浅析二项分布、泊松分布和正态分布之间的关系

浅析二项分布、泊松分布和正态分布之间的关系

1预备知识

1.1二项分布

在同一条件下重复做n次独立试验，每次试验只可能有两种对立的结果:A和A之一，并设在同一次试验中A发生的

概率是P (A) = p，0

在n次独立试验中，出现A的总计次数k是一个随机变量.

并且总有

P夏X=k卜心Pk9-_k，(k=o，LZ，…，n)

班分布称为二项分布，是因为CApk9"-kt.&为(9+ p)k

二项展开式的各项系数.这种概率模型也被称为伯努利概

型。X服从参数为n, p的二项分布，记为X一b (n, p)。

由二项分布的定义知.随机变量X是n重伯努利试验中事

件A发生的次数，且在每次试验中A发生的概率为p。二项

分布的数学期望和方差分别是EX = np，DX=np(l一月。

1.2泊松分布

泊松分布刻画了稀有李件在一段时间内发生次数这一随机变盘的分布，如电话交换台单位时间内接到的呼唤次数.某公

共汽车站在单位时间内来站乘车的乘客数，宇宙中单位体积内星球的个数.耕地上单位面积内杂草的数目等。

设随机变量x所有可能取得值为0,1,2,-..，而取各个值的

概率为P{X=月二

兄ke_x

k!

k=0,1,2,---，其中A. >0是常数，

则称X服从参数为兄的泊松分布，记为X一‘(刃。

泊松分布的重要性质是它的数学期望和方差都等于参数兄。

1 .3正态分布

设连续型随机变量x的概率密度为:

I(x) _ 1- e

一J27rs

(x一月产

2,5'

-00 < x < +00，其中PIC为

常数，口>0，则称溯及从参数为从口的正态分布或高斯分

布，记为X一N(u,a2)。

正态分布的概率密度中的两个参数产和a，分别就是该分

布的数学期望和方差。特别地，当,t=O,a2 =1时的正态分

布.称为标准正态分布，记为X一N(0,1)，标准正态分布的

产

密度函数记为(Pkx) -了歹e2r‘，-0o < x <+00·

正态分布是自然界及工程技术中最常见的分布之一，大量的随机现象都是服从或近似服从正态分布的。文献【1]指出，

如果一个随机指标受到许多微小的、独立的随机因素的影响，

而其中任何一个因素都不起决定性作用，则可认为该随机指标

[作者简介】于洋(1979-),男，大连人，东北财经大学讲师，硕士学位.研究方向:概率统计、数f经济学。

108

1

“不石e2}rnpg

(k-v)'

服从或近似服从正态分布，这正是正态分布在理论与实践上都

极其重要的原因。

1_(、一np l

一nP9 wl np-q)

2主要结果

2.1二项分布与泊松分布之间的关系

定理I(泊松定理)在n重伯努利试验中，

验中发生的概率为Pn，它与试验次数有关，

=.A>0，则对任意给定的m，有

P夏a‘戈‘b}

(2)

事件A在每次试

如果辣nPn

_。l。一，_

一厂飞np(1-p)“

戈一nP

Jnp，一，)

_。一np}

“np(1-p) j

llmC"P- (1一。)一羊。一，、一。,1,2...

”冲。一K二

__{b-np)_{。一，)

‘’{nP(I-P){一’{np(I-p){

泊松定理的证明见文献【1]。由该定理可知，当二项分

布b (n, p)的参数n很大，P很小，而兄二np大小适中时，

实际中n'a100，pS0.1，np<_10时(见文献[21)，二项

分布可用参数为兄=np的泊松分布来近似，即

C pk (1一PT‘二

ak

，.一一几

—匕

k!

只要查一查标准正态分布函数表4o容易得到尸{。‘X-

的相当精确的值。原则上(1)式和(2)式适用于任何给定的p和

充分大的n。不过，当p较大或较小时近似效果较差，应用

时p最好满足O.15P50.9(参见文献[21). At外，文献[3]

还指出，由于我们是用一个连续分布来近似离散分布，在实际应用中.为了减少近似误差.常用

这就是二项分布的泊松逼近。当然n应尽可能地大，否则近似效果往往不佳。

二项分布的泊松近似常常被应用于研究稀有事件(即每次试验中事件出现的概率p很小)’，当伯努利试验的次数n很大时，事件发生的频数的分布。实际表明，在一般情况下，当

p<0.1时，这种近似是很好的，甚至n不必很大都可以，这

点从比较二项分布与泊松分布的概率分布表也可以看出。例如，当p = 0.01时，甚至”=2时，这种近似程度已经很好了。表1说明了这一情况，其中np = 0.02。

衰，二项分布与泊松分布的比较

P{a‘戈‘小。

来代替(2)式。

(b+0.5一，、‘厂。一0.5一，、

{nP(l_p){一(np(l_p){

2.3泊松分布与正态分布之间的关系

由定理1和定理2可知二项分布既可以用泊松分布近似，也可以用正态分布近似。显然，泊松分布和正态分布在一定条件下也具有近似关系，下面的定理说明泊松分布的正态通近。

定理3对任意的a

,jk_一4，

飞，几‘1 r0

乙-石-=了万Ja“

a

尸

2去，其中

浊a=

┌─┬─────────┬───────┐

│k │C.I Pk (1一P )"-k │(，)‘e一”Ik!│

├─┼─────────┼───────┤

│0 │0. 9801 │0. 9802 │

│1 │0. 0198 │0. 0196 │

│2 │0. 0001 │0. 0002 │

└─┴─────────┴───────┘

“一几

万不，”-

18一兄

万

。定理3的证明见文献[1〕。

2.2二项分布和正态分布之间的关系

定理2设随机变里X。一b (n, pX0

则对于任意x，有

lim{ Xn -npn-am np(1-p)·丹·Jr瓮-Zdt00 2;r一、

定理2就是概率论中著名的棣莫弗一拉普拉斯中心极限定理，它的证明见文献【27。该定理表明，当n充分大时，二项分布可用正态分布来近似，即二项分布的正态逼近。例如，

P {Xn·、卜心，‘(1一，)n_‘和P毛a、Xn、b}-

E CRpkqn-kx#。充分大时计算是十分困难的。根据定理:，nsk

由于

戈一nP

InP(1-P)

近似服从N(0,1)或等价地Xn近似服从

以np,np(1-P))，于是可以近似地用正态分布来计算上述概

率，即P毛Xn=*}=心，‘(1一，)”一‘

如前文所述，二项分布的泊松近似和正态近似各自适用的条件是不同的。当P很小时，即使n不是很大，用泊松分布近似二项分布，已经相当吻合。但是在这种倩形下，用正态分布去近似二项分布，却会产生较大的误差。直观上也可以想象得到，p很小，n又不大，则np =几一定不会很大。由定理3

