概率论(浙大版)第二章.ppt

第二章 随机变量及其分布 第一节 随机变量 第二节 概率分布函数 第三节 离散型随机变量 第四节 连续型随机变量 第五节 随机变量的函数 第一节 随 机 变 量 　 在上一章中，我们把随机事件看作样本空间的子集；这一章里我们将引入随机变量的概念，用随机变量的取值来描述随机事件。 §2 离散型随机变量及其分布 3、离散型随机变量分布律的性质 例２: 设随机变量X的分布律为： 离散型随机变量的三种重要的分布 （一）（0-1分布） 2、二项分布 用X表示n重Bernoulli试验中事件A发生的次数， ，则X的分布律为: 解：令A=“掷出5点”， 例2：某人进行射击，设每次射击的命中率为0.02，独立射击400次，试求至少击中两次的概率。 （三）泊松分布 设X为一随机变量, 为任意实数,称 2、分布函数的性质 引进分布函数 后，事件的概率可以用 的函数值来表示。 §4 连续型随机变量及其概率密度 定义： 对于随机变量X的分布函数 若存在 非负的函数 使对于任意实数 有： 随机变量的分布函数、分布律、密度函数有什么联系和区别？ 区别：分布函数描述随机变量的取值规律，随机变量可以是离散型的，也可以是连续型的；分布律只能描述离散型随机变量的取值规律；密度函数只能描述连续型随机变量的取值规律。 联系： （二）指数分布 （三）正态分布 称μ为位置参数(决定对称轴位置) σ为尺度参数(决定曲线分散性) X的取值呈中间多，两头少，对称的特性。 当固定μ时，σ越大，曲线的峰越低，落在μ附近的概率越小，取值就越分散， ∴ σ是反映X的取值分散性的一个指标。 在自然现象和社会现象中，大量随机变量服从或近似服从正态分布。 例： §5 随机变量的函数分布 问题：已知随机变量X的概率分布， 且已知Y=g(X)，求Y的概率分布。 课后练习 一维随机变量函数的分布 1. X离散 加法 使 对应的X的那些可能值, 其概率之和 (1)先求出Y的分布函数与X的分布函数之间的关系： (2)再两边同时对y求导数 2. X连续 1. 定义 若随机变量X所有可能的取值为0,1,2,…, 而取每个值的概率为: 其中λ0是常数，则称X服从参数为?的泊松分布,记为 : X～?(?). 2. 泊松定理 设? 0为一常数，n是任意正整数。设npn=λ, 则对任一固定的非负整数k，有 泊松分布与二项分布的关系：这两个分布的 说明： 数学模型都是Bernoulli概型。Poisson分布 是二项分布当n很大p 很小时的近似计算。 §3 随机变量的分布函数 为随机变量X的分布函数。 1、分布函数的定义: 是右连续函数，即 是一个单调不减函数 0 （ ] a b 其中 称为X的概率密度函数，简称概率密度。 则称X为连续型随机变量， 连续型随机变量的取值充满一个区间，对这种类型的随机变量不能象离散型的那样用分布律描述，而是用概率密度描述。 5）连续型随机变量X取任一实数的概率值为零. 注意: 5)表明求连续型随机变量落在一个区间上的概率值时，不必考虑区间端点的情况。即 连续型随机变量的三个重要的分布 （一）均匀分布 服从指数分布的随机变量X具有以下有趣的性质： 对于任意s，t0，有 一般正态分布的标准化 查书后附表 * * * * * * 一、随机变量 引例： E1: 将一枚硬币连掷两次，观察正反面出现的情况。 e1=（正，正）　　　　 2 e2=（正，反）　　　 1 e3=（反，正)　　　 1 e4=（反，反）　　　　 0 令X=“正面出现的次数”，则X是一个随着试验结果不同而取值不同的量，其对应关系如下： 由上可知，对每一个样本点e，都有一个X的取值X(e) 基本结果(e) 正面出现的次数X(e) 与之对应。我们把X称为定义在这个试验上的随机变量。 E2：掷一枚骰子，观察出现的点数. 令X=“正面出现的点数” E3：某产品的使用寿命X,X=0. E4：掷一枚质地均匀的硬币，观察正反面出现的情况. 一般地，对每一个随机试验，我们都可以引入一个变量X，使得试验的每一个样本点都有一个X的取值X(e)与之对应，这样就得到随机变量的概念. 1、随机变量的定义: 设E是一个随机试验，其样本空间为S={e}，在E上引入一个变量X，如果对S中每