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

返回《概率论与数理统计》慕课在线视频课程列表

2.2.2 0-1分布和二项分布在线视频

下一节:2.2.3 泊松分布

返回《概率论与数理统计》慕课在线视频列表

2.2.2 0-1分布和二项分布课程教案、知识点、字幕

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

概率论与数理统计课程列表:

第一章 概率论的基本概念

-第1节 随机事件

--1.1.1 随机试验、样本空间、随机事件

--1.1.2 事件的关系和运算

--1.1 作业

-第2节 概率的定义和性质

--1.2.1 随机事件的频率及概率

--1.2.2 概率的性质

--1.2 作业

-第3节 古典概型与几何概型

--1.3.1 古典概型

--1.3.2 几何概型

--1.3 作业

-第4节 条件概率

--1.4.1条件概率的概念和概率的乘法公式

--1.4.2 全概率公式

--1.4.3 贝叶斯公式

--1.4 作业

-第5节 随机事件的独立性

--1.5.1 两个事件、三个事件及多个事件的独立性

--1.5.2 n 重伯努利试验

--1.5 作业

-本章测试

--第一章测试

第二章 随机变量及其概率分布

-第1节 随机变量与分布函数

--2.1.1 随机变量

--2.1.2 分布函数

--2.1 作业

-第2节 离散型随机变量

--2.2.1 定义与基本概念

--2.2.2 0-1分布和二项分布

--2.2.3 泊松分布

--2.2 作业

-第3节 连续型随机变量

--2.3.1 定义与基本概念

--2.3.2 均匀分布和指数分布

--2.3.3 正态分布

--2.3 作业

-第4节 随机变量函数的分布

--2.4.1 离散型随机变量函数的概率分布

--2.4.2 连续型随机变量函数的概率分布

--2.4 作业

-本章测试

--第二章测试

第三章 二维随机向量及其分布

-第1节 二维随机向量及其分布函数

--3.1 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 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

--3.3.1 基本概念与性质

--3.3.2 二维连续型随机向量的例题

--3.3.3 二维均匀分布与二维正态分布

--3.3 作业

-第4节 条件分布与随机变量的独立性

--3.4.1 条件分布

--3.4.2 随机变量的独立性

--3.4 作业

-第5节 随机向量函数的分布

--3.5.1 离散型随机向量函数的分布

--3.5.2 连续型随机向量函数的分布

--3.5 作业

-本章测试

--第三章测试

第四章 随机变量的数学期望

-第1节 数学期望

--4.1.1 离散型随机变量的数学期望

--4.1.2 连续型随机变量的数学期望

--4.1.3 随机变量函数的数学期望

--4.1.4 数学期望的性质

--4.1 作业

-第2节 方差

--4.2.1 方差的定义及性质

--4.2.2 三种离散型随机变量的方差

--4.2.3 三种连续型随机变量的方差

--4.2.4 切比雪夫不等式

--4.2 作业

-第3节 协方差和相关系数

--4.3.1 协方差

--4.3.2 相关系数

--4.3 作业

-第4节 矩和协方差矩阵

--4.4 矩和协方差矩阵

-本章测试

--第四章测试

第五章 大数定律和中心极限定理

-第1节 大数定律

--5.1.1 依概率收敛和伯努利大数定律

--5.1.2 切比雪夫大数定律和辛钦大数定律

--5.1 作业

-第2节 中心极限定理

--5.2.1 独立同分布的中心极限定理

--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

第六章 数理统计的基本概念

-第1节 数理统计的基本问题

--6.1 数理统计的基本问题

-第2节 总体、样本和统计量

--6.2 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 抽样分布定理

--6.4 作业

-本章测试

--第六章测试

第七章 参数估计

-第1节 参数点估计

--7.1.1 矩估计法

--7.1.2 最大似然估计法

--7.1.3 估计量的评选标准

--7.1 作业

-第2节 区间估计

--7.2.1 区间估计的概念和术语

--7.2.2 正态总体参数的区间估计

--7.2 作业

-第3节 非正态总计参数的区间估计

--7.3 非正态总体参数的区间估计和单侧置信区间

--7.3 作业

-本章测试

--第七章测试

第八章 假设检验

-第1节 假设检验的基本概念

--8.1.1 假设检验的思想和方法

--8.1.2 假设检验的形式和两类错误

--8.1 作业

-第2节 正态总体参数的假设检验

--8.2.1 正态总体均值的假设检验(方差已知)

--8.2.2 正态总体均值的假设检验(方差未知)

--8.2.3 正态总体方差的假设检验

--8.2.4 两独立正态总体均值相等的假设检验

--8.2.5 两独立正态总体方差相等的假设检验

--8.2 作业

-第3节 非正态总体参数的假设检验

--8.3 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

-期末考试

2.2.2 0-1分布和二项分布笔记与讨论

也许你还感兴趣的课程:

© 柠檬大学-慕课导航 课程版权归原始院校所有,
本网站仅通过互联网进行慕课课程索引,不提供在线课程学习和视频,请同学们点击报名到课程提供网站进行学习。