第二章（一）.pptVIP

1.随机变量的概念 定义 设E是一个随机试验，?={?}是试验E的样本空间，如果对于?中的每一个样本点? ，有一实数X(?)与之对应，这个定义在?上的实值函数X(?)就称为随机变量。 由定义可知，随机变量X(?)是以样本空间?为定义域的一个单值实值函数。 第1节 随机变量及其分布 第二章 随机变量及其分布 通俗地说：如果一个变量，他的取值随 着实验结果的不同而变化，当实验结束 后，他所取的值也就相应地确定， 这种变量为随机变量。 (1)随机变量X不是自变量的函数而是样本点?的函数，常用大写字母X、Y、Z 等表示。 (2)随机变量X随着试验结果而取不同的值，因而在试验结束之前，只知道其可能的取值范围，而事先不能预知它取什么值，对任意实数区间(a,b)，“aXb”的概率是确定的； (3)随机变量X(?)的值域即为其一切可能取值的全体构成的集合； (4)引入随机变量后，就可以用随机变量描述事件，而且事件的讨论，可以纳入随机变量的讨论中。 有关随机变量定义的几点说明： 例1 一批产品中任意抽取20件作质量检验，用X表示检验出的合格品的件数，所以X是随机变量。X的一切可能取值为 0，1，2，…，20 {X=0}表示事件“抽检的20件产品中没有合格品”； {X=1}表示事件“抽检的20件产品中恰有1件合格品”； …… {X=k}表示事件“抽检的20件产品中恰有k件合格品”。 例2 一个地铁车站，每隔5分钟有一列地铁通过该站。一位乘客不知列车通过该站的时间，他在一个任意时刻到达该站，则他候车的时间X是一个随机变量，而且X的取值范围是 [0，5] 2.离散型随机变量 （1）离散型随机变量的概念 若某个随机变量的所有可能取值是有限多个或可列无限多个，则称这个随机变量为离散型随机变量。 讨论随机变量的目的是要研究其统计规律性，要知道离散型随机变量X的统计规律必须且只须知道X的所有可能取值以及X取每一个可能值的概率。 （2）分布律 设离散型随机变量X，其所有可能取值为x1, x2, …, xk, …， 且取这些值的概率依次为p1, p2, …, pk, …, 即 则称P(X=xk)=pk(k=1, 2, … ) 为随机变量X 的概率分布律，简称分布律或分布列。 分布律可用表格形式表示为： P(X=xk)=pk, (k=1, 2, … ) 而且满足（1）P(X=xk)=pk≥0，(k=1, 2, … ) 　　　　（2） X x1 x2 x3 … xk … P p1 p2 p3 … pk … 例3 将一颗骰子投掷两次，观察所的点数，以X表示所得点数之和，则X的可能取值为2，3，4，…，12，而且 {X=2}={(1,1)}, {X=3}={(1,2),(2,1)}, {X=4}={(1,3),(2,2),(3,1)}, …… {X=12}={(6,6)}。 随机变量X的取各个可能值的概率列于下表： X 2 3 4 5 6 7 8 9 10 11 12 P 1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36 P(X=2)=1/36 P(X=3)=2/36 P(X=4)=3/36 P(X=12)=1/36 例4 设袋中有5只球，其中有2只白球，3只黑球。现从中任取3只球(不放回)，求抽得的白球数X为k的概率。 解 X=k的所有可能取值为0,1,2. X是一个随机变量， X 0 1 2 P 例5 离散随机变量X的分布列为 X 0 1 2 P 0.2 c 0.5 解 注意：分布列一定满足下列两个条件： （1）P(X=xk)=pk≥0，(k=1, 2, … ) （2） 满足上面两个条件的一组数也可以成为某个随机变量的分布列。 求常数c. 3. 连续型随机变量 (1)概念 设X是随机变量，若存在非负可积函数f(x)，(-?x+?)，使对一切实数x，均有 则称X为连续型随机变量，且称f(x)为随机变量X的概率密度函数，简称概率密度或密度函数。常记为X～ f(x) , (-?x+?)。 1非负性 f(x)?0，(-?x+?)； (2)密度函数的性质 2 3 归一性 4 若f(x)在x0处连续，则有 注意 在计算连续型随机变量落在某一区间的概率时，可以不必区分该区间是开区间或闭区间或半闭区间。例如有 P{aX≤b}＝P{a≤X≤b}=P{aXb}。 在这里，事件{X=a)并非不可