概率论与数理统计中的三种重要分布

概率论与数理统计中的三种重要分布

ID:47464363

大小:289.60 KB

页数:6页

时间:2020-01-11

概率论与数理统计中的三种重要分布_第页
预览图正在加载中,预计需要20秒,请耐心等待
资源描述:

《概率论与数理统计中的三种重要分布》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、概率论与数理统计中的三种重要分布摘要:在概率论与数理统计课程中,我们研究了随机变量的分布,具体地研究了离散型随机变量的分布和连续型随机变量的分布,并简单的介绍了常见的离散型分布和连续型分布,其中二项分布、Poisson分布、正态分布是概率论中三大重要的分布。因此,在这篇文章中重点介绍二项分布、Poisson分布和正态分布以及它们的性质、数学期望与方差,以此来进行一次比较完整的概率论分布的学习。关键词:二项分布;Poisson分布;正态分布;定义;性质一、二项分布二项分布是重要的离散型分布之一,它在理论上和应用上都占有很重要的地位,产生这种分布的重要现实源泉是所谓的伯努利试验

2、。(一)泊努利分布[Bernoullidistribution](两点分布、0-1分布)1.泊努利试验在许多实际问题中,我们感兴趣的是某事件A是否发生。例如在产品抽样检验中,关心的是抽到正品还是废品;掷硬币时,关心的是出现正面还是反面,等。在这一类随机试验中,只有两个基本事件与,这种只有两种可能结果的随机试验称为伯努利试验。为方便起见,在一次试验中,把出现称为“成功”,出现称为“失败”通常记。2.泊努利分布定义:在一次试验中,设,,若以记事件发生的次数,则,称服从参数为的Bernoulli分布或两点分布,记为:。(二)二项分布[Binomialdistribution]把一

3、重Bernoulli试验独立地重复地进行次得到重Bernoulli试验。定义:在重Bernoulli试验中,设若以记事件发生的次数,则为一随机变量,且其可能取值为,其对应的概率由二项分布给出:,,则称服从参数为的二项分布,记为。若记,显然满足:(1)非负性:0(2)规范性:二项分布描绘的是重Bernoulli试验中成功出现的次数。若记为成功出现的次数,则的可能取值为,其相应的概率为:=事实上:若记,则:,其共有个项,且两两互不相容。由试验的独立性可知:(三)二项分布的数学期望与方差设,,由数学期望的定义:(令)=即:由方差的定义:(令)====二、泊松分布[Poissond

4、istribution](一)定义:称服从参数为的Poisson分布,若记为:或,显然:【说明】历史上Poisson分布是作为二项分布的近似于1837年由法国数学家泊松引入的,若把试验中成功概率值很小的事件叫做稀有事件,则由上面TH当充分大时,重试验中稀有事件发生的次数近似服从Poisson分布。这时,参数的整数部分[恰好是稀有事件发生的最可能次数,在实际中常用Poisson分布来作为大量重复独立试验中稀有事件发生的概率分布情况的数学模型,诸如不幸事件,意外事故、故障,非常见病,自然灾害等,都是稀有事件。许多随机现象都服从Poisson分布。一是社会生活对服务的要求:如电话

5、交换机中来到的呼叫次数;公共车站来到的乘客数都近似服从Poisson分布。另一领域是物理学。放射性分裂落到某区域的质电点;热电子的放射等都服从Poisson分布。(二)Poisson分布的数学期望和方差设,即(令)===所以:三、正态分布前面我们已经研究了概率论中三个重要分布中的两个:二项分布和Poisson分布,这是两个离散型分布;下面研究第三个重要分布——正态分布,这是一个连续型分布,它不仅具有重要的理论意义,而且其应用相当广泛。(一)定义若连续型随机变量的概率密度函数为=(-则称服从参数为的正态分布。简记为~N()。[Normaldistribution]其相应的分布

6、函数为:=特别地:当时,称服从标准正态分布。记作,其相应的密度函数和分布函数分别是:==为说明上述定义的合理性,需验证满足密度函数的性质:1.非负性:显然0.2.规范性:=(令)==1(概率积分:)即确为密度函数。(二)正态分布的特点与性质正态分布又叫Gauss分布,它在概率论的理论和应用中占有很重要的地位,因此需要研究其性质及特点。(1)的各阶导均存在;(2)关于x=对称即=且当x=时,取最大值=;x离越远,值越小,这表明对于同样长度的区间,当区间离越远,则落在该区间上的概率越小,------位置参数,--------形状参数;(3)在x=处有拐点,且以ox轴为水平渐近线

7、,即=0。(三)正态分布的概率计算(1)若,则,,。从而P{=P{-x=P{==(2)若,则~,且=P{}=。proof:P{P{}=P{==(令)即,于是F(x)=P{=P{}=从而对任意实数ab,有=。从上述分析可知:我们对所有有关正态分布的概率计算问题,都是归结为对标准正态分布的概率计算。(四)正态分布的应用一方面,在现实中,正态分布是有广泛应用的概率分布,许多随机现象可以用正态分布或近似的正态分布来刻画。如在生产中,在生产条件不变的前提下,各种产品的某些量度(如建筑材料的抗压强度、细沙的强力、电灯泡的使用寿

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。