第四节 连续随机变量及概率密度.pptVIP

求该密度的分布函数F(x) 当x≤0, F(x)=P(X≤x)=0; 当0x≤1, F(x)=P(X≤x)= 当1x≤2, F(x)=P(X≤x)= 当x2, F(x)=P(X≤x)=1 求p=P(1/2X3/2) p= 例2.4.6 一般可以认为各种考试成绩服从正态分布。 假定在一次公务员资格考试中，只能通过考试人数的 5%，而考生的成绩 X 近似服从 N (60 ,100) ，问至少要多少分才可能通过这次资格考试？ 解. 分析， 假定通过考试的成绩至少要为 d 分 ，即必须有 P { X ≥ d } ≤ 0.05 ? P { X ≤ d } ≥ 0.95 。 根据定理 2.4.1， ——— ~ N (0,1) X – 60 10 因此 0.95 ≤P { X ≤ d } = ? (——— ) 查正态分布表，有， ? (1.64) = 0.9495 ，? (1.65) = 0.9505 ； □ d – 60 10 所以 ——— ≥1.65，即 d ≥ 76.5， 至少要 76.5 分才可能通过资格考试。 d – 60 10 思考 假定某城市个人月收入( RMB，元) 近似服从正态 N ( 1000 ,2002 ) ，以 60% 的比例划分中等收入阶层，问相应的上、下限应该是多少？ 三. ? 分位点 对于任意随机变量 X ，给定一个数 0 ＜? ＜1， 如果存在一个实数 u? 使得： P { X ＞u? } = ? ， 则称这个实数 u? 是随机变量 X 的上? 分位点 。 标准正态分布的上? 分位点 一般用符号 z? 来表示 z0.05 = 1.64 , z0.025 = 1.96 , z0.001 = 3.10 。 ? (x) ? o z? x * * 第四节 连续随机变量及概率密度 一. 连续随机变量的定义 所有可能的取值是连续区间的随机变量 定义2.4.1 如果存在一个非负函数 p (x)，使得对任意 实数 x，X 的分布函数 F (x) 能够表示成积分形式： 则称 X 是连续随机变量，p (x) 是 X 的概率密度函数 1. 概率密度函数( probability density function：p.d.f ) 例2.4.1 讨论如下的三个分布函数 0 ， x ＜ 0 ， F1 (x) = x/b ，0 ≤ x ＜ b ， 1 ， x ≥ b 。 0 ， x ≤ 0 1 – e – x , x ＞ 0 F2 (x) = 1/b ，0 ＜ x ＜ b 0 , 其它 p1 (x) = p2 (x) = e – x , x ＞ 0 0 , 其它 □ 概率密度函数的意义 (1) 概率密度函数的作用类似于离散随机变量的分布律。 离散随机变量的分布函数是对分布律 “求和”， 得到的是一个阶梯形跳跃的间断函数； 连续随机变量分布函数是对密度函数 “积分”， 得到的是一个连续的函数。 (3) 分布函数、分布律、概率密度函数，都是 对随机变量的随机性质的完整刻划。 (2) 连续随机变量只能在密度函数不等于 0 的区间上取值。 (5) 连续随机变量在任何一个常数取值的概率是 0， 即对每一个常数 c ，P { X = c } = 0 。 但是 (X = c) 并不一定是一个不可能事件。 通常说，如果我们知道了随机变量的分布列或分布密度或分布函数，就等价于掌握了这个随机现象的统计规律。 (4) 密度函数是分布函数的一阶导数， 分布函数是密度函数的一个特殊的原函数。 F (x) = ?–x∞ p(t) dt ? p(x) = F’ (x) 这个性质用来计算随机变量函数的分布问题 2. 概率密度函数的主要性质 (1) p (x) ≥ 0 ； o x p(x) 1 y 比较，离散随机变量分布律的两个性质： pk ≥ 0 ; ∑k ≥ 1 pk = 1 也是任何一个函数成为概率密度