可知，正态分布就不能很好地近似泊松分布，因而也就不能近似被泊松分布十分逼近的二项分布。

在”充分大，P既不接近于0也不接近于1时(实际上最好满足0.1 S p S 0.9)，用正态分布去近似二项分布，效果就

较好。

表2是用泊松分布与正态分布去近似二项分布b (n, p)

的比较，其中，二2500，p一0.02，np二50,了而万=

了49=7。可见，在数值上三者是大致相等的。

由定理3易知，泊松分布X一二(刃当A-+树的极限分

布是正态分布N(A, a.)。

为了进一步讨论泊松分布和正态分布的分布函数之间的近似关系，需要用到随机变量的特征函数的相关知识，首先给出特征函数的定义:

109

1

“不石e2}rnpg

(k-v)'

服从或近似服从正态分布，这正是正态分布在理论与实践上都极其重要的原因。

1_(、一np l

一nP9 wl np-q)

2主要结果

2.1二项分布与泊松分布之间的关系

定理I(泊松定理)在n重伯努利试验中，

验中发生的概率为Pn，它与试验次数有关，

=.A>0，则对任意给定的m，有

P夏a‘戈‘b}

(2)

事件A在每次试

如果辣nPn

_。l。一，_

一厂飞np(1-p)“

戈一nP

Jnp，一，)

_。一np}

“np(1-p) j

llmC"P- (1一。)一羊。一，、一。,1,2...

”冲。一K二

__{b-np)_{。一，)

‘’{nP(I-P){一’{np(I-p){

泊松定理的证明见文献【1]。由该定理可知，当二项分

布b (n, p)的参数n很大，P很小，而兄二np大小适中时，

实际中n'a100，pS0.1，np<_10时(见文献[21)，二项

分布可用参数为兄=np的泊松分布来近似，即

C pk (1一PT‘二

ak

，.一一几

—匕

k!

只要查一查标准正态分布函数表4o容易得到尸{。‘X-

时p最好满足O.15P50.9(参见文献[21). At外，文献[3]

还指出，由于我们是用一个连续分布来近似离散分布，在实际应用中.为了减少近似误差.常用

这就是二项分布的泊松逼近。当然n应尽可能地大，否则近似效果往往不佳。

二项分布的泊松近似常常被应用于研究稀有事件(即每次试验中事件出现的概率p很小)’，当伯努利试验的次数n很大时，事件发生的频数的分布。实际表明，在一般情况下，当

p<0.1时，这种近似是很好的，甚至n不必很大都可以，这

点从比较二项分布与泊松分布的概率分布表也可以看出。例如，当p = 0.01时，甚至”=2时，这种近似程度已经很好了。表1说明了这一情况，其中np = 0.02。

衰，二项分布与泊松分布的比较

P{a‘戈‘小。

来代替(2)式。

(b+0.5一，、‘厂。一0.5一，、

{nP(l_p){一(np(l_p){

2.3泊松分布与正态分布之间的关系

由定理1和定理2可知二项分布既可以用泊松分布近似，

也可以用正态分布近似。显然，泊松分布和正态分布在一定条件下也具有近似关系，下面的定理说明泊松分布的正态通近。

定理3对任意的a

,jk_一4，

飞，几‘1 r0

乙-石-=了万Ja“

a

尸

2去，其中

浊a=

┌─┬─────────┬───────┐

│k │C.I Pk (1一P )"-k │(，)‘e一”Ik!│

├─┼─────────┼───────┤

│0 │0. 9801 │0. 9802 │

│1 │0. 0198 │0. 0196 │

│2 │0. 0001 │0. 0002 │

└─┴─────────┴───────┘

“一几

万不，”-

18一兄

万

。定理3的证明见文献[1〕。

2.2二项分布和正态分布之间的关系

定理2设随机变里X。一b (n, pX0

则对于任意x，有

lim{ Xn -npn-am np(1-p)·丹·Jr瓮-Zdt00 2;r一、

定理2就是概率论中著名的棣莫弗一拉普拉斯中心极限定理，它的证明见文献【27。该定理表明，当n充分大时，二项分布可用正态分布来近似，即二项分布的正态逼近。例如，

P {Xn·、卜心，‘(1一，)n_‘和P毛a、Xn、b}-

E CRpkqn-kx#。充分大时计算是十分困难的。根据定理:，nsk

由于

戈一nP

InP(1-P)

近似服从N(0,1)或等价地Xn近似服从

以np,np(1-P))，于是可以近似地用正态分布来计算上述概

率，即P毛Xn=*}=心，‘(1一，)”一‘

如前文所述，二项分布的泊松近似和正态近似各自适用的条件是不同的。当P很小时，即使n不是很大，用泊松分布近似二项分布，已经相当吻合。但是在这种倩形下，用正态分布去近似二项分布，却会产生较大的误差。直观上也可以想象得到，p很小，n又不大，则np =几一定不会很大。由定理3

可知，正态分布就不能很好地近似泊松分布，因而也就不能近

似被泊松分布十分逼近的二项分布。

在”充分大，P既不接近于0也不接近于1时(实际上最好满足0.1 S p S 0.9)，用正态分布去近似二项分布，效果就

较好。

表2是用泊松分布与正态分布去近似二项分布b (n, p)

的比较，其中，二2500，p一0.02，np二50,了而万=

了49=7。可见，在数值上三者是大致相等的。

由定理3易知，泊松分布X一二(刃当A-+树的极限分

布是正态分布N(A, a.)。

为了进一步讨论泊松分布和正态分布的分布函数之间的近似关系，需要用到随机变量的特征函数的相关知识，首先给出特征函数的定义:

109

社会统计学习题集--二项分布与正态分布.

