...

随机变量
常用离散分布
泊松分布举例
... ...

随机变量
常用离散分布
泊松分布举例
... ...

随机变量
常用离散分布
泊松分布举例
... ...

随机变量
常用离散分布
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.

随机变量
常用离散分布
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.

随机变量
常用离散分布
例2.2.7
问题1:
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.

随机变量
常用离散分布
例2.2.7
问题1:
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.

随机变量
常用离散分布
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.

随机变量
常用离散分布
问题2:
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.

随机变量
常用离散分布
问题2:
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.

随机变量
常用离散分布
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.

随机变量
常用离散分布
问题3:
解:
.
X300 ∼ b(300, 0.01) ∼ p(λ3 ), λ3 = 300 × 0.01 = 3
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.

随机变量
常用离散分布
问题3:
解:
.
X300 ∼ b(300, 0.01) ∼ p(λ3 ), λ3 = 300 × 0.01 = 3
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.

随机变量
常用离散分布
问题3:
解:
.
X300 ∼ b(300, 0.01) ∼ p(λ3 ), λ3 = 300 × 0.01 = 3
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.

随机变量
常用离散分布
问题3:
解:
.
X300 ∼ b(300, 0.01) ∼ p(λ3 ), λ3 = 300 × 0.01 = 3
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.

随机变量
常用离散分布
问题3:
解:
.
X300 ∼ b(300, 0.01) ∼ p(λ3 ), λ3 = 300 × 0.01 = 3
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.

随机变量
常用离散分布
问题3:
解:
.
X300 ∼ b(300, 0.01) ∼ p(λ3 ), λ3 = 300 × 0.01 = 3
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.

随机变量
常用离散分布
想一想?
思考题
醉汉开门问题 (点击)有了答案了吗?
现在醉

随机变量
常用离散分布
§2.2 习题
§2.2 习题(《习题与解答》 Page 87):

2, 3, 6, 8, 11, 15

ProbStat 2.2

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

ProbStat 2.2

Uploaded by

Copyright:

Available Formats

随机变量

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

若X为一般的r.v., 则其取值通常为一个区间, 取值概率用分布

分布函数F (x) = P(X ≤ x)既适用于连续型随机变量，也适

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

若X为一般的r.v., 则其取值通常为一个区间, 取值概率用分布

分布函数F (x) = P(X ≤ x)既适用于连续型随机变量，也适

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

若X为一般的r.v., 则其取值通常为一个区间, 取值概率用分布

分布函数F (x) = P(X ≤ x)既适用于连续型随机变量，也适

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

若X为一般的r.v., 则其取值通常为一个区间, 取值概率用分布

分布函数F (x) = P(X ≤ x)既适用于连续型随机变量，也适

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

若X为一般的r.v., 则其取值通常为一个区间, 取值概率用分布

分布函数F (x) = P(X ≤ x)既适用于连续型随机变量，也适

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

若X为一般的r.v., 则其取值通常为一个区间, 取值概率用分布

分布函数F (x) = P(X ≤ x)既适用于连续型随机变量，也适

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

为r.v. X 的数学期望, 简称期望、期望值、均值.

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

为r.v. X 的数学期望, 简称期望、期望值、均值.

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章