物流系统仿真课件 第讲概率基础

物流系统仿真课件第讲概率基础第一页，共五十三页，编辑于2023年，星期三3.2随机变量及其概率分布一、随机变量的概念二、随机变量的概率分布三、随机变量的数字特征四、常见的离散型概率分布五、常见的连续型概率分布第二页，共五十三页，编辑于2023年，星期三一、随机变量的概念3.2随机变量及其概率分布第三页，共五十三页，编辑于2023年，星期三一、随机变量的概念随机变量——表示随机试验结果的变量取值是随机的，事先不能确定取哪一个值一个取值对应随机试验的一个可能结果用大写字母如X、Y、Z...来表示，具体取值则用相应的小写字母如x、y、z…来表示根据取值特点的不同，可分为：离散型随机变量——取值可以一一列举连续型随机变量——取值不能一一列举第四页，共五十三页，编辑于2023年，星期三二、随机变量的概率分布3.2随机变量及其概率分布

1.离散型随机变量的概率分布

2.连续型随机变量的概率密度

3.分布函数第五页，共五十三页，编辑于2023年，星期三1.离散型随机变量的概率分布X的概率分布——X的有限个可能取值为xi与其概率pi（i=1，2，3，…，n）之间的对应关系。概率分布具有如下两个基本性质：（1）pi≥0，i=1,2,…,n；（2）第六页，共五十三页，编辑于2023年，星期三离散型概率分布的表示：概率函数：P(X=xi)=pi分布列：分布图X=xix1x2…xnP(X=xi)=pip1p2…pn0.60.30012xP(x)图3-5例3-9的概率分布第七页，共五十三页，编辑于2023年，星期三2.连续型随机变量的概率密度连续型随机变量的概率分布只能表示为：数学函数——概率密度函数f(x)和分布函数F(x)

图形——概率密度曲线和分布函数曲线概率密度函数f(x)的函数值不是概率。连续型随机变量取某个特定值的概率等于0只能计算随机变量落在一定区间内的概率——由x轴以上、概率密度曲线下方面积来表示第八页，共五十三页，编辑于2023年，星期三概率密度f(x)的性质（1）f(x)≥0。概率密度是非负函数。（2）所有区域上取值的概率总和为1。随机变量X在一定区间（a，b）上的概率：

f(x)xab第九页，共五十三页，编辑于2023年，星期三3.分布函数适用于两类随机变量概率分布的描述分布函数的定义：F(x)＝P{X≤x}连续型随机变量的分布函数离散型随机变量的分布函数

F(x)＝f(x)xx0F(x0

)分布函数与概率密度第十页，共五十三页，编辑于2023年，星期三三、随机变量的数字特征3.2随机变量及其概率分布

1.随机变量的数学期望

2.随机变量的方差和标准差

3.两个随机变量的协方差和相关系数第十一页，共五十三页，编辑于2023年，星期三1.随机变量的数学期望又称均值描述一个随机变量的概率分布的中心位置离散型随机变量X的数学期望：相当于所有可能取值以概率为权数的平均值连续型随机变量X的数学期望：第十二页，共五十三页，编辑于2023年，星期三数学期望的主要数学性质若k是一常数，则

E(kX)＝kE(X)对于任意两个随机变量X、Y，有

E(X+Y)＝E(X)＋E(Y)若两个随机变量X、Y相互独立，则

E(XY)＝E(X)E(Y)

第十三页，共五十三页，编辑于2023年，星期三2.随机变量的方差方差是它的各个可能取值偏离其均值的离差平方的均值，记为D(X)或σ2公式：离散型随机变量的方差：连续型随机变量的方差：第十四页，共五十三页，编辑于2023年，星期三方差和标准差（续）标准差＝方差的平方根方差和标准差都反映随机变量取值的分散程度。它们的值越大，说明离散程度越大，其概率分布曲线越扁平。方差的主要数学性质：若k是一常数，则D(k)＝0；D(kX)＝k2D(X)

若两个随机变量X、Y相互独立，则

D(X+Y)＝D(X)＋D(Y)