第七章假设检验 第一节二项分布 二项分布的数学形式·二项分布的性质 第二节统计检验的基本步骤 建立假设·求抽样分布·选择显著性水平和否定域·计算检验统计量·判定 第三节正态分布 正态分布的数学形式·标准正态分布·正态分布下的面积·二项分布的正态近似法 第四节中心极限定理 抽样分布·总体参数与统计量·样本均值的抽样分布·中心极限定理 第五节总体均值和成数的单样本检验 σ已知，对总体均值的检验·学生t分布(小样本总体均值的检验·关于总体成数的检验一、填空 1．不论总体是否服从正态分布，只要样本容量n足够大，样本平均数的抽样分布就趋于（正态）分布。 2．统计检验时，被我们事先选定的可以犯第一类错误的概率，叫做检验的( 显著性水平，它决定了否定域的大小。 3．假设检验中若其他条件不变，显著性水平的取值越小，接受原假设的可能性越（大），原假设为真而被拒绝的概率越（小）。 4．二项分布的正态近似法，即以将B(x；n，p视为（( np ，npq查表进行计算。 5．已知连续型随机变量～(0,1，若概率P{≥}=0.10，则常数= （）。 6．已知连续型随机变量～(2,9，函数值，则概率=（）。 二、单项选择

1．关于学生t分布，下面哪种说法不正确（ B ）。 A 要求随机样本 B 适用于任何形式的总体分布 C 可用于小样本 D 可用样本标准差S代替总体标准差 2．二项分布的数学期望为（ C ）。 A n(1-np B np(1- p C np D n(1- p。 3．处于正态分布概率密度函数与横轴之间、并且大于均值部分的面积为（ D ）。 A 大于0.5 B －0.5 C 1 D 0.5。 4．假设检验的基本思想可用（ C ）来解释。 A 中心极限定理 B 置信区间 C 小概率事件 D 正态分布的性质 5．成数与成数方差的关系是（D）。 A 成数的数值越接近0，成数的方差越大 B 成数的数值越接近0.3，成数的方差越大 C 成数的数值越接近1，成数的方差越大 D 成数的数值越接近0.5，成数的方差越大 6．在统计检验中，那些不大可能的结果称为( D 。如果这类结果真的发生了， 我们将否定假设。 A 检验统计量 B 显著性水平 C 零假设 D 否定域 7．对于大样本双侧检验，如果根据显著性水平查正态分布表得Zα/2＝1．96，则当零假设被否定时，犯第一类错误的概率是( C 。 A 20% B 10% C 5% D．1% 8．关于二项分布，下面不正确的描述是（ A ）。 A 它为连续型随机变量的分布；

泊松分布的概念及表和查表方法

目录 1命名原因 2分布特点 3关系 4应用场景 5应用示例 6推导 7形式与性质 命名原因 泊松分布实例

泊松分布（Poisson distribution），台译卜瓦松分布（法语：loi de Poisson，英语：Poisson distribution，译名有泊松分布、普阿松分布、卜瓦松分布、布瓦松分布、布阿松分布、波以松分布、卜氏分配等），是一种统计与概率学里常见到的离散机率分布（discrete probability distribution）。泊松分布是以18～19 世纪的法国数学家西莫恩·德尼·泊松（Siméon-Denis Poisson）命名的，他在1838年时发表。这个分布在更早些时候由贝努里家族的一个人描述过。 分布特点 泊松分布的概率函数为： 泊松分布的参数λ是单位时间(或单位面积)内随机事件的平均发生次数。泊松分布适合于描述单位时间内随机事件发生的次数。 泊松分布的期望和方差均为特征函数为 关系 泊松分布与二项分布 泊松分布 当二项分布的n很大而p很小时，泊松分布可作为二项分布的近似，其中λ为np。通常当n≧20,p≦时，就可以用泊松公式近似得计算。 事实上，泊松分布正是由二项分布推导而来的，具体推导过程参见本词条相关部分。 应用场景 在实际事例中，当一个随机事件，例如某电话交换台收到的呼叫、来到某公共汽车站的乘客、某放射性物质发射出的粒子、显微镜下某区域中的白血球等等，以固定的平均瞬时速率λ（或称密度）随机且独立地出现时，那么这个事件在单位时间（面积或体积）内出现的次数或个数就近似地服从泊松分布P(λ)。因此,泊松分布在管理科学、运筹学以及自然科学的某些问题中都占有重要的地位（在早期学界认为人类行为是服从泊松分布，2005年在nature上发表的文章揭示了人类行为具有高度非均匀性）。 应用示例

泊松分布的概念及表和查表方法

泊松分布的概念及表和查表方法 Poisson分布，是一种统计与概率学里常见到的离散概率分布，由法国数学家西莫恩·德 目录 1命名原因 2分布特点 3关系 4应用场景 5应用示例 6推导 7形式与性质

命名原因 泊松分布实例 泊松分布（Poisson distribution），台译卜瓦松分布（法语：loi de Poisson，英语：Poisson distribution，译名有泊松分布、普阿松分布、卜瓦松分布、布瓦松分布、布阿松分布、波以松分布、卜氏分配等），是一种统计与概率学里常见到的离散机率分布（discrete probability distribution）。泊松分布是以18～19 世纪的法国数学家西莫恩·德尼·泊松（Siméon-Denis Poisson）命名的，他在1838年时发表。这个分布在更早些时候由贝努里家族的一个人描述过。 分布特点 泊松分布的概率函数为： 泊松分布的参数λ是单位时间(或单位面积)内随机事件的平均发生次数。泊松分布适合于描述单位时间内随机事件发生的次数。 泊松分布的期望和方差均为特征函数为 关系 泊松分布与二项分布 泊松分布 当二项分布的n很大而p很小时，泊松分布可作为二项分布的近似，其中λ为np。通常当n≧20,p≦0.05时，就可以用泊松公式近似得计算。 事实上，泊松分布正是由二项分布推导而来的，具体推导过程参见本词条相关部分。应用场景

在实际事例中，当一个随机事件，例如某电话交换台收到的呼叫、来到某公共汽车站的乘客、某放射性物质发射出的粒子、显微镜下某区域中的白血球等等，以固定的平均瞬时速率λ（或称密度）随机且独立地出现时，那么这个事件在单位时间（面积或体积）内出现的次数或个数就近似地服从泊松分布P(λ)。因此,泊松分布在管理科学、运筹学以及自然科学的某些问题中都占有重要的地位（在早期学界认为人类行为是服从泊松分布，2005年在nature上发表的文章揭示了人类行为具有高度非均匀性）。 应用示例 泊松分布适合于描述单位时间（或空间）内随机事件发生的次数。如某一服务设施在一定时间内到达的人数，电话交换机接到呼叫的次数，汽车站台的候客人数，机器出现的故障数，自然灾害发生的次数，一块产品上的缺陷数，显微镜下单位分区内的细菌分布数等等。 观察事物平均发生m次的条件下，实际发生x次的概率P（x）可用下式表示： 例如采用0.05J/㎡紫外线照射大肠杆菌时，每个基因组（～4×106核苷酸对）平均产生3个嘧啶二体。实际上每个基因组二体的分布是服从泊松分布的，将取如下形式： …… 是未产生二体的菌的存在概率，实际上其值的5%与采用0.05J/㎡照射时的大肠杆菌uvrA-株，recA-株（除去既不能修复又不能重组修复的二重突变）的生存率是一致的。由于该菌株每个基因组有一个二体就是致死量，因此就意味着全部死亡的概率。 推导 泊松分布是最重要的离散分布之一，它多出现在当X表示在一定的时间或空间内出现的事件个数这种场合。在一定时间内某交通路口所发生的事故个数，是一个典型的例子。泊松分布的产生机制可以通过如下例子来解释。

