《高中数学选修2-3第二章随机变量及其分布教案(共15页).doc》由会员分享，可在线阅读，更多相关《高中数学选修2-3第二章随机变量及其分布教案(共15页).doc（15页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、精选优质文档-倾情为你奉上第二章 随机变量及其分布211离散型随机变量定义1：随着试验结果变化而变化的变量称为随机变量（random variable )随机变量常用字母 X , Y， 表示思考：随机变量和函数有类似的地方吗？随机变量和函数都是一种映射，随机变量把随机试验的结果映为实数，函数把实数映为实数在这两种映射之间，试验结果的范围相当于函数的定义域，随机变量的取值范围相当于函数的值域我们把随机变量的取值范围叫做随机变量的值域 定义2：所有取值可以一一列出的随机变量，称为离散型随机变量 ( discrete random variable ) .连续型随机变量: 对于随机变量可能取的值，可
2、以取某一区间内的一切值，这样的变量就叫做连续型随机变量212离散型随机变量的分布列离散型随机变量与连续型随机变量的区别与联系: 离散型随机变量与连续型随机变量都是用变量表示随机试验的结果；但是离散型随机变量的结果可以按一定次序一一列出，而连续性随机变量的结果不可以一一列出 1. 分布列:设离散型随机变量可能取得值为 x1，x2，x3，取每一个值xi（i=1，2，）的概率为，则称表x1x2xiPP1P2Pi为随机变量的概率分布，简称的分布列 2. 分布列的两个性质：任何随机事件发生的概率都满足:，并且不可能事件的概率为0，必然事件的概率为3.两点分布列:例1.在掷一枚图钉的随机试验中，令如果针尖
3、向上的概率为，试写出随机变量 X 的分布列解：根据分布列的性质，针尖向下的概率是（) 于是，随机变量 X 的分布列是01P像上面这样的分布列称为两点分布列两点分布列的应用非常广泛如抽取的彩券是否中奖；买回的一件产品是否为正品；新生婴儿的性别；投篮是否命中等，都可以用两点分布列来研究如果随机变量X的分布列为两点分布列，就称X服从两点分布 ( two一point distribution)，而称=P (X = 1）为成功概率两点分布又称0一1分布由于只有两个可能结果的随机试验叫伯努利（ Bernoulli ) 试验，所以还称这种分布为伯努利分布， ，4. 超几何分布列：例 2在含有 5 件次品的
4、100 件产品中，任取 3 件，试求： (1)取到的次品数X 的分布列；（2）至少取到1件次品的概率解： (1)由于从 100 件产品中任取3 件的结果数为，从100 件产品中任取3件，其中恰有k 件次品的结果数为，那么从 100 件产品中任取 3 件，其中恰有 k 件次品的概率为。所以随机变量 X 的分布列是 X0123P(2)根据随机变量X 的分布列，可得至少取到 1 件次品的概率 P ( X1 ) = P ( X = 1 ) + P ( X = 2 ) + P ( X = 3 ) 0.138 06 + 0. 005 88 + 0. 00006 = 0. 144 00 . 一般地，在含有M
5、 件次品的 N 件产品中，任取 n 件，其中恰有X件次品数，则事件 X=k发生的概率为,其中，且称分布列X01P为超几何分布列如果随机变量 X 的分布列为超几何分布列，则称随机变量 X 服从超几何分布（ hypergeometriC distribution ) . 例 3在某年级的联欢会上设计了一个摸奖游戏，在一个口袋中装有10个红球和20个白球，这些球除颜色外完全相同一次从中摸出5个球，至少摸到3个红球就中奖求中奖的概率例4.已知一批产品共 件，其中 件是次品，从中任取 件，试求这 件产品中所含次品件数 的分布律。解 显然，取得的次品数 只能是不大于 与 最小者的非负整数，即 的可能取值为
6、：0，1，由古典概型知 此时称 服从参数为的超几何分布。注 超几何分布的上述模型中，“任取 件”应理解为“不放回地一次取一件，连续取 件”.如果是有放回地抽取，就变成了 重贝努利试验，这时概率分布就是二项分布.所以两个分布的区别就在于是不放回地抽样，还是有放回地抽样.若产品总数 很大时，那么不放回抽样可以近似地看成有放回抽样.因此，当 时，超几何分布的极限分布就是二项分布，即有如下定理.定理 如果当 时，那么当 时（ 不变），则。 由于普阿松分布又是二项分布的极限分布，于是有：超几何分布 二项分布 普阿松分布.例5一盒中放有大小相同的红色、绿色、黄色三种小球，已知红球个数是绿球个数的两倍，黄球
7、个数是绿球个数的一半现从该盒中随机取出一个球，若取出红球得1分，取出黄球得0分，取出绿球得1分，试写出从该盒中取出一球所得分数的分布列分析：欲写出的分布列，要先求出的所有取值，以及取每一值时的概率解：设黄球的个数为n，由题意知绿球个数为2n，红球个数为4n，盒中的总数为7n ，所以从该盒中随机取出一球所得分数的分布列为101P说明：在写出的分布列后，要及时检查所有的概率之和是否为1小结 ：根据随机变量的概率分步（分步列），可以求随机事件的概率；两点分布是一种常见的离散型随机变量的分布，它是概率论中最重要的几种分布之一 (3) 离散型随机变量的超几何分布 221条件概率一、复习引入：条件概率1.
