概率2-1,2 习题课 概率论与数理统计.pptVIP

又如： “抛硬币” 试验（硬币均匀）。它有两种可能结果：“出现正面H”或“出现反面T”。 * 概率论与数理统计第 5 讲主 讲: 赵玉环 第二章 随机变量及其分布 §2.1 随机变量 §2.2 离散型随机变量的概率分布 §2.3 随机变量的分布函数 §2.4 连续型随机变量的概率密度 §2.5 随机变量的函数的分布 概率论是从数量上来研究随机现象内在规律性的，为了更方便有力的研究随机现象，就要用数学分析的方法来研究， 因此为了便于数学上的推导和计算，就需将任意的随机事件数量化．当把一些非数量表示的随机事件用数字来表示时， 就建立起了随机变量的概念． 为什么引入随机变量? §2.1 随机变量 一、随机变量 1. 随机变量的引入 实例1 在一装有红球、白球的袋中任摸一个球,观察摸出球的颜色. S={红色、白色} 非数量 将 S 数量化 可采用下列方法 红色 白色 即有 X (红色)=1 , X (白色)=0. 这样便将非数量的 S={红色，白色} 数量化了. 实例2 抛掷骰子,观察出现的点数. S={1，2，3，4，5，6} 样本点本身就是数量 恒等变换 且有 则有 实例3 一袋中有6个球，分别标有 1,2,2,2,3,3，从袋中任 取一个球，观察出现的数字． 解：样本空间 S＝｛e1，e2，e3}, 其中e1＝｛出现数字1｝，e2＝｛出现数字2｝， e3＝｛出现数字3｝. 构造随机变量X：S ｛1,2,3｝， 即 X(e1)=1， X(e2)=2， X(e3)=3， 当试验的可能结果本身是用数量描述的，这时构造随机变量最容易． 如：掷骰子试验。 (1).有些试验结果本身就是数，随机事件与实数之间存在着客观联系. 总结： 令X=掷一次骰子得到的点数，X＝1,2…6 则“掷得i点”可记作“X=i”,并有P(X=i)=1/6. 这表明：X实际上是样本点的一个函数，所以X具有随机性。 易见，对于任意实数x， {e|X(e)≤x}或{X≤x}都是随机事件，我们关心它的概率值。 则 X也是样本点的一个函数。 对于任意实数x，{X≤x}都是随机事件。 (2).有些试验中，试验结果看与数值无关，随机事件与实数之间没有客观联系，但是可以引进一个变量来表示它的各种结果.也就是说，把试验结果数值化. 如上述：摸球试验 1）随试验结果的不同而取不同的值，因而在试验之前只知道它可能取值的范围，而不能预先肯定它将取哪个值－－随机性 2）由于试验的结果的出现具有一定的概率，于是这些实值函数取每个值和每个确定范围内的值是随机事件有一定的概率－-取值有概率规律 这些X,Y,Z就是所谓的 随 量 机 变 ( random variable) (3).这几个例子中引入的变量X,Y,Z都是样本点的单值实函数，且具有以下共同特点： 设E是随机试验，它的样本空间是S＝{e} ，如果对 于每一个 e ∈S，都有一个实数X(e)与之对应，这样就 得到一个定义在S上的单值实值函数X=X(e), 称为 随机 变量. 常用字母X, Y,ξ,η,等表示随机变量． 2.定义 随机变量是定义在样本空间上的实值集函数，它与 普通的实函数有本质的区别．一方面它的取值是随机的， 而它取每一个可能值都有一定的概率；另一方面，它的 定义域是样本空间S，而S不一定是实数集． S e X(e) R 3.随机变量的分类 离散型 (1)离散型 随机变量所取的可能值是有限多个或 无限可列个, 叫做离散型随机变量. 观察掷一个骰子出现的点数. 随机变量 X 的可能值是 : 随机变量 连续型 实例1 1, 2, 3, 4, 5, 6. 非离散型 其他 实例2 若随机变量 X 记为 “连续射击, 直至命中时的射击次数”, 则 X 的可能值是: 实例3 设某射手每次射击打中目标的概率是0.8, 现该射手射了30次,则随机变量 X 记为“击中目标 的次数”, 则 X 的所有可能取值为: (2)连续型 随机变量所取的可能值可以连续地充满某个区间,叫做连续型随机变量. 例4 对于一批灯泡，设每一灯泡在某固定条件的耐用时 间为X，则X ：S [0,+∞) 随着取不同灯泡的试验结果不同，X 取不同的值.取定灯 泡，X 值才能确定，故X 是随机变量． 随机变量概念的产生是概率论发展史上的重大事件. 引入随机变量后，对随机现象统计规律的研究，就由对事件及事件概率的研究扩大为对随机变量及其取值规律的研究. 随机变量全部可能取到的值是有限个或可列个. §2.2离散型随机变量的概率分布 一、基本概念 离散型随机变量： 定义