二项分布与正态分布 练习题

二项分布与正态分布 1．用电脑每次可以自动生成一个(0,1)内的实数，且每次生成每个实数都是等可能的，若用该电脑连续生成3个实数，则这3个实数都大于1 3 的概率为( ) A.1 27 B.23 C. 827 D.49 解析：选C 由题意可得，用该电脑生成1个实数，且这个实数大于1 3的概率为P ＝ 1－13＝23，则用该电脑连续生成3个实数，这3个实数都大于13的概率为? ????233＝8 27.故选 C. 2．(2019·汕头模拟)甲、乙两人参加“社会主义价值观”知识竞赛，甲、乙两人能荣获一等奖的概率分别为23和3 4，甲、乙两人是否获得一等奖相互独立，则这两个人中 恰有一人获得一等奖的概率为( ) A.34 B.23 C.57 D.512 解析：选D 根据题意，恰有一人获得一等奖就是甲获得乙没有获得或甲没有获得乙获得，则所求概率是23×? ????1－34＋34×? ????1－23＝5 12 ，故选D. 3．(2018·厦门二模)袋中装有2个红球，3个黄球，有放回地抽取3次，每次抽取1球，则3次中恰有2次抽到黄球的概率是( ) A.25 B.35 C.18125 D.54125 解析：选D 袋中装有2个红球，3个黄球，有放回地抽取3次，每次抽取1球，每次取到黄球的概率为35，∴3次中恰有2次抽到黄球的概率是P ＝C 23? ????352? ????1－35＝ 54 125 . 4．(2018·唐山二模)甲、乙等4人参加4×100米接力赛，在甲不跑第一棒的条件下，乙不跑第二棒的概率是( ) A.2 9 B.49

C.23 D.79 解析：选D 甲不跑第一棒共有A 13·A 3 3＝18种情况，甲不跑第一棒且乙不跑第二棒共有两类：(1)乙跑第一棒，共有A 33＝6种情况；(2)乙不跑第一棒，共有A 12·A 12·A 2 2＝8 种情况，∴甲不跑第一棒的条件下，乙不跑第二棒的概率为6＋818＝79 .故选D. 5．(2019·福建四校联考)某校在高三第一次模拟考试中约有1 000人参加考试，其数学考试成绩X 近似服从正态分布N (100，a 2)(a ＞0)，试卷满分150分，统计结果显示数学考试成绩不及格(低于90分)的人数占总人数的1 10，则此次数学考试成绩在100 分到110分之间的人数约为( ) A ．400 B ．500 C ．600 D ．800 解析：选A 由题意得，P (X ≤90)＝P (X ≥110)＝110，所以P (90≤X ≤110)＝1－2× 1 10＝45，所以P (100≤X ≤110)＝2 5，所以此次数学考试成绩在100分到110分之间的人数约为 1 000×2 5 ＝400.故选A. 6．(2018·河北“五个一名校联盟”二模)某个电路开关闭合后会出现红灯或绿灯闪烁，已知开关第一次闭合后出现红灯的概率为12，两次闭合后都出现红灯的概率为1 5， 则在第一次闭合后出现红灯的条件下第二次闭合后出现红灯的概率为( ) A.1 10 B.15 C.25 D.12 解析：选C 设“开关第一次闭合后出现红灯”为事件A ，“第二次闭合后出现红灯”为事件B ，则由题意可得P (A )＝12，P (AB )＝1 5，则在第一次闭合后出现红灯的条件 下第二次闭合出现红灯的概率是P (B |A )＝P AB P A ＝1 512 ＝25 .故选C. 7．(2019·淄博一模)设每天从甲地去乙地的旅客人数为随机变量X ，且X ～ N (800,502)，则一天中从甲地去乙地的旅客人数不超过900的概率为( )

数学分布(泊松分布、二项分布、正态分布、均匀分布、指数分布) 生存分析 贝叶斯概率公式 全概率公式讲解

数学期望：随机变量最基本的数学特征之一。它反映随机变量平均取值的大小。又称期望或均值。它是简单算术平均的一种推广。例如某城市有10万个家庭，没有孩子的家庭有1000个，有一个孩子的家庭有9万个，有两个孩子的家庭有6000个，有3个孩子的家庭有3000个，则此城市中任一个家庭中孩子的数目是一个随机变量，记为X，它可取值0，1，2，3，其中取0的概率为0.01，取1的概率为0.9，取2的概率为0.06，取3的概率为0.03，它的数学期望为0×0.01＋1×0.9＋2×0.06＋3×0.03等于1.11，即此城市一个家庭平均有小孩1.11个，用数学式子表示为：E(X)=1.11。 也就是说，我们用数学的方法分析了这个概率性的问题，对于每一个家庭，最有可能它家的孩子为1.11个。 可以简单的理解为求一个概率性事件的平均状况。 各种数学分布的方差是： 1、一个完全符合分布的样本 2、这个样本的方差 概率密度的概念是：某种事物发生的概率占总概率(1)的比例,越大就说明密度越大。比如某地某次考试的成绩近似服从均值为80的正态分布，即平均分是80分，由正态分布的图形知x=80时的函数值最大，即随机变量在80附近取值最密集，也即考试成绩在80分左右的人最多。 下图为概率密度函数图(F(x)应为f(x)，表示概率密度)：

离散型分布：二项分布、泊松分布 连续型分布：指数分布、正态分布、X 2分布、t 分布、F 分布 抽样分布只与自由度，即样本含量（抽样样本含量）有关 二项分布（binomial distribution ）：例子抛硬币 1、 重复试验（n 个相同试验，每次试验两种结果，每种结果概率恒定————伯努利试验） 2、 抽样分布

二项分布与正态分布

二项分布与正态分布 [最新考纲] 1．了解条件概率和两个事件相互独立的概念． 2．理解n 次独立重复试验的模型及二项分布． 3．能解决一些简单的实际问题. 知 识 梳 理 1．条件概率及其性质 设A ，B 为两个事件，如果P (AB )＝P (A )P (B )，则称事件A 与事件B 相互独立． 若事件A ，B 相互独立，则P (B |A )＝P (B )；事件A 与B ，A 与B ，A 与B 都相互独立． 3．独立重复试验与二项分布 (1)独立重复试验 在相同条件下重复做的n 次试验称为n 次独立重复试验，若用A i (i ＝1,2，…，n )表示第i 次试验结果，则 P (A 1A 2A 3…A n )＝P (A 1)P (A 2)P (A 3)…P (A n )． (2)二项分布 在n 次独立重复试验中，用X 表示事件A 发生的次数，设每次试验中事件A 发 生的概率为p ，则P (X ＝k )＝C k n p k (1－p ) n －k (k ＝0,1,2，…，n )，此时称随机变量X 服从二项分布，记为X ～B (n ，p )，并称p 为成功概率． 4．正态分布 (1)正态分布的定义及表示 如果对于任何实数a ，b (a