8、定义 设A和B为两个事件，P(A)0，那么，在“A已发生”的条件下，B发生的条件概率（conditional probability ). 读作A 发生的条件下 B 发生的概率定义为 .由这个定义可知，对任意两个事件A、B，若，则有.并称上式微概率的乘法公式. 2.P（|B）的性质： （1）非负性：对任意的Af. ；（2）规范性：P（|B）=1；（3）可列可加性：如果是两个互斥事件,则.更一般地,对任意的一列两两部相容的事件（I=1,2），有P =.例1.在5道题中有3道理科题和2道文科题.如果不放回地依次抽取2 道题，求： (l）第1次抽到理科题的概率； (2）第1次和第2次都抽到理科题的概
9、率； (3）在第 1 次抽到理科题的条件下，第2次抽到理科题的概率解：设第1次抽到理科题为事件A，第2次抽到理科题为事件B，则第1次和第2次都抽到理科题为事件AB. (1）从5道题中不放回地依次抽取2道的事件数为n（）=20. 根据分步乘法计数原理，n (A）=12 于是 .(2）因为 n (AB)=6 ，所以. (3）解法 1 由（ 1 ) ( 2 ）可得，在第 1 次抽到理科题的条件下，第 2 次抽到理科题的概. 222事件的相互独立性1 互斥事件:不可能同时发生的两个事件一般地：如果事件中的任何两个都是互斥的，那么就说事件彼此互斥2对立事件:必然有一个发生的互斥事件3互斥事件的概率的求法
10、:如果事件彼此互斥，那么 4对于事件A与B及它们的和事件与积事件有下面的关系：三、讲解范例：例 1.某商场推出二次开奖活动，凡购买一定价值的商品可以获得一张奖券奖券上有一个兑奖号码，可以分别参加两次抽奖方式相同的兑奖活动如果两次兑奖活动的中奖概率都是 0 . 05 ，求两次抽奖中以下事件的概率： (1)都抽到某一指定号码； (2)恰有一次抽到某一指定号码； (3)至少有一次抽到某一指定号码解： (1)记“第一次抽奖抽到某一指定号码”为事件A, “第二次抽奖抽到某一指定号码”为事件B ，则“两次抽奖都抽到某一指定号码”就是事件AB由于两次抽奖结果互不影响，因此A与B相互独立于是由独立性可得，两次
11、抽奖都抽到某一指定号码的概率 P ( AB ) = P ( A ) P ( B ) = 0. 050.05 = 0.0025. (2 ) “两次抽奖恰有一次抽到某一指定号码”可以用（A）U（B）表示由于事件A与B互斥，根据概率加法公式和相互独立事件的定义，所求的概率为 P (A）十P（B）=P（A）P（）+ P（）P（B ) = 0. 05(1-0.05 ) + (1-0.05 ) 0.05 = 0. 095. ( 3 ) “两次抽奖至少有一次抽到某一指定号码”可以用（AB ) U ( A）U（B）表示由于事件 AB , A和B 两两互斥，根据概率加法公式和相互独立事件的定义，所求的概率为 P
12、 ( AB ) + P（A）+ P（B ) = 0.0025 +0. 095 = 0. 097 5.例 3.在一段线路中并联着3个自动控制的常开开关，只要其中有1个开关能够闭合，线路就能正常工作假定在某段时间内每个开关能够闭合的概率都是0.7，计算在这段时间内线路正常工作的概率例 4.已知某种高炮在它控制的区域内击中敌机的概率为0.2（1）假定有5门这种高炮控制某个区域，求敌机进入这个区域后未被击中的概率；（2）要使敌机一旦进入这个区域后有0.9以上的概率被击中，需至少布置几门高炮？分析:因为敌机被击中的就是至少有1门高炮击中敌机，故敌机被击中的概率即为至少有1门高炮击中敌机的概率223独立重
13、复实验与二项分布二、讲解新课：1独立重复试验的定义：指在同样条件下进行的，各次之间相互独立的一种试验2独立重复试验的概率公式：一般地，如果在1次试验中某事件发生的概率是，那么在次独立重复试验中这个事件恰好发生次的概率它是展开式的第项3.离散型随机变量的二项分布:在一次随机试验中，某事件可能发生也可能不发生，在n次独立重复试验中这个事件发生的次数是一个随机变量如果在一次试验中某事件发生的概率是P，那么在n次独立重复试验中这个事件恰好发生k次的概率是，（k0,1,2,，n，）于是得到随机变量的概率分布如下：01knP由于恰好是二项展开式中的各项的值，所以称这样的随机变量服从二项分布（binomia
