2.2 离散型随机变量及其分布律
本章目录 · 1 节
本章导读
【2.2 离散型随机变量及其分布律】取值集中在有限集或可列无限集上的随机变量称为离散型随机变量。记,则且。这些取值和相应概率组成分布律。求时,把属于的取值对应的概率相加。
【例1 四个交通信号灯】汽车依次经过四个信号灯。假设各处是否停车相互独立,停车概率均为。表示首次停车之前已经通过的信号灯数;若四处都不停,令。于是,;。最后一种情形不需要再乘,因为不存在第五个信号灯。各项之和为1。若,概率依次为。(例完)
【一、(0—1)分布】一次试验只有成功、失败两类结果,成功概率为。令表示成功、表示失败,则,,称为(0—1)分布或伯努利分布。通常讨论;是退化情形。事件的示性变量就服从参数的伯努利分布。
【二、伯努利试验和二项分布】进行次相互独立的同类试验,每次成功概率都等于,称为重伯努利试验。成功总次数服从二项分布,记为或。
【公式的由来】指定哪次成功的一个序列,其概率为;这样的序列有个,并且彼此互斥。用二项式定理可验证全部概率的和是。固定次数、各次独立、成功概率相同是模型的三个条件;不放回取样一般不能直接套用二项分布。
【例2 二十个元件中的一等品】大量产品中一等品比例为0.2,随机取20个。把批量足够大、抽取比例很小的取样近似为独立试验,则,。最可能的计数为4。若总体有限且不放回,精确模型是超几何分布,不能把近似独立说成严格独立。下表保留全部21个取值,较小概率采用科学记数法,避免把它们误写成0。(例完)
【例3 射击至少两次命中】独立射击400次,每次命中概率0.02。令,则。在这一模型下,少于两次命中的概率约0.002835。若实际发生此事,可以质疑模型或参数,但不能据一次小概率结果逻辑断定命中率一定小于0.02。(例完)
【例4 维修人员的配置】80台机器在同一时刻是否故障相互独立,每台故障概率0.01。方案甲设4名维修工,每人只负责固定的20台;只要某组至少两台故障,就有机器不能立即维修。单组发生此事的概率为,四组独立,整个方案的等待概率为。方案乙由3名维修工共同负责80台,不能立即维修的概率为。这个瞬时容量模型说明共同调度可降低等待概率;它没有计入维修时长、交通时间和故障到达过程,不能直接代替完整排队系统分析。(例完)
【三、泊松分布】若在非负整数上取值,分布律为
则称服从参数为的泊松分布,记为或。由指数函数级数,。在适当的稀疏发生、独立性和稳定发生率条件下,单位时间内的呼叫数、缺陷数等可用此模型近似;并非所有计数数据都服从泊松分布。
【泊松极限定理】若且充分大,则对每一个固定非负整数,
证明时,把表达式写成;各因子分别趋于、1、、1。更一般地,也得到同一结论。固定的极限不能不加说明就当成对所有尾概率的误差保证。
【例5 芯片缺陷的近似计算】1000片芯片各自是否次品相互独立,次品概率0.001。次品数。精确值为;以近似,得。两值四位小数均为0.2642,但并不完全相等。是否采用近似应根据参数和所需精度判断,不能把一个经验阈值当成普遍保证。(例完)
