当前课程知识点:概率论与数理统计 > 第二章 随机变量及其概率分布 > 第2节 离散型随机变量 > 2.2.2 0-1分布和二项分布
大家好
今天我们开始讲常见的离散型随机变量
这部分内容将要重点讨论三个重要的分布
分别为两点分布
二项分布和泊松分布
今天我们主要讲这一部分内容的
前两个重要分布
两点分布和二项分布
首先我们来看0-1分布
若随机变量𝑋只取0与1两个值
它的概率分布列为,表格的形式是
𝑋等于0的概率等于1−𝑝
𝑋取1的概率等于𝑝
或者表示为,𝑋等于𝑘的概率等于
𝑝的𝑘次幂乘上
1−𝑝 的
1−𝑘次幂,𝑘取0和1
这样一般通项表达形式
那么如果它的概率分布列是表格形式
或者是后边这样一个形式
我们就称𝑋服从0-1分布或两点分布
有时也称伯努利分布
若随机变量𝑋表示伯努利试验中
成功出现的次数
则𝑋取值只有0与1两种情况
因此𝑋一定服从0-1分布
所以只考虑两种可能结果的伯努利试验中的
成功出现的次数,都可以用0-1分布
来描述
例如,明天的股票是涨还是跌,掷骰子时
所赌的点数是否出现,抽到的产品
是合格品还是次品等等
好,下面我们来介绍二项分布
若随机变量𝑋的概率分布列为
取值为0,1,⋯,𝑛,一共𝑛+1种情况
取值的概率𝑝_𝑘
也就是等于𝑋=𝑘的概率
等于𝐶_𝑛^𝑘乘上𝑝的𝑘次幂
乘上1−𝑝的𝑛−𝑘次幂
这个概率分布列这个表达式
恰为二项展开式中的一般项
因此我们就称,具有这样概率分布列的
随机变量
服从参数为𝑛, 𝑝的二项分布
记为大𝑋波浪线大𝐵(𝑛,𝑝)
如果随机变量𝑋表示
𝑛重伯努利试验中成功出现的次数
则随机变量𝑋取值和取值对应的概率
恰好为二项分布的概率分布列
因此𝑋一定服从
参数为𝑛, 𝑝的二项分布,也就是
𝑛重伯努利试验中成功出现的
次数的概率分布情况
都可用二项分布来描述
而且当𝑛等于1的时候
𝑋服从的是大𝐵(1,𝑝)的二项分布
此时随机变量𝑋只取0,1两种情况
𝑋服从0-1分布
也就是0-1分布为二项分布的特例
下面我们来看二项分布的分布特征
当𝑘大于等于1时,固定𝑛,𝑝,考虑比值
𝑝_𝑘比上𝑝_(𝑘−1)
也就是
概率分布列的后项比前项,带入二项分布的
概率分布列化简为1+𝑚
其中𝑚等于𝑘乘上1−𝑝分之
𝑛加1倍的𝑝减𝑘
那么𝑘的正负与它的分子𝑛加
1倍的𝑝减𝑘的正负是一致的
当𝑘小于𝑛加1倍的𝑝时
𝑚大于0
比值大于1
也就是𝑝_𝑘大于𝑝_(𝑘−1)
后项比前项大
也就是𝑝_𝑘随着𝑘的增大而增大
而当𝑘大于𝑛加1倍的𝑝时
𝑚小于0
比值小于1
𝑝_𝑘小于𝑝_(𝑘−1)
后项比前项要小
那么这个时候𝑝_𝑘会随着
𝑘的增大而减小
由这两项分析
我们就知道,二项分布的概率分布列
一定是先随𝑘的增大而增大
后随𝑘的增大而减小
因此
一定会存在着极大值项
而当𝑛加1倍的𝑝不是整数时
我们把𝑛加1倍的𝑝取整,记为𝑘_0
那么分布列的极大值项
只有一项为𝑝_(𝑘_0 )
也就是X等于k0的概率达到极大值
那𝑋等于𝑘_0的可能性就是最大的
𝑘_0等于𝑛加1倍的𝑝的取整
就为二项分布最可能成功的次数
如果𝑛加1倍的𝑝恰好为一个整数
这个时候我们就取𝑘_0
就等于𝑛加1倍的𝑝
此时,比值𝑝_(𝑘_0 )比上𝑝_(𝑘_0−1)
就等于1
也就是𝑝_(𝑘_0 )等于𝑝_(𝑘_0−1)
两项同时达到极大值
那么𝑘_0和𝑘_0−1都为二项分布
最可能成功出现的次数
下面我们给出了四组
𝑛,𝑝值的二项分布的分布图
从图中我们也看到,二项分布分布列
先随𝑘增大而增大
然后随𝑘增大而减小
这样的一个分布特征
下面我们来看例题
一大批产品,一级品率为0.2
随机抽取二十只
求其中一级品数𝑋的