第十五页，共五十三页，编辑于2023年，星期三【例3-10】试求优质品件数的数学期望、方差和标准差。解：σ＝0.6xi012pi0.10.60.3第十六页，共五十三页，编辑于2023年，星期三3.两个随机变量的协方差和相关系数协方差的定义如果X,Y独立（不相关），则

Cov(X,Y)＝0即E(XY)＝E(X)E(Y)

协方差在一定程度上反映了X、Y之间的相关性协方差受两个变量本身量纲的影响。第十七页，共五十三页，编辑于2023年，星期三相关系数相关系数ρ具有如下的性质：相关系数ρ是一个无量纲的值

0≤|ρ|≤1当ρ=0，两个变量不相关（不存在线性相关）当|ρ|=1，两个变量完全线性相关第十八页，共五十三页，编辑于2023年，星期三四、常见离散型随机变量的概率分布3.2随机变量及其概率分布

1.二项分布

2.泊松分布

3.超几何分布第十九页，共五十三页，编辑于2023年，星期三1.二项分布（背景）（背景）——n重贝努里试验：一次试验只有两种可能结果用“成功”代表所关心的结果，相反的结果为“失败”每次试验中“成功”的概率都是pn次试验相互独立。第二十页，共五十三页，编辑于2023年，星期三1.二项分布在n重贝努里试验中，“成功”的次数X服从参数为n、p的二项分布，记为X～B(n,p)二项分布的概率函数：二项分布的数学期望和方差：n＝1时，二项分布就成了二点分布（0-1分布）第二十一页，共五十三页，编辑于2023年，星期三二项分布图形p＝0.5时，二项分布是以均值为中心对称p≠0.5时，二项分布总是非对称的p<0.5时峰值在中心的左侧p>0.5时峰值在中心的右侧随着n无限增大，二项分布趋近于正态分布p=0.3p=0.5p=0.7二项分布图示第二十二页，共五十三页，编辑于2023年，星期三【例3-11】某单位有4辆汽车，假设每辆车在一年中至多只发生一次损失且损失的概率为0.1。试求在一年内该单位：（1）没有汽车发生损失的概率；（2）有1辆汽车发生损失的概率；（3）发生损失的汽车不超过2辆的概率。解：每辆汽车是否发生损失相互独立的，且损失的概率相同，因此，据题意，在4辆汽车中发生损失的汽车数X～B(4,0.1)。第二十三页，共五十三页，编辑于2023年，星期三利用Excel计算二项分布概率进入Excel表格界面，点击任一空白单元格（作为输出单元格）点击表格界面上的

fx

命令在“选择类别”中点击“统计”，在“选择函数”中点击“BINOMDIST”在Number_s后填入试验成功次数x(本例为2)；在Trials后填入总试验次数

n(本例为4)；在Probability_s后填入成功概率p(本例为0.1)；在Cumulative后填入0(或FALSE)，表示计算成功次数等于指定值的概率“＝BINOMDIST（2，4，0.1，0）”用EXCEL计算二项分布的概率第二十四页，共五十三页，编辑于2023年，星期三2.泊松分布X服从泊松分布，记为X～P(λ）:E(X)=D(X)=λ当λ很小时，泊松分布呈偏态，并随着λ增大而趋于对称当λ为整数时，λ和（λ-1）是最可能值第二十五页，共五十三页，编辑于2023年，星期三泊松分布（应用背景）通常是作为稀有事件发生次数X的概率分布模型。一段时间内某繁忙十字路口发生交通事故的次数一定时间段内某电话交换台接到的电话呼叫次数…服从泊松分布的现象的共同特征在任意两个很小的时间或空间区间内事件发生次数是相互独立的；各区间内事件发生次数只与区间长度成比例，与区间起点无关；在一段充分小的区间内事件发生两次或两次以上的概率可以忽略不计第二十六页，共五十三页，编辑于2023年，星期三【例3-12】设某种报刊的每版上错别字个数服从

