概率论与数理统计第二章 随机变量及其分布(第1 -- 5节).ppt

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * （二） 连续型随机变量的函数的分布 例2：设随机变量X的概率密度为 求随机变量 Y = 2X+8 的概率密度。 解： 例3：设随机变量X的概率密度为 求随机变量 的概率密度。 解： 例如， 得 的概率密度为 定理： 设随机变量X的概率密度为 Y = g(X) 是连续型随机变量，其概率密度为 事实上，我们利用现在的定理还可以证明 更一般的情形：服从正态分布的随机变量的线 性函数仍旧服从正态分布。 利用此一结论可解决下列例题。 解 设随机变量 服从正态分布，证明 也服从正态分布. 下面具体举一例 例4：某物体的温度 T 是一个随机变量，且有 已知 的概率密度。 解： 例5：设随机变量X在(0, 1)上服从均匀分布， 解： 小结 对于连续型随机变量，在求 Y= g (X) 的分布时，关键的一步是把事件 { g(X)≤ y } 转化为X在一定范围内取值的形式，从而可以利用 X 的分布来求 P { g(X)≤ y }. 这一节我们介绍了随机变量函数的分布. 离散型的“算数值”，连续型的“算导数” 练习题 * * * * * * * * * * * * * * * * 以后当我们提到一个随机变量X的 “概率分布”时，指的是它的分布函数； 或者，当 X 是连续型随机变量时指的是它的概率密度，当 X 是离散型随机变量时指的是它的分布律。 例：设连续性随机变量X的概率密度为 解： 几个常用的连续型随机变量的分布 （一） 均匀分布 如果连续型随机变量 X 的概率密度为 则称连续型随机变量X在区间 (a,b) 上服从均匀分布。 记为 在区间 (a,b) 上服从均匀分布的随机变量 X，具 有下述意义的等可能性：即它落在区间 (a,b) 中任意 等长度的子区间内的可能性是相同的。 如果 X在区间 (a,b) 上服从均匀分布。 则其概率密度为 其分布函数为 公交线路上两辆公共汽车前后通过某汽车停车站的时间，即乘客的候车时间等. 均匀分布常见于下列情形： 如在数值计算中，由于四舍五 入，小数点后某一位小数引入的误差； （二） 指数分布 如果连续型随机变量 X 的概率密度为 则称连续型随机变量 X 服从指数分布。 其分布函数为 在实际生活中，常用指数分布作为各种“寿 命” 分布的近似。如电子元件的寿命、动物的寿 命等都假定服从指数分布。 服从指数分布的随机变量X具有一个很有趣 的性质：无记忆性。 事实上， 无记忆性的理论解释： 已知某一元件已使用了s小时，则它总共能 使用至少s+t小时的条件概率， 与它从开始使用 时算起它至少能使用t小时的概率相等。 例1 某公共汽车站从上午7时起，每15分钟来一班车，即 7:00，7:15，7:30, 7:45 等时刻有汽车到达此站，如果乘客到达此站时间 X 是7:00 到 7:30 之间的均匀随机变量, 试求他候车时间少于5 分钟的概率. 解 依题意， X ～ U ( 0, 30 ) 以7:00为起点0，以分为单位 为使候车时间X少于 5 分钟，乘客必须在 7:10 到 7:15 之间，或在7:25 到 7:30 之间到达车站. 所求概率为： 即乘客候车时间少于5 分钟的概率是1/3. 从上午7时起，每15分钟来一班车，即 7:00，7:15，7:30等时刻有汽车到达汽车站， （三） 正态分布 正态分布是概率论中最重要的一种分布。一方面，正态分布是自然界最常见的一种分布, 如测量时的误差、农作物的收获量、炮弹弹落点的分布、人的生理特征的尺寸（身高、体重等）、学生成绩的分布等都近似服从正态分布；一般说来，如影响某一数量指标的随机因素很多，而每个因素所起的作用又不太大，且它们是相互独立的，而影响又是可以相互叠加的，则这个指标服从正态分布。这一点可以用概率论中的中心极限定理加以证明。（在第五章里将会介绍） 另一方面，正态分布