内容正文:
第7节 二项分布、超几何分布与正态分布
★[课程标准]
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.能解决一些简单的实际问题.
3.理解超几何分布及其导出过程,并能进行简单的应用.
一、n重伯努利试验
1.伯努利试验:把只包含 两个 可能结果的试验叫作伯努利试验.我们将一个伯努利试验独立地重复进行n次,且每次实验的结果都不受其他试验结果的影响,称这样的n次独立重复试验为 n重伯努利试验 .
2.n重伯努利试验的特征
(1)同一个伯努利试验重复做 n 次;
(2)各次试验的结果 相互独立 .
二、二项分布
1.定义:一般地,在n重伯努利试验中,设每次成功的概率为p(0<p<1),用X表示这n次试验中成功的次数,则X的分布列为P(X=k)= Cpk(1-p)n-k ,k=0,1,2,…,n.
如果随机变量X的分布列具有上式的形式,则称随机变量X服从参数为n,p的二项分布,记作 X~B(n,p) .
2.二项分布的均值与方差:如果X~B(n, p),那么EX= np ,DX= np(1-p) .
三、超几何分布
1.定义:一般地,设有N件产品,其中有M(M≤N)件次品.从中任取n(n≤N)件产品,用X表示取出的n件产品中次品的件数,那么P(X=k)= ,max{0,n-(N-M)}≤k≤min{n,M}.其中n≤N,M≤N,n,M,N∈N+.
公式中的k可以取的最小值为max{0,n-(N-M)},而不一定是 0 .
若一个随机变量X的分布列由上式确定,则称随机变量X服从参数为N,M,n的超几何分布.
2.服从超几何分布的均值
一般地,当随机变量X服从参数为N,M,n的超几何分布时,其均值为EX= .
四、正态分布
1.定义:由误差引起的 连续 型随机变量其分布密度函数图象如图,对应的分布密度函数解析式为φμ,σ(x)= ,x∈(-∞,+∞),其中实数μ,σ(σ>0)为参数,这一类随机变量X的分布密度(函数)称为正态分布密度(函数),简称正态分布,对应的图象为正态分布密度曲线,简称为 正态曲线 .
2.正态分布的特点
如果一个随机变量X服从正态分布,那么对于任何实数a,b(a<b),随机变量X在区间(a,b]的概率可以用 P(a<X≤b) 来表示.它的几何意义就是随机变量X的分布密度曲线在区间(a,b]对应的 曲边梯形面积 的值(如图所示).
如果随机变量X服从正态分布,那么这个正态分布完全由参数μ,σ(σ>0)确定,记为 X~N(μ,σ2) ,其中EX= μ ,DX= σ2 .
3.正态曲线的性质
(1)曲线在x轴的 上 方,与x轴 不相交 .
(2)曲线是 单峰 的,关于直线 x=μ 对称.
(3)曲线的最高点位于x= μ 处.
(4)当x<μ时,曲线 上升 ;当x>μ时,曲线 下降 ;并且当曲线向左、右两边无限延伸时,以x轴为 渐近线 (如图所示).
因为正态分布完全由μ和σ确定,所以正态曲线还具有下列特点:
①当σ一定时,曲线的 位置 由μ确定,曲线随着μ的变化而沿x轴 平移 .
②当μ一定时,曲线的 形状 由σ确定,σ越大,曲线越“ 矮胖 ”,表示总体的分布越 分散 ;σ越小,曲线越“高瘦”,表示总体的分布越 集中 .
4.3σ原则
如图,正态分布随机变量X在区间(μ-σ,μ+σ](σ>0)上取值的概率为阴影部分的面积.
特别地,P(μ-σ<X≤μ+σ)≈0.682 6,
P(μ-2σ<X≤μ+2σ)≈0.954 4,
P(μ-3σ<X≤μ+3σ)≈0.997 4.
因此,随机变量X在区间(μ-σ,μ+σ],(μ-2σ,μ+2σ],(μ-3σ,μ+3σ]上取值的概率分别约为68.3%,95.4%,99.7%.而随机变量X在区间(μ-3σ,μ+3σ]外取值的概率只有0.3%,通常认为这种情况在一次试验中几乎是 不可能发生的 ,认为是小概率事件.因此,在实际应用中,通常认为服从正态分布N(μ,σ2)的随机变量X只取区间(μ-3σ,μ+3σ]之间的值,并称之为 3σ 原则.
◆[思考辨析]
判断下列说法是否正确,正确的在它后面的括号里打“√”,错误的打“×”.
(1)某同学投篮的命中率为0.6,他10次投篮中命中的次数X是一个随机变量,且X~B(10,0.6).( )
(2) 正态曲线是单峰的,其与x轴围成的面积是随参数μ,σ的变化而变化的.( )
(3)二项分布是一个概率分布列,是一个用公式P(X=k)=Cpk(1-p)n-k,k=0,1,2,…,n表示的概率分布列,它表示了n次独立重复试验中事件A发生次数的概率分布.( )
(4)小王通过英语听力测试的概率是,他连续测试3次,那么其中恰好第3次测试获得通过的概率是P=C·1·3-1=.( )
(5)当μ一定时,曲线的