概率分布列以及二十只中
最有可能的一级品数
从一大批产品中随机抽取二十只
可以看作是20重伯努利试验
抽到一级品数认为是成功
则随机变量𝑋就服从参数为𝑛,𝑝的
二项分布
其中𝑛等于二十
𝑝等于0.2
由二项概率分布列
我们就知道,𝑋的概率分布列的
一般通向表达式为𝑝_𝑘等于
𝑋等于𝑘的概率等于
𝐶_20^𝑘,0.2的𝑘次幂乘上
1−0.2的20−𝑘次幂
𝑘等于0,1,2一直到20
其中𝑛加1倍的𝑝就等于
21乘0.2等于4.2
不是整数
因此𝑘_0就等于4.2的取整等于4
概率分布列的极大值项只有一项
就是那个𝑝_(𝑘_0 )
也就是p4
也就是X取4的概率是最大的
20只中最可能的一级品数就为4
好,下面再来看另一例题
掷一枚骰子六十次
若随机变量𝑋为点数小于三的次数
问,𝑋服从什么样的分布
掷一枚骰子六十次
可以看作是60重伯努利试验
点数小于3认为成功
那么这样的一个伯努利实验成功
出现的次数可以用二项分布来描述
也就是
𝑋服从二项分布,参数𝑛等于60
𝑝为成功的概率,𝑝为点数小于3的概率
它是未知的
需要我们进一步来求解
如果设随机变量𝑌表示
掷一枚骰子出现的点数
那么随机变量𝑌的取值为
1,2,3,4,5,6,六种情况
取值对应的概率是等可能的
都为六分之一
那么点数小于3的概率
就等于𝑌等于1的概率加上
𝑌等于2的概率等于三分之一
因此𝑋服从的就是参数为
60,1/3的二项分布
这一节我们主要讲了两点分布和二项分布
并介绍了二项分布的性质
两点分布可以作为只有两个试验结果的
伯努利试验中成功次数的概率模型
二项分布可以作为𝑛重伯努利试验中
成功出现的次数或事件𝐴
发生次数的概率模型
好,今天就讲到这里
谢谢大家
-第1节 随机事件
--1.1 作业
-第2节 概率的定义和性质
--1.2 作业
-第3节 古典概型与几何概型
--1.3 作业
-第4节 条件概率
--1.4 作业
-第5节 随机事件的独立性
--1.5 作业
-本章测试
--第一章测试
-第1节 随机变量与分布函数
--2.1 作业
-第2节 离散型随机变量
--2.2 作业
-第3节 连续型随机变量
--2.3 作业
-第4节 随机变量函数的分布
--2.4 作业
-本章测试
--第二章测试
-第1节 二维随机向量及其分布函数
--3.1 作业
-第2节 二维离散型随机向量
--3.2 作业
-第3节 二维连续型随机向量
--3.3 作业
-第4节 条件分布与随机变量的独立性
--3.4 作业
-第5节 随机向量函数的分布
--3.5 作业
-本章测试
--第三章测试
-第1节 数学期望
--4.1 作业
-第2节 方差
--4.2 作业
-第3节 协方差和相关系数
--4.3 作业
-第4节 矩和协方差矩阵
-本章测试
--第四章测试
-第1节 大数定律
--5.1 作业
-第2节 中心极限定理
--5.2.2 De Moivre-Laplace 中心极限定理
--5.2 作业
-本章测试
--第五章测试
-第1节 数理统计的基本问题
-第2节 总体、样本和统计量
--6.2 作业
-第3节 抽样分布
--6.3 抽样分布
--6.3 作业
-第4节 抽样分布定理
--6.4 作业
-本章测试
--第六章测试
-第1节 参数点估计
--7.1 作业
-第2节 区间估计
--7.2 作业
-第3节 非正态总计参数的区间估计
--7.3 作业
-本章测试
--第七章测试
-第1节 假设检验的基本概念
--8.1 作业
-第2节 正态总体参数的假设检验
--8.2 作业
-第3节 非正态总体参数的假设检验
-本章测试
--第八章测试
-期末考试