λ=2的泊松分布。随机翻看一版，求：（1）没有错别字的概率；（2）至多有5个错别字的概率。解：设X＝每版上错别字个数，则所求概率为：利用EXCEL计算泊松分布的概率第二十七页，共五十三页，编辑于2023年，星期三二项分布的泊松近似【前提】当n很大而p又很小时，二项分布可用参数λ＝np的泊松分布近似【例3-13】一工厂有某种设备80台，配备了3个维修工。假设每台设备的维修只需要一个维修工，设备发生故障是相互独立的，且每台设备发生故障的概率都是0.01。求设备发生故障而不能及时维修的概率是多少？解：X~B(n=80，p=0.01)，由于np=0.8很小，可以用λ＝0.8的泊松分布来近似计算其概率:第二十八页，共五十三页，编辑于2023年，星期三3.超几何分布

N个单位的有限总体中有M个单位具有某特征。用不重复抽样方法从总体中抽取n个单位，样本中具有某种特征的单位数X服从超几何分布，记为X～H(n,N,M)数学期望和方差:N很大而n相对很小时，趋于二项分布(p=M/N)第二十九页，共五十三页，编辑于2023年，星期三五、常见的连续型概率分布1.均匀分布X只在一有限区间[a，b]上取值且概率密度是一个常数其概率密度为：X落在子区间[c，d]

内的概率与该子区间的长度成正比，与具体位置无关f(x)ac

dbxP(c≤X≤d)第三十页，共五十三页，编辑于2023年，星期三2.正态分布X～N(μ、σ2

)，其概率密度为：正态分布的均值和标准差均值E(X)=μ

方差D(X)=σ2

-∞<x<∞

第三十一页，共五十三页，编辑于2023年，星期三2.正态曲线σ相同而μ不同的正态曲线

2xf(x)μ相同而σ不同的正态曲线f(x)σ较小σ较大x正态曲线的主要特性关于x=μ对称的钟形曲线参数μ决定正态曲线的中心位置参数σ决定正态曲线的陡峭或扁平程度以X轴为渐近线，即当x→±∞时，f(x)→0第三十二页，共五十三页，编辑于2023年，星期三标准正态分布μ＝0、σ＝1的正态分布，记为N(0,1)其概率密度φ(x)，分布函数Ф(x)X～N(μ、σ2),则：Z～N(0，1

)若Z～N(0，1

)，则有：

P（|Z|≤a）＝2Ф(a)－1Ф(-a)=1－Ф(a)标准化标准正态曲线

-a

0aφ(z)zΦ(a)第三十三页，共五十三页，编辑于2023年，星期三【例3-14】某厂生产的某种节能灯管的使用寿命服从正态分布，对某批产品测试的结果，平均使用寿命为1050小时，标准差为200小时。试求：（a）使用寿命在500小时以下的灯管占多大比例？（b）使用寿命在850～1450小时的灯管占多大比例？（c）以均值为中心，95％的灯管的使用寿命在什么范围内？第三十四页，共五十三页，编辑于2023年，星期三解

X＝使用寿命，X～N(1050，2002

)＝Ф(2)－Ф(-1)＝0.97725－0.15865＝0.818695％的灯管寿命在均值左右392（即658～1442）小时＝1－Ф(2.75)＝1－0.99702＝0.00298第三十五页，共五十三页，编辑于2023年，星期三3σ

原则|X－μ|>3σ的概率很小，因此可认为正态随机变量的取值几乎全部集中在[μ-3σ，μ+3σ]区间内广泛应用:产品质量控制判断异常情况……图3-12常用的正态概率值（在一般正态分布及标准正态分布中）

-3

-2

-10

+1+2+3z-3σ-2σ-σ

+σ

+2σ+3σx99.73%95.45%68.27%第三十六页，共五十三页，编辑于2023年，星期三正态分布最常用、最重要大千世界中许多常见的随机现象服从或近似服从正态分布例如，测量误差，同龄人的身高、体重，一批棉纱的抗拉强度，一种设备的使用寿命，农作物的产量…特点是“中间多两头少”由于正态分布特有的数学性质，正态分布在很多统计理论中都占有十分重要的地位正态分布是许多概率分布的极限分布统计推断中许多重要的分布（如χ2分布、t分布、F分布）都是在正态分布的基础上推导出来的。第三十七页，共五十三页，编辑于2023年，星期三用正态分布近似二项分布X～B(n，p)，当n充分大时，

