当前课程知识点:概率论与数理统计 > 第八章 假设检验 > 第八章 练习题 > 2.3 常见的离散型随机变量(下)
同学们大家好
今天我们接着介绍概率统计的第二章内容
随机变量及其分布中的第二节泊松分布
如果一个随机变量X的分布律为
X等于k的概率
等于k的阶层分之λ的k次方乘以e的负λ次方
这里k的取值是所有的自然数0 1 2
那么这个时候我们就称随机变量X服从参数为λ的泊松分布
这里参数λ大于零是一个常数
下面
我们来验证泊松分布的分布律确实是一个分布律
也就是要验证两点
第一点分布律的非负性
第二点分布律的规范性
首先来看非负性
由于λ大于零
所以对于所有的自然数k
我们有k的阶层分之λ的k次方乘以一的负λ次方
一定是严格大于零的
所以它满足非负性
第二条加和性质
我们来看一下
Σk从零到无穷k的阶层分之λ的k次方乘以e的负λ次方
从这里面我们可以看出来
e的负λ次方与k无关
所以它可以提到加和符号的外边
那么剩下的加和符号里边的是k的阶层分之
λ的k次方k从零到无穷加和
这一项
恰好表示的是e的λ次方
这个函数在λ等于零处的泰勒展开
因此它恰好是e的λ次方
因此我们就得到了e的负λ次方乘以e的λ次方等于一
由这两点
我们可以看出泊松分布的这个分布律确实是一个分布律
下面我们来看一下泊松分布的应用
那么泊松分布是概率论中非常重要的一种分布之一
在自然界以及工程技术中的许多随机指标都服从泊松分布
比如说电话总机在某一个时间间隔内收到的呼叫次数
某个放射物在某一个时间间隔内发射的粒子数
容器在某一个时间间隔内产生的细菌数
以及某一时间间隔内来到某个服务台的服务人数等等
这些随机变量在一定条件下都可以看做
服从泊松分布或者是近似服从泊松分布
下面看两个例子
首先看第一个例子
如果随机变量X的分布律是这种形式
大家来看X等于k的概率是C乘以k的阶层分之λ的k次方
大家注意这个形式上来看和泊松分布很像
但是这里k的取值不同k只取1 2
也就是说可以只取1 2
一直到无穷
换句话说
k取的是非零的自然数
那么这个时候让我们求这个参数C
我们来看
那么要求参数C怎么办
我们同样利用分布律的规范性
这个方程来求
那么我们将PX=k关于k
从一到无穷加和令它等于一
这个时候我们会发现C乘以Σk
从一到无穷k的阶层分之λ的k次方等于一
那么这个加和项当中与e的λ次方
这个泰勒展开刚好差一项
只差第一项k等于零的一项也就是一
所以我们就很容易得到
这个加和项恰好等于e的λ次方减一
我们把这个e的λ次方减一代入到上面那个方程当中去
我们就可以得到参数
C等于e的λ次方减一分之一
那这样一来
我们就求出来了
这个未知常数C
前面我们介绍了二项分布
今天又介绍了泊松分布
那么这两个分布之间有没有关系
下面的一个泊松定理就告诉我们
二项分布的极限分布恰好是泊松分布
我们来看这个定理
假设在伯努利试验当中
用Pn表示事件A在试验中发生的概率
它与试验的总数n有关
如果n乘Pn的极限等于λ
是一个正数
那么这个时候我们就可以看到
我们这个二项分布的分布律恰好
收敛到泊松分布的分布律下面
我们证明一下这个结论
在这里
我们令n乘Pn等于λn
根据条件
我们就可以得到n趋于无穷时
λn的极限就是λ
那么左端这个极限是
Cnk Pn的k次方一减Pn的n减k次方
我们把它展开
根据Cnk的定义
Cnk等于n乘以n减一
一直乘到
n减k加一除以k的阶层
Pn由于n乘以Pn等于λn
所以Pn等于n分之λn
我们把它带入就得到了
n分之λn的k次方再乘以一减去
n分之λn的n减k次方
那么
在这个式子当中
我们会发现第一项k的阶层分之λn的k次方
当n趋于无穷时
它的极限就是k的阶层分之λ的k次方
而中间的一些项
一减n分之一
一减n分之二一直到一减n分之k减一
由于k是固定的
所以n趋向于无穷时
中间的对象的极限是一
而最后一项一减去n分之λn的n减k次方
它刚好是我们两个重要极限中的其中一个
很容易计算
这个极限是
恰好等于e的负λ次方
所以我们这个二项分布的分布律的极限
就等于这样三个极限的乘积
它就等于k的阶层分之λ的k次方
乘以e的负λ次方
这个恰好是泊松分布的分布律
这样
我们就证明了这个定理
下面我们来看一下泊松定理的应用
那么在具体应用当中它有什么作用
我们知道
如果一个随机变量服从二项分布
那么这个时候
我们在算某些概率的时候
可能要算很多加和项
那么泊松定理就告诉我们不用算那么多加和项
可以简化我们的计算
那么具体应用当中
我们来看
如果随机变量X服从参数为np的二项分布
那么这个时候当n比较大p比较小的时候
我们可以假设这个λ等于n乘以p这个时候
X等于k的概率本来等于Cnk乘以P的k次方
再乘以一减p的n减k次方
它就近似的等于k的阶层分之λ的k次方
再乘以e的负λ次方这样一来
可以简化我们的计算
下面看一个具体例子
