第1章概率论基础3.pptVIP

1.3 随机变量 样本空间、概率、随机变量间的映射关系 1.3 随机变量 随机对象 映射方法：将具体的样本空间映射到数集或者函数集（传统的方法；概率论中常用） 直接方法：直接指定样本空间为数集或函数集 当样本空间为一维实数集合时，则称该一维实变量为随机变量 当样本空间为一维复数集合时，则称该一维复数变量为复随机变量 当样本空间为高维实数空间时，则称该高维实数空间为随机向量 当样本空间为定义于某个数集上的函数组成，则称该函数集合为随机过程 1.3 随机变量 随机变量的两要素 变量特征 概率特征（统计特征） 概率质量函数(pmf: probability mass function) 任何一种离散型随机变量都可以统一地用概率质量函数表示 其他事件的概率通过概率质量函数计算得到 连续型随机变量不可以用概率质量函数表示 概率分布函数(cdf: cumulative distribution function) 概率密度函数(pdf: probability density function) 1.3 随机变量 定义2：假设X是概率空间(Ω ,F, P)上的随机变量，那么对于任意x ? R =(-∞, ∞)， P{ω: X(ω) ≤ x}有意义，因而此概率是x的函数，记作 FX (x)=P{ω: X(ω) ≤ x}, x ? R =(-∞, ∞) Or FX (x)=P{X≤ x}= P{X ? (-∞ ,x]}, x ? R =(-∞, ∞) 称F X(x)为随机变量X = X(ω)的分布函数(distribution function)。也称为概率累积函数(probability cumulative function). 1.3 随机变量 随机变量分布函数的说明： ?分布函数FX(x)是x的实值函数,记为F (x) ； ? x ? R1为自变量； ?以事件{ω： X(ω) ≤ x}的概率测度为函数值； ?取值在[0，1]上。 1.3 随机变量 定理: 任意随机变量的分布函数，具有下列性质: (1)单调不减性：对? -∞x1x2 ∞ ，有 F(x1)? F(x2) (2)右连续性：对? -∞a ∞ ，有 (3) 记： 则： 定义3:假设X= X (ω)是概率空间(Ω ,F, P)上的随机变量，对任意集合类A ? B1 （包含R 上所有形如集合（ -∞a ]的最小?域），记实值集函数PX(A)=P{ω： X (ω) ? A}, ，称PX(A)为随机变量X(ω)的概率分布。 1.3 随机变量 1.3 随机变量 ? 对于任意离散型随机变量 X= X(ω) ，若它的概率分布律由式(a)给出，则它的分布函数为： ?离散型随机变量的分布函数是右连续单调不减的阶梯函数.  1.3 随机变量 设X是取有穷个值的随机变量，不失一般性，假设x0x1x2 ??? xn, ，那么在分布律(a)下， X 的分布函数FX (x)具有下图所表现的一般特征。 对任意A ? B1 ，有 ——是离散型随机变量的概率分布。 离散型随机变量的分布函数为 1.3 随机变量 例 随机试验E：连续进行两次射击，以 X表示命中目标的次数，假设每一次命中目标的概率为0.40， 以0 表示未命中目标，1 表示命中目标，那么随机试验E的所有可能结果为 解：令F 为Ω一切子集构成的事件σ-代数，令Ui={第i次命中目标 } ， ū i={第i次未命中目标} (i=1,2)， 则由题目可知：P (Ui)=0.4， P (ū i)=0.6。 则由独立性可得：P({ω1})=P(ū1 ∩ū2)= P(ū1) P(ū2)=0.36 ; P({ω2})=P(ū1 ∩U2)= P(ū1) P(U2)=0.24 ; P({ω3})=P(U1 ∩ū2)= P(U1) P(ū2)=0.24 ; P({ω4})=P(U1 ∩U2)= P(U1) P(U2)=0.16 ; (Ω ,F, P)是概率空间。记Ω上的实值映射X (ω)=k,ω ?Ω,k=0,1,2 1.3 随机变量 X(ω)是定义在概率空间(Ω ,F, P)上的离散型随机变量。并且，它的分布律为： 分布函数为： F(x) 1.3 随机变量 1.3.1.3连续型随机变量 定义5：假设 X= X(ω)是定义在概率空间(Ω ,F, P)上的随机变量，称 X为连续型的，如果它的分布函数 F (x)=P{ω： X(ω) ≤ x} ( x ? R1 )绝对连续，即存在一非负可