1、v概率论研究随机事件的概率，要完整的描述随机现象，需要知道概率空间。而概率空间的数学味道太浓，初学者难以理解。用随机变量及其分布作为描述随机现象的数学模型，更直观、简便，容易掌握。v那么，什么是 “随机变量 ”呢？如何理解它？v随机变量 是 “用来 表示 随机现象结果的 变量 ”。概率论与数理统计vMichael Jordan 连续投篮 10次，每次命中率为 0.8，如何描述这一随机现象？v每天进入某超市的顾客数是随机的，而顾客购买商品的件数也是随机的，如何去描述？v如何描述电视机的寿命长短？v如何用随机变量描述某学生在某次考试中是否及格？概率论与数理统计v若随机现象的各种可能的结果都能用一个
2、 变量的取值（或范围）来表示，则称这个变量为 随机变量 。v如果一个变量的取值依赖于随机试验的结果，在试验之前是不能确定的（也就是说它们的取值是随机的），则把这个变量称为 随机变量 。概率论与数理统计v随机变量通常用大写字母 X,Y,Z， 表示。而表示随机变量的取值时，用 x,y,z,.。v我们是用随机变量的取值情况去描述随机现象的。v用一个随机变量去描述随机现象的结果时，我们首先要会确定这个随机变量的取值范围；接着才考虑每种取值的可能性。概率论与数理统计v例 1 盒子里有 7个白球、 3个黑球，现每次从中任取一个球不放回。若用随机变量 X表示首次取出白球的取球次数，则 X 的所有取值是怎样的
3、？概率论与数理统计随机变量概率论与数理统计如 “取到次品的个数 ”，“收到的呼叫数 ”等 .随机变量离散型随机变量连续型随机变量所有取值可以逐个一一列举例如， “电视机的寿命 ”，实际中常遇到的 “测量误差 ”等 .全部可能取值不仅无穷多，而且还不能一一列举，而是充满一个区间 .概率论与数理统计v离散型随机变量 ：随机变量 X的全部可能 的取值只有有限个或可数无穷个。v可数： 可以逐个一一列举。分布律概率论与数理统计离散型随机变量可完全由其分布列来刻划即离散型随机变量可完全由其的可能取值以及取这些值的概率唯一确定离散型随机变量分布列的性质 :概率论与数理统计v例 2 随机变量 X的分布列为概率
4、论与数理统计求常数 a。解： 由 离散型随机变量的分布列的性质有解得： （舍去）v例 3 设离散型随机变量 X的分布列为X -1 1 2P 0.2 0.5 0.3求 (1) PX0.5;(2) P-20.5=PX=1+PX=2=0.5+0.3=0.8;P-2X3=PX=-1+PX=1+PX=2=1.概率论与数理统计v例 4 已知随机变量 X的分布列为X -1 0 1 2P概率论与数理统计求 PX1|X0.v例 5 袋里有 5只球，编号为 1， 2， 3， 4， 5。现在从盒里随意取 3只球，用 X表示取出的 3个球中的最大号码，求 X的分布律。概率论与数理统计v例 6 盒子里有 7个白球、 3
5、个黑球，现每次从中任取一个球不放回。用随机变量 X表示首次取出白球的取球次数，求 X的分布律。概率论与数理统计v1.二项分布（ X B(n,p)）概率论与数理统计若 X的分布律为：记为 X B(n,p).二项分布可描述 n重伯努利概型中 “ 成功 ” 的次数。v特别地，当 X B(1,p),其分布律为X 0 1P p 1-p此时称 X服从参数为 p的 0-1分布 。凡试验只有两个结果 , 常用 0 1分布描述 , 如产品是否合格、人口性别统计、系统是否正常、电力消耗 是否超标等等 . 应用场合概率论与数理统计xP012345678此时的 称为 最可能成功次数v如果 X B(n,p)，那么，当
6、k由 0变到 n时，PX=k先是单调增加，随后单调减小 .当 k为小于 (n+1)p的最大整数时，取到它的最大值.v 例 7 市场上出售的鸡蛋中，有 1/100鸡蛋由于天气炎热已开始变质 ,现有一个顾客购买了 5个鸡蛋 .求所购 5个鸡蛋中，至少有一个以变质的概率。概率论与数理统计v例 8 鸡在正常情况下感染某种传染病的概率为 0.2，用新疫苗 A注射 22只鸡后仅感染 1只，试问疫苗有效吗？v通常概率在 5%以下的事件称为 小概率事件。 在一次试验中，可认为小概率事件不发生！这就是著名的 小概率事件原理 。 概率论与数理统计v例 9 有甲、乙两种味道和颜色极为相似的名酒各 4杯 .如果从中挑
7、 4杯，能将甲种酒全部挑出来，算是试验成功一次 .（ 1）某人随机地去猜，问他试验成功一次的概率是多少？（ 2）某人声称他通过品尝能区分两种酒 .他连续试验 10次，成功 3次 .试问他是猜对的，还是他确有区分的能力（设各次试验是相互独立的 .） ?概率论与数理统计解因此例 10概率论与数理统计v小概率事件原理认为：在一次试验中，小概率事件不发生！但是，如果不断重复试验，小概率事件迟早会发生！为什么呢？v于是，我们明白了一首歌：伤心总是难免的。既然伤心总是难免的，那伤心一次又何妨？人生漫漫长路，我们何必为一两次挫折而耿耿入怀呢？概率论与数理统计2. 泊松分布 概率论与数理统计在生物学 、 医学
8、 、 工业统计、保险科学及公用事业的排队等问题中 , 泊松分布是常见的 .例如地震、火山爆发、特大洪水、交换台的电话呼唤次数等 , 都服从泊松分布 .地震 火山爆发 特大洪水泊松分布的背景及应用概率论与数理统计电话呼唤次数 交通事故次数商场接待的顾客数概率论与数理统计泊松定理概率论与数理统计概率论与数理统计二项分布与 Poisson近似的比较 二项分布 泊松分布n很大 , p 很小上面的表告诉我们概率论与数理统计例 11 (人寿保险问题 )设有 10,000个人参加了人寿保险 ,每年保费 200元，死亡赔偿金 100,000元。若他们的死亡率为 0.001,求保险公司获利不少于 50,000元的概率是多少 ?保险公司的收入是 10000200=2000000 元解 设 X表示这一年内的死亡人数 ,则概率论与数理统计保险公司这一年里赔出 100000X 元 .假定 2000000-100000X500000,即 X 15.由泊松定理，得PX15概率论与数理统计