机变量X 服从正态分布，记为X ～N (μ，σ2)． 函数φμ，σ(x )＝，x ∈R 的图象(正态曲线)关于直线x ＝μ对称，在x ＝μ处达到峰值1σ2π. (2)正态总体三个基本概率值 ①P (μ－σ

浅析二项分布与泊松分布之间的关系

学年论文 题目：浅析二项分布与泊松分布之间的关系 学生： 学号： 院（系）：理学院 专业：信息与计算科学 指导教师：安晓钢 2013 年11月25日

浅析二项分布与泊松分布之间的关系 信息121班; 指导教师：安晓钢 （陕西科技大学理学院 陕西 西安 710021） 摘 要：泊松分布刻画了稀有事件在一段时间内发生次数这一随机变量的分布，如电话交换台单位时间内接到的呼唤次数等。二项分布是n 个独立的是/非试验中成功的次数的离散概率分布。它们有着密切的关系。泊松分布是二项分布的特例。某现象的发生率很小，而样本例数n 很大时，则二项分布接近于泊松分布，即：如果试验次数n 很大，二项分布的概率p 很小，且乘积np =λ比较适中，则事件出现的次数的概率可以用泊松分布来逼近。事实上，二项分布可以看作泊松分布在离散时间上的对应物，是二项分布的特例。通过分析二项分布和泊松分布之间的关系，使学生对概率分布理论的理解更为深刻，能够将学到的理论知识应用在实际生活中，从而提高自己的综合素质。 关 键 词：二项分布， 泊松分布， 近似 The Application of Asignment Poblem ABSTRACT: Poisson distribution is used to depict the distribution of rare events that a random variable frequency over a period of time, such as a telephone exchange in unit time received the call number. The two distribution is n independent / discrete probability distributions of number of successful non trials. They have a close relationship. Poisson distribution is two distribution case. The incidence of the phenomenon is very small, and the number of sample n is large, then the two distribution is close to the Poisson distribution, i.e.: if the test number n is large, the two probability distribution P is small, and the product of lambda = N P is moderate, the probability of the event can be used to force the Poisson distribution near. In fact, the two distribution can be seen as the counterpart of Poisson distribution in discrete time, are the two distribution case. Through the analysis of the relationship between two binomial distribution and Poisson distribution, enables the student to the theory of probability distribution for more profound understanding will be able to learn the application of theoretical knowledge in real life, so as to improve their comprehensive quality. KEY WORDS : Two distribution, Poisson distribution, Approximate

二项分布与正态分布的特点及联系

二项分布与正态分布的特点及他们的联系 2008-05-23 09:22:10| 分类：数学|举报|字号订阅 正态分布的特点如下： 1．正态分布的形式是对称的，它的对称轴是过平均数点的垂直线，即关于x=u对称。 2．曲线在Z=0处为最高点，向左右延伸时，在正负1个标准差之内，既向下又向内弯。从正负1个标准差开始，既向下又向外弯。拐点位于正负一个标准差处，曲线两端向靠近基线处无限延伸和接近，但不相交。 3．正态分布下的面积为1，过平均数的垂直线将面积分为左右各0.50的部分。正态曲线下的每一面积都可以被看成是概率，即对应着横坐标值的随机变量出现的概率。 4．正态分布是一族分布，它随着随机变量的平均数、标准差的大小与单位不同而有不同的分布形态。但是所有的正态分布都可以通过公式Z＝(Xl—M)／S，转换成标准正态分布，即平均数为0，标准差为1的正态分布。 5．在正态分布曲线中，标准差与概率(面积)有一定的关系。 二项分布的特点如下： 1、二项分布的均值为np，方差为npq。 2、以事件A出现的次数为横坐标，以概率为纵坐标，画出二项分布的图象，可以看出： （1）、二项分布是一种离散性分布 （2）、当p=q=0.5时，图象对称；当p不等于q时，图形是偏斜的。p>q 时，呈负偏态； 3、n->∞时，趋近于正态分布N(np,npq）

一般1/2np>=5且nq>=5时，二项分布就非常接近正态分布。 二项分布函数在教育中主要用来判断试验结果的机遇性与真实性的界限，例如，求测验猜测行为的判断标准：在选择题测验中，通过二项分布计算得出被试凭猜测答对N道以上的概率。 阅读(744)|评论(0)

二项分布概念及图表和查表方法

二项分布概念及图表 二项分布就是重复n次独立的伯努利试验。在每次试验中只有两种可能的结果，而且两种结果发生与否互相对立，并且相互独立，与其它各次试验结果无关，事件发生与否的概率在每一次独立试验中都保持不变，则这一系列试验总称为n重伯努利实验，当试验次数为1时，二项分布服从0-1分布。 目录 1 定义 ?统计学定义 ?医学定义 2 概念 3 性质 4 图形特点 5 应用条件 6 应用实例 定义 统计学定义 在概率论和统计学中，二项分布是n个独立的是/非试验中成功的次数的离散概率分布，其中每次试验的成功概率为p。这样的单次成功/失败试验又称为伯努利试验。实际上，当 时，二项分布就是伯努利分布，二项分布是显著性差异的二项试验的基础。

医学定义 在医学领域中，有一些随机事件是只具有两种互斥结果的离散型随机事件，称为二项分类变量（dichotomous variable），如对病人治疗结果的有效与无效，某种化验结果的阳性与阴性，接触某传染源的感染与未感染等。二项分布（binomial distribution）就是对这类只具有两种互斥结果的离散型随机事件的规律性进行描述的一种概率分布。 考虑只有两种可能结果的随机试验，当成功的概率（）是恒定的，且各次试验相互独立，这种试验在统计学上称为伯努利试验（Bernoulli trial）。如果进行次伯努利试验，取得成功次数为的概率可用下面的二项分布概率公式来描述：P=C(X,n)*π^X*(1-π)^(n-X) 二项分布公式 二项分布公式 P(ξ=K)= C(n,k) * p^k * (1-p)^(n-k)，其中C(n, k) =n!/(k!(n-k)!)，注意：第二个等号后面的括号里的是上标，表示的是方幂。