X～N(np，np(1-p))【例3-15】假设有一批种子的发芽率为0.7。现有这种种子1000颗，试求其中有720颗以上发芽的概率。解：设X＝发芽种子颗数，X～B(1000，0.7)。近似地X～N(700，210)。

P(X>720)＝P(Z>1.38)＝1－P(Z≤1.38)

＝1－0.9162＝0.0838第三十八页，共五十三页，编辑于2023年，星期三用正态分布近似二项分布用正态分布近似二项分布的前提n很大，p不能太接近0或1（否则二项分布太偏）一般要求np和np(1-p)都要大于5如果np或np(1-p)小于5，二项分布可以用泊松分布来近似第三十九页，共五十三页，编辑于2023年，星期三计算正态分布的概率值方法一：先标准化——查标准正态分布函数值表方法二：利用Excel来计算（不必标准化）插入函数fx——选择“统计”－“NORMDIST”，进入“函数参数”对话框中，在X后填入正态随机变量的取值区间点；在Mean后填入正态分布的均值；在Standard_dev后填入正态分布的标准差；在Cumulative后填入1(或TRUE)，表示计算随机变量取值小于等于指定值x的累积概率值。第四十页，共五十三页，编辑于2023年，星期三也可在选定的输出单元格中，顺次输入函数名和参数值即可如输入“=NORMDIST(500,1050,200,1)”，确定后即可得到所求概率值0.0029798。根据概率值F(X≤x)求随机变量取值的区间点x，选择函数“NORMINV”。如输入“=NORMINV(0.0029798,1050,200)”,显示计算结果为500。计算正态分布的概率值第四十一页，共五十三页，编辑于2023年，星期三3.3大数定律与中心极限定理一、大数定律二、中心极限定理第四十二页，共五十三页，编辑于2023年，星期三一、大数定律3.3大数定律与中心极限定理1.独立同分布大数定律2.贝努里大数定律第四十三页，共五十三页，编辑于2023年，星期三独立同分布大数定律大数定律是阐述大量同类随机现象的平均结果的稳定性的一系列定理的总称。独立同分布大数定律——设X1,X2,…是独立同分布的随机变量序列，且存在有限的数学期望E(Xi)＝μ和方差D(Xi

)＝σ2（i=1,2,…），则对任意小的正数ε,有：

第四十四页，共五十三页，编辑于2023年，星期三大数定律（续）该大数定律表明：当n充分大时，相互独立且服从同一分布的一系列随机变量取值的算术平均数，与其数学期望μ的偏差任意小的概率接近于1。该定理给出了平均值具有稳定性的科学描述，从而为使用样本均值去估计总体均值（数学期望）提供了理论依据。第四十五页，共五十三页，编辑于2023年，星期三二、中心极限定理3.3大数定律与中心极限定理

1.独立同分布大数定律

2.棣莫佛－拉普拉斯中心极限定理第四十六页，共五十三页，编辑于2023年，星期三独立同分布的中心极限定理设X1,X2,…是独立同分布的随机变量序列,且存在有限的μ和方差σ2（i=1,2,…），当n→∞时，或就趋于正态分布。

第四十七页，共五十三页，编辑于2023年，星期三上述定理表明独立同分布的随机变量序列不管服从什么分布，其n项总和的分布趋近于正态分布。可得出如下结论：不论总体服从何种分布，只要其数学期望和方差存在，对这一总体进行重复抽样时，当样本量n充分大，就趋于正态分布。该定理为均值的抽样推断奠定了理论基础。第四十八页，共五十三页，编辑于2023年，星期三【例3-16】有一测绘小组对甲乙两地之间的距离采用分段测量的方法进行了测量，将甲乙之间的距离分成为100段。设每段测量值的误差（单位：cm）服从区间（－1，1）上的均匀分布。试问：对甲乙两地之间距离的测量值的总误差绝对值超过10cm的概率是多少？解：设Xi＝第i段测量误差（