概率论与数理统计ch2-1.docVIP

第二章 随机变量及其分布 §2.1 随机变量及其分布 一、随机变量的概念 在随机现象中，很多随机试验的结果与数值直接发生联系. 例如 ◆在产品检验问题中，质量检验员关心的是抽样中出现的次品数； ◆候车问题中乘客所关心的是他在车站的候车时间等等. ◆在投硬币问题中，出现的结果为正面或反面：当出现正面时记为“1”，而出现反面时记为“0”. 这些例子中，试验的结果能用一个数来表示，这个数是随着试验结果的不同而变化的，也即它是样本点的一个函数，以后我们就称这种变量为随机变量. 随机变量严格的数学定义如下： 定义2.1.1 设， ? ，是一给定的概率空间，是一个定义于样本空间上的单值实函数，若对于任一实数，是一随机事件，即? ，则称为一个随机变量. 在不致产生误会的情况下，常常略去，把简记为.随机变量常用大写英文字母（或希腊字母.）等表示. 随机变量实质上是在试验结果与实数值之间的一种对应. 它作为试验结果的函数与微积分中定义的函数是有所有区别的. 随机变量作为函数，其自变量不是实数，而是试验结果，即样本点. 所以它的定义域是样本空间. 定义了随机变量后，我们可以用它来描述随机试验下的一系列随机事件. 设为一随机变量，对任给实数a和b，的子集是一随机事件，为方便常将该事件简记为. 它表示“随机变量的值落在区间中”这一事件. 类似地, 等都是随机事件. 而 表示不可能事件, 表示必然事件. 设区间与无公共点, 则事件 与互不相容. 特别地, 与为互逆事件. 若, 则与互不相容. 例2.1.1 从含有4件次品的9件产品中任意取3件，若以X表示取出的3件产品中的次品数，则X是一个随机变量，事件{取出的3件产品中有2件次品}就可以简单地表示为{}，事件{取出的3件产品中的次品数小于2件}就可以表示为{}. 次品数X的所有可能取值为0，1，2，3，且取这些数值的概率: ， 此式完整地描述了此问题的抽样试验模型. 随机变量的分类： 如果随机变量X的所有取值能够一一列举出来，那么称X是离散型随机变量； 否则称X为非离散型随机变量. 例如：产品抽样试验中的次品数X，电话交换机在单位时间内来到的呼叫次数Y等都是离散型随机变量；而候车问题中乘客的候车时间不是离散型随机变量. 非离散型随机变量中的一类——连续型随机变量. 二、随机变量的分布函数 1. 分布函数的定义 定义2.1.2 设是一随机变量，对任意实数，称 （2.1.1） 为随机变量的分布函数. 即为随机变量落在区间内的概率. 不难看出，对任意给定的实数有 （2.1.2） 事实上，因事件，而事件与互不相容，由概率的有限可加性即得（2.1.2）式. 例2.1.2 设随机变量只取两个值0，1，且，，求X的分布函数. 2. 分布函数的性质 分布函数具有下列性质： （1）是非负、有界函数，即； （2）是单调不减函数，即若，则； （3），； （4）是左连续函数，即=. 知道了随机变量的分布函数为，则下述概率可由分布函数计算出来： （2.1.3） （2.1.4） （2.1.5） （2.1.6） 　　有时将随机变量的分布函数记为. §2.2 离散型随机变量的分布 离散型随机变量的分布列 离散型随机变量的可能取值是可以一一列举的，因而掌握它的变化规律，首先要了解它可能取哪些值，其次要知道它取这些值的概率. 定义2.2.1 设x1, x2, x3, …为离散型随机变量的所有可能取值，记 （2.2.1） 则称（2.2.1）式为随机变量的分布列（或的概率分布）. 分布列也常常用表格形式给出： ～ 或 X x1 x2 x3 … P p1 p2 p3 … 离散型随机变量分布列的性质： （1）非负性，； (2.2.2) （2）正规性，. (2.2.3) 例如例2.1.1 中次品数X的分布列为 X 0 1 2 3 0.1191 0.4762 0.3571 0.0476 分布列不仅可以给出随机变量取单点值的概率，而且由于 由概率的可列可加性，有 (2.2.4) 更一般地，对于集合I，有 (2.2.5) 特别地，我们得离散型随机变量的分布列与其分布函数之间的关系式 （2.2.6） 它是一个在处有跃度的左连续的阶梯函数. 可见离散型随机变量的统计规律完全由它的分布列来确定. 二、常用离散型