二项分布、超几何分布、正态分布总结归纳及练习

二项分布与超几何分布辨析 二项分布与超几何分布是两个非常重要的、应用广泛的概率模型，实际中的许多问题都可以利用这两个概率模型来解决．在实际应用中，理解并区分两个概率模型是至关重要的．下面举例进行对比辨析． 例 袋中有8个白球、2个黑球，从中随机地连续抽取3次，每次取1个球．求： （1）有放回抽样时，取到黑球的个数Ｘ的分布列； （2）不放回抽样时，取到黑球的个数Ｙ的分布列． 解：（1）有放回抽样时，取到的黑球数Ｘ可能的取值为０，1，2，3．又由于每次取到黑球的概率均 为，3次取球可以看成3次独立重复试验，则1~35X B ?? ???，． 3 03 1464(0)55125P X C ???? ==?= ? ????? ∴； 12 13 1448(1)55125 P X C ???? ==?= ? ?????； 21 231412(2)55125P X C ???? ==?= ? ?????； 3 33 141(3)55125 P X C ???? ==?= ? ?????． 因此，X 的分布列为 X 0 1 2 3 P 64125 48125 12125 1125 2．不放回抽样时，取到的黑球数Ｙ可能的取值为0，1，2，且有： 03283107(0)15C C P Y C ===；12283107(1)15C C P Y C ===；21283101 (2)15 C C P Y C ===． 因此，Y 的分布列为 Y 0 1 2 P 715 715 115 辨析：通过此例可以看出：有放回抽样时，每次抽取时的总体没有改变，因而每次抽到某物的概率都是相同的，可以看成是独立重复试验，此种抽样是二项分布模型．而不放回抽样时，取出一个则总体中就少一个，因此每次取到某物的概率是不同的，此种抽样为超几何分布模型．因此，二项分布模型和超几何分布模型最主要的区别在于是有放回抽样还是不放回抽样．所以，在解有关二项分布和超几何分布问题时，仔细阅读、辨析题目条件是非常重要的． 超几何分布和二项分布都是离散型分布

二项分布、泊松分布和正态分布的区别及联系

二项分布、泊松分布和正态分布的区别及联系 二项分布、泊松分布和正态分布的区别及联系?被浏览8,9732 个回答猴子微信公众号：猴子聊人物之前你已经了解概率的基础知识（如果还不知道概率能干啥，在生活中有哪些应用的例子，可以看我之前的《投资赚钱与概率》）。 今天我们来聊聊几种特殊的概率分布。这个知识目前来看，还没有人令我满意的答案，因为其他人多数是在举数学推导公式。我这个人是最讨厌数学公式的，但是这并不妨碍我用统计概率思维做很多事情。相比熟悉公式，我更想知道学的这个知识能用到什么地方。可惜，还没有人讲清楚。今天，就让我来当回雷锋吧。 首先，你想到的问题肯定是：1. 什么是概率分布？2. 概率分布能当饭吃吗？学了对我有啥用？好了，我们先看下：什么是概率分布？ 1. 什么是概率分布？要明白概率分布，你需要知道先两个东东：1）数据有哪些类型2）什么是分布数据类型（统计学里也叫随机变量）有两种。第1种是离散数据。离散数据根据名称很好理解，就是数据的取值是不连续的。例如掷硬币就是一个典型的离散数据，因为抛硬币的就2种数值（也就是2种结果，要么是正面，要么是反面）。你可以把离散数据想象成一块一块垫脚石，你可以从一个数值调到另一个数

值，同时每个数值之间都有明确的间隔。 第2种是连续数据。连续数据正好相反，它能取任意的数值。例如时间就是一个典型的连续数据1.25分钟、1.251分钟，1.2512分钟，它能无限分割。连续数据就像一条平滑的、连绵不断的道路，你可以沿着这条道路一直走下去。 什么是分布呢？数据在统计图中的形状，叫做它的分布。 其实我们生活中也会聊到各种分布。比如下面不同季节男人的目光分布.。 各位老铁，来一波美女，看看你的目光停在哪个分布的地方。美女也看了，现在该专注学习了吧。现在，我们已经知道了两件事情：1）数据类型（也叫随机变量）有2种：离散数据类型（例如抛硬币的结果），连续数据类型（例如时间）2）分布：数据在统计图中的形状现在我们来看看什么是概率。概率分布就是将上面两个东东（数据类型+分布）组合起来的一种表现手段：概率分布就是在统计图中表示概率，横轴是数据的值，纵轴是横轴上对应数据值的概率。很显然的，根据数据类型的不同，概率分布分为两种：离散概率分布，连续概率分布。那么，问题就来了。为什么你要关心数据类型呢？因为数据类型会影响求概率的方法。对于离散概率分布，我们关心的是取得一个特定数值的概率。例如抛硬币正面向上的概率为:p(x=正面)=1/2而对于连续概率分布来说，我们无法给出每一个数值的概率，因为我们不可能列举每一

二项分布、超几何分布、正态分布总结归纳与练习

二项分布？还是超几何分布 二项分布与超几何分布是两个非常重要的、应用广泛的概率模型，实际中的许多问题都可以利用 这两个概率模型来解决．在实际应用中，理解并区分两个概率模型是至关重要的．下面举例进行对比辨析．例 1 袋中有 8 个白球、 2 个黑球，从中随机地连续抽取 3 次，每次取 1 个球．求：（ 1）有放回抽样时，取到黑球的个数Ｘ的分布列； （ 2）不放回抽样时，取到黑球的个数Ｙ的分布列． 解：（ 1）有放回抽样时，取到的黑球数Ｘ可能的取值为０，1， 2， 3．又由于每次取到黑球的概率 均为1 ， 3 次取球可以看成 3 次独立重复试验，则 1 ，．5X~B 35 0312 ∴ P(X 0) C301 464 ；P(X 1)C31 1 448 ； 5512555125 21 P(X 3) C33 130 P(X 2) C321 412 ；4 1 ．5512555125 因此， X 的分布列为 X0123 P 6448121 125125125125 （2）不放回抽样时，取到的黑球数Ｙ可能的取值为0， 1，2，且有： P(Y 0)C20C837 ；P(Y1)C21C82 7 ；P(Y2)C22C81 1 ． C10315C10315C10315 因此， Y 的分布列为 Y012 771 P 1515 15 例 2 某食品厂为了检查一条自动包装流水线的生产情况，随机抽取该流水线上的40 件产品作为样本称出它们的重量（单位：克），重量的分组区间为(490,495] ， (495,500] ，,, ，(510,515] ，由此得到样本的频率分布直方图，如图4 （ 1）根据频率分布直方图，求重量超过505 克的产品数量 , （ 2）在上述抽取的40 件产品中任取 2 件，设 Y 为重量超过505 克 的产品数量，求Y 的分布列； （ 3）从该流水线上任取 5 件产品，求恰有 2 件产品的重量超过505 克的概率。