14、l distribution )，记作B(n，p)，其中n，p为参数，并记b(k；n，p)三、讲解范例：例1某射手每次射击击中目标的概率是0 . 8.求这名射手在 10 次射击中，(1)恰有 8 次击中目标的概率； (2)至少有 8 次击中目标的概率（结果保留两个有效数字) 解：设X为击中目标的次数，则XB (10, 0.8 ) . (1)在 10 次射击中，恰有 8 次击中目标的概率为 P (X = 8 ) .(2)在 10 次射击中，至少有 8 次击中目标的概率为 P (X8) = P (X = 8) + P ( X = 9 ) + P ( X = 10 ) .例2某人对一目标进行射击，每
15、次命中率都是0.25，若使至少命中1次的概率不小于0.75，至少应射击几次？解：设要使至少命中1次的概率不小于0.75，应射击次记事件“射击一次，击中目标”，则射击次相当于次独立重复试验，事件至少发生1次的概率为由题意，令，至少取5答：要使至少命中1次的概率不小于0.75，至少应射击5次四、课堂练习： 1每次试验的成功率为，重复进行10次试验，其中前7次都未成功后3次都成功的概率为（ ） 210张奖券中含有3张中奖的奖券，每人购买1张，则前3个购买者中，恰有一人中奖的概率为（ ） 3某人有5把钥匙，其中有两把房门钥匙，但忘记了开房门的是哪两把，只好逐把试开，则此人在3次内能开房门的概率是 （
16、） 4甲、乙两队参加乒乓球团体比赛，甲队与乙队实力之比为，比赛时均能正常发挥技术水平，则在5局3胜制中，甲打完4局才胜的概率为（ ） 23离散型随机变量的均值与方差231离散型随机变量的均值1. 均值或数学期望: 一般地，若离散型随机变量的概率分布为x1x2xnPp1p2pn则称 为的均值或数学期望，简称期望2. 均值或数学期望是离散型随机变量的一个特征数，它反映了离散型随机变量取值的平均水平 3. 平均数、均值:一般地，在有限取值离散型随机变量的概率分布中，令，则有，所以的数学期望又称为平均数、均值 4. 均值或期望的一个性质:若(a、b是常数)，是随机变量，则也是随机变量，它们的分布列为x
17、1x2xnPp1p2pn于是 ) ，由此，我们得到了期望的一个性质:5.若B（n,p），则E=np 证明如下：，012kn又 ， 故若B(n，p)，则np三、讲解范例：例.有一批数量很大的产品，其次品率是15%，对这批产品进行抽查，每次抽取1件，如果抽出次品，则抽查终止，否则继续抽查，直到抽出次品为止，但抽查次数不超过10次求抽查次数的期望（结果保留三个有效数字）解：抽查次数取110的整数，从这批数量很大的产品中抽出1件检查的试验可以认为是彼此独立的，取出次品的概率是0.15，取出正品的概率是0.85，前次取出正品而第次（=1，2，10）取出次品的概率：（=1，2，10）需要抽查10次即前9次
18、取出的都是正品的概率：由此可得的概率分布如下：123456789100.150.12750.10840.0920.07830.06660.05660.04810.04090.2316根据以上的概率分布，可得的期望课堂练习：1. 口袋中有5只球，编号为1，2，3，4，5，从中任取3球，以表示取出球的最大号码，则（ ）A4；B5；C4.5；D4.75答案：C 2. 篮球运动员在比赛中每次罚球命中的1分，罚不中得0分已知某运动员罚球命中的概率为0.7，求他罚球1次的得分的数学期望；他罚球2次的得分的数学期望；他罚球3次的得分的数学期望解：因为，所以10的概率分布为012P所以 0121.4 的概率分
19、布为23P所以 0122.1.3设有m升水，其中含有大肠杆菌n个今取水1升进行化验，设其中含有大肠杆菌的个数为，求的数学期望分析：任取1升水，此升水中含一个大肠杆菌的概率是，事件“=k”发生，即n个大肠杆菌中恰有k个在此升水中，由n次独立重复实验中事件A（在此升水中含一个大肠杆菌）恰好发生k次的概率计算方法可求出P(=k),进而可求E.解：记事件A：“在所取的1升水中含一个大肠杆菌”，则P(A)=P(=k)=Pn(k)=C)k(1)nk（k=0,1,2,.,n）B(n,)，故E =n= 五、小结 ：(1)离散型随机变量的期望，反映了随机变量取值的平均水平；(2)求离散型随机变量的期望的基本步骤
