《概率论和数理统计》.ppt

随机变量的赋值要从基本事件——样本点开始。一个样本空间所有的样本点是基本的随机事件，把样本点用随机变量表示了，其它所有复杂的事件的数字化也就随之解决了。 因此具体的操作是给每个样本点赋值。也就是建立函数关系 这里，随机变量是样本点的函数。自变量 e 是样本点的原始表达，定义域是样本空间 S 。 注意： ①.随机变量代表随机事件，每个取值对应一定的概率。 　 ②.随机变量这一函数与普通函数有区别，区别在于它是定义在样本空间而非实数轴上的，且取值具有随机性。 随机变量的建立分两种情况： ⑴. 事件的原始表达本来就是数字，常用的做法是就令 ，让随机变量保持样本点原本的数字。如掷一枚骰子的试验。 6 5 4 3 2 1 X 6 5 4 3 2 1 e ⑵.事件的原始表达不是数字，随机变量需要人为赋值。如抛一枚硬币的试验： 又如观察全年每天天气的试验： 对所有的样本点赋值以后，随机变量的建立即告完成。任何复杂事件也都有了随机变量取值。如掷一枚骰子试验，｛ X = 1，3，5｝就代表掷出奇数点；｛X≤3｝代表掷出不超过3点的事件。 1 0 X 正面 反面 e 一般尽量选用最简单的数字 4 3 2 1 X 雨 阴 多云 晴 e 第2节 离散随机变量及其分布律 一.离散型随机变量 一个随机变量的取值是有限个或可列无限个，也就是任意两个相邻取值之间是间隔着一些数的，则称之为离散型随机变量。 举例：抛硬币、掷骰子、彩票博奖等试验的随机变量都是离散型的。观察某地一年的降雨量、在某公交站等某路公交车的时间长度、炮弹落地点与目标的距离等这些试验的随机变量就不是离散型的。 离散型随机变量在任一有限区间取值的个数都是有限的。 二.离散型随机变量的概率分布律 1.概率分布律的定义 见书定义1。 解释：分布律就是离散型随机变量的所有取值和它们的概率的对应关系。 2.概率分布律的表现形式 可有三种形式。 ⑴.解析法 就是用等式表示。特点是便于理论研究和运算，但不直观。 具体形式就是定义式的形式： 注意：大写 X 、P 分别表示随机变量、概率这样的名词，是某个量的代表符号；小写的 x 、p 表示具体取值，是数值的代表。 等式的右边可以是一个式子，也可以是具体的数值。当是数值时，需要为随机变量的每一个取值列一个等式。 ⑵.表格法(又名分布列) 就是把随机变量和随机变量的概率各列一行，展现出它们的对应关系，如书上（2.2.4）。特点是直观，查找数据快速、精确，但不便于理论计算。 ⑶.图形法 就是在平面直角坐标系里用横坐标表示随机变量，纵坐标表示概率值，画出的线条图或直方图。见书上图 2-2。特点是直观、规律性醒目，但不便于理论分析计算。 补例. 同时抛两枚硬币，观察全是正面、一正一反和全是反面三个事件的概率分布律。 这是古典概型试验，容易求得各事件的概率。 首先定义随机变量，如下表： 解析式分布律： 表格式分布律： 图形式分布律： 3. 概率分布律的性质 非负性：任何一个概率值均不为负。书(2.2.2)式。 3 2 1 随机变量X 两反 一正一反 两正 事件 0.25 0.5 0.25 p 3 2 1 X x 3 2 1 0.25 0.50 p 归一性：所有的概率值之和等于1。书(2.2.3)式。 这两条性质可以用来检验所得到的分布律是否成立。 注意：分布律定义中的“随机变量的所有可能取值”可以是“①.全体样本点”或“②.任意完备事件组中全体事件”的取值。前面补例就属②类。 书例1. 要求分布律，大量的工作是先求出 X 每个值的概率。本题 X 值已作定义。首先应把 X 的三个值看成三个事件，其次可以把已知条件写成一些已知事件的概率，然后把 X 取值用已知事件表示，就可求得 X 各取值的概率。(计算见书) 三.常见的离散型分布律 1.两点分布 伯努利试验：只考虑两个可能结果( )的试验， 。 举例：抛一枚硬币观察出现正面或反面；射击表演观察是否命中目标；买彩票观察是否中奖；投篮观察是否投中。 伯努利试验的概率模型称为伯努利概型。 两点分布：对应于样本空间只有两个样本点的试验，也叫单重(单次) 伯努利试验。X 的取值只有 两个，对应事件 。 很多时候，就把这两个值取为 0 和 1，故此分布又称 0—1分