正确理解泊松分布

正确理解泊松分布 很多人在上概率论这门课的时候就没搞明白过泊松分布到底是怎么回事，至少我就是如此。虽然那个时候大家都会背“当试验的次数趋于无穷大，而乘积np固定时，二项分布收敛于泊松分布”，大部分的教科书上也都会给出这个收敛过程的数学推导，但是看懂它和真正的理解还有很大距离。如果我们学习的意义是为了通过考试，那么我们大可停留在“只会做题”的阶段，因为试卷上不会出现“请发表一下你对泊松公式的看法”这样的题目，因为那样一来卷子就变得不容易批改，大部分考试都会出一些客观题，比如到底是泊松分布还是肉松分布。 而如果我们学习的目的是为了理解一样东西，那么我们就有必要停下来去思考一下诸如“为什么要有泊松分布？”、“泊松分布的物理意义是什么？”这样的“哲学”问题。 如果我们要向一个石器时代的人解释什么是电话，我们一定会说：“电话是一种机器，两个距离很远的人可以通过它进行交谈”，而不会说：“电话在18XX年由贝尔发明，一台电话由几个部分构成……”（泊松分布在18XX年由泊松提出，泊松分布的公式是……）所以我们问的第一个问题应该是“泊松分布能拿来干嘛？” 泊松分布最常见的一个应用就是，它作为了排队论的一个输入。什么是排队论？比如我们去每天食堂打饭，最头疼的一个问题就是排队，之所以要排队是因为食堂打饭的大叔有限，假设学校有1000个学生，而食堂恰好配了1000个大叔和打饭的窗口，那么就永远不会有人排队。但是出于经营成本方面的考虑食堂通常不会这么干，因此如何控制窗口的数量并且保证学生不会因为排队时间太长而起义是一门很高深的学问。 在一段时间t（比如1个小时）内来到食堂就餐的学生数量肯定不会是一个常数（比如一直是200人），而应该符合某种随机规律：比如在1个小时内来200 个学生的概率是10%，来180个学生的概率是20%……一般认为，这种随机规律服从的就是泊松分布。 也就是在单位时间内有k个学生到达的概率为： 其中为单位时间内学生的期望到达数。 问题是“这个式子是怎么来的呢？”——我们知道泊松分布是二项分布满足某种条件的一个特殊形式，因此可以先从简单的二项分布入手，寻找两者之间的联系。

二项分布与正态分布习题理含答案

一、选择题 1．某人参加一次考试，4道题中解对3道即为及格，已知他的解题正确率为0.4，则他能及格的概率是() A．0.18B．0.28 C．0.37 D．0.48 [答案] A [解析]C0.43·0.6＋C·0.44＝0.1792.故应选A. 2．某气象站天气预报的准确率为80%，则5次预报中至少有4次准确的概率为() A．0.2 B．0.41 C．0.74 D．0.67 [答案] C [解析]设事件A为“预报一次，结果准确”P＝P(A)＝0.8，至少有4次准确这一事件是下面两个互斥事件之和：5次预报，恰有4次准确；5次预报，恰有5次准确，故5次预报，至少有4次准确的概率为P5(4)＋P5(5)＝C×0.84×0.2＋C×0.85×0.20≈0.74.故应选C. 3．(2011·湖北理，5)已知随机变量ξ服从正态分布N(2，σ2)，且P(ξ<4)＝0.8，则P(0<ξ<2)＝() A．0.6 B．0.4 C．0.3 D．0.2 [答案] C [解析]本题考查利用正态分布求随机变量的概率． ∵P(ξ<4)＝0.8，∴P(ξ≥4)＝0.2，又μ＝2， ∴P(0<ξ<2)＝P(2<ξ<4)＝0.5－P(ξ≥4) ＝0.5－0.2＝0.3.

4．位于坐标原点的一个质点P按下述规则移动：质点每次移动一个单位，移动的方向为向上或向右，并且向上、向右移动的概率是.质点P移动五次后位于点(2,3)的概率是() A．()5B．C()5 C．C()3D．CC()5 [答案] B [解析]由于质点每次移动一个单位，移动的方向为向上或向右，移动五次后位于点(2,3)，所以质点P必须向右移动二次，向上移动三次，故其概率为C()3·()2＝C()5＝C()5.故应选B. 5．在4次独立重复试验中，随机事件A恰好发生1次的概率不大于其恰好发生两次的概率，则事件A在一次试验中发生的概率P的取值范围是() A．[0.4,1) B．(0,0.6] C．(0,0.4] D．[0.6,1) [答案] A [解析]CP(1－P)3≤CP2(1－P)2,4(1－P)≤6P，P≥0.4，又01>σ2>σ3>0 B．0<σ1<σ2<1<σ3 C．σ1>σ2>1>σ3>0 D．0<σ1<σ2＝1<σ3 [答案] D [解析]当μ一定时，曲线由σ确定，当σ越小，曲线越高瘦，反之越矮胖．故选D. 二、填空题 7．在某项测量中，测量结果X服从正态分布N(1，σ2)(σ>0)．若X在(0,1)内取值的概率为0.4，则X在(0,2)内取值的概率为________． [答案]0.8

