第二章 随机变量及其概率分布资料.ppt

Soft Computing Lab. 三、小 结 离散型随机变量可完全由其分布律来刻划． 即离散型随机变量可完全由其的可能取值以及 取这些值的概率唯一确定． 6.超几何分布 三、小结 附加题 伯努利资料 泊松资料 三、小结 备用题 Gauss 三、小结 正态分布是最常见最重要的一种分布,例如 测量误差; 人的生理特征尺寸如身高、体重等 ; 正常情况下生产的产品尺寸:直径、长度、重量 高度等都近似服从正态分布. 正态分布的应用与背景 　　可以证明， 的影响， 如果一个随机指标受到诸多因素 但其中任何一个因素都不起决定性作用， 则该随机指标一定服从或近似服从正态分布。 正态分布可以作为许多分布的近似分布。 许多分布所不具备的。 正态分布有许多良好的性质，这些性质是其它 正态分布下的概率计算 原函数不是 初等函数 方法:转化为标准正态分布查表计算 标准正态分布的概率密度表示为 2. 标准正态分布 标准正态分布的分布函数表示为 标准正态分布的图形 解 例6 当　　 时，查表得 若要求　　 时的概率，可利用上述公式。 由分布函数的定义及标准正态分布图形的对称性可知 即 例7 设 , 试求 　解（1） 　（2） 一般正态分布的计算 引理　若 , 则 证 令 代入上式得 所以 由此得 其中　　 是标准正态分布的分布函数。 对任意的常数　　，若 例8　设 ，试求 解（1） （2） （3） 解 P X≥ h ≤0.01 或 P X h ≥ 0.99， 下面我们来求满足上式的最小的h . 看一个应用正态分布的例子: 例9 公共汽车车门的高度是按男子与车门顶头碰头机会在 0.01 以下来设计的.设男子身高X～N 170,62 , 问车门高度应如何确定 设车门高度为h cm,按设计要求 因为 X～N 170,62 , 故 P X h 因而 2.33, 即 h 170+13.98 184 设计车门高度为 184厘米时，可使 男子与车门碰头 机会不超过0.01. P X h 0.99 求满足 的最小的 h . 所以 . 查表得 2.33 0.9901 0.99 由标准正态分布的查表计算可以求得， 这说明，X的取值几乎全部集中在[-3,3]区间 内，超出这个范围的可能性仅占不到0.3%. 当X～N 0,1 时， P |X| 1 2 1 -1 0.6826 P |X| 2 2 2 -1 0.9544 P |X| 3 2 3 -1 0.9974 正态分布 的准则 将上述结论推广到一般的正态分布, 可以认为，X 的取值几乎全部集中在 区间内. 这在统计学上称作“3 准则” . ~N 0,1 时， 标准正态分布的上 分位点 设 若数 满足条件 则称点 为 标准正态分布的上 分位点. 由 ， 又因为 得 查表可知 例10 已知随机变量 ，求概率 解 分布函数 2. 常见连续型随机变量的分布 均匀分布 正态分布 或高斯分布 指数分布 正态分布有极其广泛的实际背景, 例如测量 误差; 人的生理特征尺寸如身高、体重等 ; 正常 情况下生产的产品尺寸:直径、长度、重量高度; 炮弹的弹落点的分布等, 都服从或近似服从正态 分布.可以说,正态分布是自然界和社会现象中最 为常见的一种分布, 一个变量如果受到大量微小 的、独立的随机因素的影响, 那么这个变量一般 是一个正态随机变量. 3. 正态分布是概率论中最重要的分布 另一方面,有些分布 如二项分布、泊松分布 的极 限分布是正态分布.所以,无论在实践中,还是在理 论上,正态分布是概率论中最重要的一种分布. 二项分布向正态分布的转换 解 例1 例2 故有 解 1 因为 X 是连续型随机变量, 3.2 均匀分布与指数分布 1. 均匀分布 概率密度 函数图形 均匀分布的意义 分布函数 例1 某机场每个20分钟向市区发一辆车，假设乘客在相邻两班车的20分钟内的任一时刻到达候车处的可能性相等，试求他候车时间在5 -10分钟的概率. 解 依题意， X ～ U 0, 20 设乘客候车时间为X，以分为单位 于是乘客候车的时间或在5-10 分钟的概率为 　　例2　设随机变量　服从区间　　　上的 有实根的概率。 　　解　随机变量　的概率密度为 均匀分布，求方程 　　设 则 例3 设随机变量 X 在 [ 2, 5 ]上服从均匀分布, 现 对 X 进行三次独立观测 ,试求至少有两次观测值 大于3 的概率. X 的分布密度函数为 设 A 表示“对 X 的观测值大于 3”, 解 即 A X 3 . 因而有 设Y 表示3次独立观测中观测值大于3的次数, 则 2. 指数分布 　　概率密度的验证 　　设随机变量　服从参数为　的指数