假设每次射击命中目标的概率是零点零二
现在
射击了四百次
求至少命中两次目标的概率
要求我们用泊松近似的方法去计算
那这个时候我们来看我们首先将随机变量设出来
假设X表示四百次射击中命中目标的次数
那么X服从的是参数为四百和零点零二的二项分布
那我们要求的是什么
我们要求的是至少命中两次目标的概率
也就是求X大于等于二的概率
注意到这个时候λ等于n乘p
也就是四百乘以零点零二等于八
所以X大于等于二的概率
我们先用二项分布来写再用泊松分布来近似
那么这个时候你要算X大于等于二的概率
需要算很多项加和这个时候
我们可以考虑它的对应事件
把X大于等于二的概率写成一减去X小于二的概率
也就是一减去X等于零的概率
再减去X等于一的概率
那么X等于零的概率
用泊松近似来算恰好等于e的负八次方
X等于一的概率
用泊松近似来算恰好等于八倍的e的负八次方
那么这个时候
经过简单计算
我们就可以算出来
这个概率等于0.9972
这是这个例子
下面看第四种分布几何分布
如果一个随机变量X的分布律是这种形式X等于k的概率
等于q的k减一次方乘以P
这里的k的取值是1 2
所有的非零自然数
注意这里的q等于一减p
p大于等于零
小于等于一
如果随机变量X的分布律满足这个形式
那么这个时候我们就
称随机变量X服从参数为p的几何分布
下面我们来验证一下这个分布律确确实实是一个分布律
同样需要验证两点第一点非负性
那么根据条件我们知道p大于等于零
q大于等于零
所以非负性
显然成立
第二条验证规范性
那么根据条件我们需要验证
k等于一到无穷q的k减一次方
乘以P这样一个加和等于一
那么这个时候我们会发现这个参数p与k无关
直接提到加和符号外边
里边是k从一到无穷
q的k减一次方加和
那这是一个等比级数
很容易计算这个等比级数的和
恰好是一减q分之一
那么根据我们条件
p加q等于一
所以一减q恰好等于p
因此这个乘积还是等于一的
这就验证了规范性
这就是说
几何分布的分布律确确实实是一个分布律
下面让我们来看一下几何分布的概率背景
在伯努利试验当中
如果我们假设事件A发生的概率是PA
不发生的概率是一减p
我们把它叫做q
现在我们考虑这样一个事情
也就是说
试验要进行到事件A首次发生为止
这个时候我们用X表示所需要的试验次数
那么X就服从参数为p的几何分布
那么几何分布
是我们离散型随机变量里面非常重要的一种分布
下面看一个例子
对一个目标进行射击
假设每次射击时命中率是零点六四
射击进行到击中目标时为止
X表示
所需的射击次数
让我们求第一个问题
随机变量X的分布律
第二个是X取偶数的概率
第三个是求至少进行两次射击才能击中目标的概率
我们首先求第一问随机变量X的分布律
要求分布律求两点
第一点先确定随机变量X的取值
然后确定取每个值的概率
那么这个时候很显然
随机变量X的取值是取所有的非零自然数
有1 2一直到n
一直到无穷下去
那么X取n的概率是多少
X取n表示
第n次击中
前n减一次没有击中
因此X等于n的概率就是
一减P的n减一次方乘以
这里的p等于零点六四
因此也就是零点三六的n减一次方乘以零点六四
第二点我们来算一下X取偶数的概率
那么X取偶数
也就是说
我们在分布律里面
这个n只能取偶数
我们假设n等于2k
那么这个时候
X取偶数的概率就等于
k从一到无穷零点三六的2k减一次方乘以零点六四
k从一到无穷零点三六的2k减一次方乘以零点六四
经过计算
它可以做一个化简
这里
我们就不去化简了
下面求
第三位至少射击两次才能击中目标
那么也就是算X大于等于二的概率
X大于等于二的概率
我们这个时候可以转化为一减去X小于二的概率
也就是一减去X等于一的概率
因此也就是一减去零点六四
等于零点三六
这样一来
我们就把这个问题解决了
第五个分布
我们来看一下超几何分布
如果随机变量X的分布律是这种形式
分子是CMk
CN-M n-k
分母是CNn
k从零一直到M和n的最小值
如果X的分布律是这个形式
那么我们就说X服从参数为
N M n的超几何分布
那么
超几何分布的概率背景也非常简单
是这样子的假设
一批产品中有N件产品
其中有M件次品
其余的N-M件为正品
现在从这到N件产品中任意取n件
我们令X表示取出的n件产品中次品数
那么这个时候X的分布律就恰好是超几何分布
这里超几何分布
有三个参数
N M n
好下面
我们对我们的第二节做一个小结
在这一节当中
我们要掌握
离散型随机变量的分布律以及性质
第二个问题
掌握一些具体的
也就是常用的离散型随机变量
包括两点分布二项分布
泊松分布还有几何分布
我们要求大家熟练掌握分布律的性质
会利用分布律的性质求一些未知参数
第二点熟练运用两点分布
二项分布 泊松分布
几何分布这几个分布模型解决实际问题
特别是重点掌握二项分布
好今天的课就讲到这里
下一节课
我们继续来介绍随机变量的分布函数
- 第八章 练习题