20、：理解的意义，写出可能取的全部值；求取各个值的概率，写出分布列；根据分布列，由期望的定义求出E 公式E（a+b）= aE+b，以及服从二项分布的随机变量的期望E=np 1.一袋子里装有大小相同的3个红球和两个黄球，从中同时取出2个，则其中含红球个数的数学期望是 （用数字作答）2. 、两个代表队进行乒乓球对抗赛，每队三名队员，队队员是，队队员是，按以往多次比赛的统计，对阵队员之间胜负概率如下：对阵队员A队队员胜的概率B队队员胜的概率A1对B1A2对B2A3对B3现按表中对阵方式出场，每场胜队得1分，负队得0分，设队，队最后所得分分别为，（1）求，的概率分布； （2）求，232离散型随机变量的方差
21、二、讲解新课： 1. 方差: 对于离散型随机变量，如果它所有可能取的值是，且取这些值的概率分别是，那么,称为随机变量的均方差，简称为方差，式中的是随机变量的期望2. 标准差:的算术平方根叫做随机变量的标准差，记作3.方差的性质：（1）；（2）；（3）若B(n，p)，则np(1-p) 4.其它：随机变量的方差的定义与一组数据的方差的定义式是相同的；随机变量的方差、标准差也是随机变量的特征数，它们都反映了随机变量取值的稳定与波动、集中与离散的程度；标准差与随机变量本身有相同的单位，所以在实际问题中应用更广泛三、讲解范例：例1随机抛掷一枚质地均匀的骰子,求向上一面的点数的均值、方差和标准差.解：抛掷
22、散子所得点数X 的分布列为123456P从而; .课堂练习： 1 .已知，则的值分别是（ ）A；B；C；D 答案：1.D 2. 一盒中装有零件12个，其中有9个正品，3个次品，从中任取一个，如果每次取出次品就不再放回去，再取一个零件，直到取得正品为止求在取得正品之前已取出次品数的期望分析：涉及次品率；抽样是否放回的问题本例采用不放回抽样，每次抽样后次品率将会发生变化，即各次抽样是不独立的如果抽样采用放回抽样，则各次抽样的次品率不变，各次抽样是否抽出次品是完全独立的事件解：设取得正品之前已取出的次品数为，显然所有可能取的值为0，1，2，3当=0时，即第一次取得正品，试验停止，则P（=0）=当=1
23、时，即第一次取出次品，第二次取得正品，试验停止，则P（=1）=当=2时，即第一、二次取出次品，第三次取得正品，试验停止，则P（=2）=当=3时，即第一、二、三次取出次品，第四次取得正品，试验停止，则P（=3）=所以，E= 24正态分布复习引入： 总体密度曲线:样本容量越大，所分组数越多，各组的频率就越接近于总体在相应各组取值的概率设想样本容量无限增大，分组的组距无限缩小，那么频率分布直方图就会无限接近于一条光滑曲线,这条曲线叫做总体密度曲线它反映了总体在各个范围内取值的概率根据这条曲线，可求出总体在区间(a，b)内取值的概率等于总体密度曲线，直线x=a，x=b及x轴所围图形的面积观察总体密度曲
24、线的形状，它具有“两头低，中间高，左右对称”的特征，具有这种特征的总体密度曲线一般可用下面函数的图象来表示或近似表示：式中的实数、是参数，分别表示总体的平均数与标准差，的图象为正态分布密度曲线,简称正态曲线讲解新课：一般地，如果对于任何实数，随机变量X满足,则称 X 的分布为正态分布（normal distribution ) 正态分布完全由参数和确定，因此正态分布常记作如果随机变量 X 服从正态分布，则记为X. 经验表明，一个随机变量如果是众多的、互不相干的、不分主次的偶然因素作用结果之和，它就服从或近似服从正态分布例如，高尔顿板试验中，小球在下落过程中要与众多小木块发生碰撞，每次碰撞的结果