二项分布与正态分布习题

二项分布与正态分布 1．某人参加一次考试，4道题中解对3道即为及格，已知他的解题正确率为0.4，则他能及格的概率是( ) A ．0.18 B ．0.28 C ．0.37 D ．0.48 2.如图，用K 、A 1、A 2三类不同的元件连接成一个系统.当K 正常工作且A 1、A 2至少有一个正常工作时，系统正常工作，已知K 、A 1、A 2正常工作的概率依次是0.9、0.8、0.8，则系统正常工作的概率为( ) (A)0.960 (B)0.864 (C)0.720 (D)0.576 3.甲、乙两市都位于长江下游，根据天气预报的记录知，一年中下雨天甲市占20%，乙市占18%，两市同时下雨占12%.则甲市为雨天的条件下，乙市也为雨天的概率为( ) (A)0.6 (B)0.7 (C)0.8 (D)0.66 4．在5道题中有三道数学题和两道物理题，如果不放回的依次抽取2道题，则在第一次抽到数学题的条件下，第二次抽到数学题的概率是( ) A. 35 B. 25 C. 1 2 D. 13 5．已知随机变量ξ服从正态分布N(2，σ2)，且P(ξ<4)＝0.8，则P(0<ξ<2)＝( ) A ．0.6 B ．0.4 C ．0.3 D ．0.2 6．位于坐标原点的一个质点P 按下述规则移动：质点每次移动一个单位，移动的方向为向上或向右，并且向上、向右移动的概率是 1 2 .质点P 移动五次后位于点(2,3)的概率是( ) A ．51()2 B ．2551()2 C C ．3351()2C D ．235 551()2C C 7.一袋中装着5个白球，3个红球，现从袋中往外取球，每次取出一个，取出后记下球的颜色，然后放回，直到红球出现10次时停止，停止时，取球的次数为ξ，ξ是一个随机变量，则P(ξ＝12)＝( ) A . 10 10 2123 5()()8 8 C B . 9 10 21135()()8 8 C C . 10 10 21135()()8 8 C D . 9 10 2 1235()()8 8 C 8．三支球队中，甲队胜乙队的概率为0.4，乙队胜丙队的概率为0.5，丙队胜甲队的概率为0.6，比赛顺序是：第一局是甲队对乙队，第二局是第一局的胜者对丙队，第三局是第二局胜者对第一局的败者，第四局是第三局胜者对第二局败者，则乙队连胜四局的概率为________． 9．在一次抗洪抢险中，准备用射击的方法引爆从桥上游漂流而下的一巨大汽油罐，已知只有5发子弹备用，首次命中只能使汽油流出，再次命中才能引爆成功，每次射击命中率都是2 3，每次命 中与否互相独立，求油罐被引爆的概率______． 10．如图，EFGH 是以O 为圆心、半径为1的圆的内接正方形．将一颗豆子随机地扔到该圆内，用A 表示事件“豆子落在正方形EFGH 内”，B 表示事件“豆子落在扇形OHE(阴影部分)

二项分布与正态分布习题理含答案完整版

二项分布与正态分布习 题理含答案 Document serial number【NL89WT-NY98YT-NC8CB-NNUUT-NUT108】

一、选择题 1．某人参加一次考试，4道题中解对3道即为及格，已知他的解题正确率为0.4，则他能及格的概率是( ) A．0.18 B．0.28 C．0.37 D．0.48 [答案]A [解析]C0.43·0.6＋C·0.44＝0.1792.故应选A. 2．某气象站天气预报的准确率为80%，则5次预报中至少有4次准确的概率为( ) A．0.2 B．0.41 C．0.74 D．0.67 [答案]C [解析]设事件A为“预报一次，结果准确”P＝P(A)＝0.8，至少有4次准确这一事件是下面两个互斥事件之和：5次预报，恰有4次准确；5次预报，恰有5次准确，故5次预报，至少有4次准确的概率为P5(4)＋P5(5)＝C×0.84×0.2＋C×0.85×0.20≈0.74.故应选C. 3．(2011·湖北理，5)已知随机变量ξ服从正态分布N(2，σ2)，且P(ξ<4)＝0.8，则P(0<ξ<2)＝( ) A．0.6 B．0.4 C．0.3 D．0.2 [答案]C [解析]本题考查利用正态分布求随机变量的概率．

∵P(ξ<4)＝0.8，∴P(ξ≥4)＝0.2，又μ＝2， ∴P(0<ξ<2)＝P(2<ξ<4)＝0.5－P(ξ≥4) ＝0.5－0.2＝0.3. 4．位于坐标原点的一个质点P按下述规则移动：质点每次移动一个单位，移动的方向为向上或向右，并且向上、向右移动的概率是.质点P移动五次后位于点(2,3)的概率是( ) A．()5B．C()5 C．C()3D．CC()5 [答案]B [解析]由于质点每次移动一个单位，移动的方向为向上或向右，移动五次后位于点(2,3)，所以质点P必须向右移动二次，向上移动三次，故其概率为C()3·()2＝C()5＝C()5.故应选B. 5．在4次独立重复试验中，随机事件A恰好发生1次的概率不大于其恰好发生两次的概率，则事件A在一次试验中发生的概率P的取值范围是( ) A．[0.4,1) B．(0,0.6] C．(0,0.4] D．[0.6,1) [答案]A [解析]CP(1－P)3≤C P2(1－P)2,4(1－P)≤6P，P≥0.4，又01>σ2>σ3>0 B．0<σ1<σ2<1<σ3 C．σ1>σ2>1>σ3>0 D．0<σ1<σ2＝1<σ3

二项分布与正态分布

课时规范练61 二项分布与正态分布 基础巩固组 1.(2018江西南昌二模,6)已知随机变量X服从正态分布,即X~N(μ,σ2),且P(μ- σ3)=0.2,则P(ξ≥- 1)=.

二项分布超几何分布正态分布总结归纳及练习

专题：超几何分布与二项分布 ● 假定某批产品共有100个，其中有5个次品，采用不放回和放回抽样方式从中取出10件产品，那么次品数X 的概率分布如何？ 一、先考虑不放回抽样： 从100件产品中随机取10件有C 10 100种等可能基本事件．{X = 2}表示的随机事件是“取到 2件次品和8件正品”，依据乘法原理有C 25C 8 95种基本事件，根据古典概型，得 P (X = 2) = C 25C 8 95 C 10100 则称X 服从超几何分布 类似地，可以求得X 取其它值时对应的随机事件的概率，从而得到次品数X 的分布列 X 0 1 2 3 4 5 P C 05C 595C 10100 C 15C 495 C 10100 C 25C 395 C 10100 C 35C 295 C 10100 C 45C 195 C 10100 C 55C 095 C 10100 二、再考虑放回抽样： 从100件产品中有放回抽取10次，有10010种等可能基本事件．{X = 2}表示的随机事件 是“取到2件次品和8件正品”，依据乘法原理有C 2 10·52·958种基本事件，根据古典概型，得 P (X = 2) = C 2 10·52·95810010 = C 210(5100)2(95100)8 ． 一般地，若随机变量X 的分布列为 P (X = k ) = C k n p k q n k ， 其中0 < p < 1，p + q = 1，k = 0，1，2，…，n ，则称X 服从参数为n ，p 的二项分布记作X ～ B (n ，p )。 例1： 袋中有8个白球、2个黑球，从中随机地连续抽取3次，每次取1个球．求： （1）有放回抽样时，取到黑球的个数Ｘ的分布列； （2）不放回抽样时，取到黑球的个数Ｙ的分布列． 解：（1）有放回抽样时，取到的黑球数Ｘ可能的取值为０，1，2，3．又由于每次取到黑 球的概率均为，3次取球可以看成3次独立重复试验，则1 ~35X B ?? ???，． 3 03 1464(0)55125P X C ???? ==?= ? ????? ∴； 12 13 1448(1)55125 P X C ???? ==?= ? ?????； 21 23 1412(2)55125P X C ???? ==?= ? ????? ；