25、使得小球随机地向左或向右下落，因此小球第1次与高尔顿板底部接触时的坐标 X 是众多随机碰撞的结果，所以它近似服从正态分布在现实生活中，很多随机变量都服从或近似地服从正态分布例如长度测量误差；某一地区同年龄人群的身高、体重、肺活量等；一定条件下生长的小麦的株高、穗长、单位面积产量等；正常生产条件下各种产品的质量指标（如零件的尺寸、纤维的纤度、电容器的电容量、电子管的使用寿命等）；某地每年七月份的平均气温、平均湿度、降雨量等；一般都服从正态分布因此，正态分布广泛存在于自然现象、生产和生活实际之中正态分布在概率和统计中占有重要的地位说明:1参数是反映随机变量取值的平均水平的特征数，可以用样本均值去佑
26、计；是衡量随机变量总体波动大小的特征数，可以用样本标准差去估计2.早在 1733 年，法国数学家棣莫弗就用n！的近似公式得到了正态分布之后，德国数学家高斯在研究测量误差时从另一个角度导出了它，并研究了它的性质，因此，人们也称正态分布为高斯分布 2正态分布）是由均值和标准差唯一决定的分布通过固定其中一个值，讨论均值与标准差对于正态曲线的影响 3通过对三组正态曲线分析，得出正态曲线具有的基本特征是两头底、中间高、左右对称 正态曲线的作图，书中没有做要求，教师也不必补上 讲课时教师可以应用几何画板，形象、美观地画出三条正态曲线的图形，结合前面均值与标准差对图形的影响，引导学生观察总结正态曲线的性质
27、4正态曲线的性质：（1）曲线在x轴的上方，与x轴不相交 （2）曲线关于直线x=对称 （3）当x=时，曲线位于最高点 （4）当x时，曲线上升（增函数）；当x时，曲线下降（减函数） 并且当曲线向左、右两边无限延伸时，以x轴为渐近线，向它无限靠近 （5）一定时，曲线的形状由确定 越大，曲线越“矮胖”，总体分布越分散；越小曲线越“瘦高”总体分布越集中：五条性质中前三条学生较易掌握，后两条较难理解，因此在讲授时应运用数形结合的原则，采用对比教学 5标准正态曲线:当=0、=l时，正态总体称为标准正态总体，其相应的函数表示式是，（-x+）其相应的曲线称为标准正态曲线 标准正态总体N（0，1）在正态总体的研究
28、中占有重要的地位 任何正态分布的概率问题均可转化成标准正态分布的概率问题 讲解范例：例1给出下列三个正态总体的函数表达式，请找出其均值和标准差 （）（）（）答案：(1)0，1；(2)1，2；(3)-1，0.5 例2求标准正态总体在（-1，2）内取值的概率解：利用等式有=0.97720.84131=0.81511.标准正态总体的概率问题: 对于标准正态总体N（0，1），是总体取值小于的概率，即 ，其中，图中阴影部分的面积表示为概率 只要有标准正态分布表即可查表解决.从图中不难发现:当时，；而当时，（0）=0.5 2.标准正态分布表标准正态总体在正态总体的研究中有非常重要的地位，为此专门制作了“标
29、准正态分布表”在这个表中，对应于的值是指总体取值小于的概率，即 ，若，则利用标准正态分布表，可以求出标准正态总体在任意区间内取值的概率，即直线，与正态曲线、x轴所围成的曲边梯形的面积 3非标准正态总体在某区间内取值的概率:可以通过转化成标准正态总体，然后查标准正态分布表即可 在这里重点掌握如何转化 首先要掌握正态总体的均值和标准差，然后进行相应的转化 4.小概率事件的含义 发生概率一般不超过5的事件，即事件在一次试验中几乎不可能发生 假设检验方法的基本思想:首先，假设总体应是或近似为正态总体，然后，依照小概率事件几乎不可能在一次试验中发生的原理对试验结果进行分析 假设检验方法的操作程序，即“三
30、步曲” 一是提出统计假设，教科书中的统计假设总体是正态总体；二是确定一次试验中的a值是否落入(-3，+3)；三是作出判断 讲解范例：例1. 若xN(0,1),求(l)P(-2.32x2).解：(1)P(-2.32x2)=1-P(x2)=1-F(2)=l-0.9772=0.0228. 例2利用标准正态分布表，求标准正态总体在下面区间取值的概率：(1)在N(1,4)下，求 （2）在N（，2）下，求（，）；（1.84，1.84）；（2，2）；（3，3）解：（）（1）0.8413（）（）（1）0.8413（）（1）（1）0.84130.1587（，）（）（）0.84130.15870.6826（1.84，1.84）（1.84）（1.84）0.9342（2，2）（2）（2）0.954（3，3）（3）（3）0.997专心-专注-专业