第一讲概率论知识复习概述.ppt

第一讲 概率论知识复习 一、 随机变量的定义及其分布函数 1. 随机变量的定义 二、离散型随机变量( discrete random variable) 三、 连续型随机变量及其概率密度 几种常见的连续型随机变量 * * 1.随机变量（random variable）的定义 2.随机变量的分布函数(distribution function) 例1 例2 例3 二、离散型随机变量( discrete random variable) 三、 连续型随机变量及其概率密度 为了对随机试验的结果进行定量研究，必须将其数量化．这就需引入随机变量. 实际中，有些试验结果本身就是由数量表示的．比如次数，高度，体重等；而有的试验结果表面与数量无关，但我们可以根据问题的需要把试验结果数量化，例如抛硬币的试验，以数0代表出现“反面”结果，以数1代表出现“正面”结果，这样就建立了如下的一个对应关系： 返回 定义1 设随机试验的样本空间为 , 为随机变量（random variable）． 表示． 下面是几个随机变量的例子． 定义1 设随机试验的样本空间为 , 上的实值单值函数，称 是定义在样本空间 随机变量一般用大写英文字母 其取值一般用小写英文字母 L , , , , w z y x 表示， 返回 【例1】 掷一枚骰子，出现的点数 是一个随机 变量． 【例2】 将一枚硬币抛3次，出现正面的次数 是一个随机变量． 的所有可能取值为 的所有可能取值为 【例3】 某地铁站的列车到站时间间隔为5分钟， 乘客随机到达车站， 用 表示乘客的等车时间， 是一个随机变量， 则 其所有可能取值是区间 返回 定义 设 是一个随机变量，称 为 的分布函数， 有时记作 或 注： 1. 若将 看作数轴上随机点的坐标， 则分布函数 的值就表示 落在区间 的概率； 2. 对任意实数 随机点落在 区间 的概率 2. 随机变量的分布函数 返回 2. 对任意实数 随机点落在 区间 的概率 3. 随机变量的分布函数是一个普通的函数， 它 完整地描述了随机变量的统计规律性. 通过它 人们就可以利用数学分析的方法 机变量. 来全面研究随 2. 随机变量的分布函数 返回 分布函数的性质 (1) 若 则 单调非减. (2) (3) 右连续性. 即 另一方面， 若一个函数具有上述性质， 则它一定 是某个随机变量的分布函数. 2. 随机变量的分布函数 返回 若随机变量 的所有可能取值是有限个或可 是离散型随机变量． 研究一个离散型随机变量，不但要看它取哪 些值，更重要的是看它取每个值的概率. 列个，则称 返回 1.定义 取这些值的概率为 定义1 称上式为离散型随机变量 分布律也可用如下的表格表示 ： … … … … 的所有可能取值为 设随机变量 distribution)或概率分布． 的分布律 (law of 返回 (1) 非负性 (2) 规范性 由概率的定义， 满足如下两个条件： 返回 （1）0-1分布 定义 若一个随机变量 只有两个可能的取值, 其分布为 且 特别地, 点分布, 即 参数为 的两 则称 服从 处 的两点分布. 参数为 若 服从 处 则称 服从参数为 的 分布. 2.几种常见的离散型随机变量 返回 其分布函数为 实际生活中，许多随机试验都可用0-1分布描述. 例如,检查产品是否合格、产品是否为一级品、观察机器是否出现故障、抛硬币试验、登记新生婴儿性别等等． 上述试验通常只有两个结果，这类试验称为贝努利（Bernoulli）试验. 重贝努利试验. 称这一串试验为 将贝努利试验独立重复地进行 次， 返回 （2） 二项分布 在 重伯努利试验中, 设每次试验中事件 的概率为 用 表示 重伯努利试 验中事件 发生的次数, 则 的可能取值为 且对每一 根据伯努 (1) 事件 即为 定义 若一个随机变量 的概率分布由 (1) 式给 出, 则称 服从参数为 恰好发生的 次”, 有 发生 次试验中事件 “ 利型, 记为 的二项分布, 返回 【例4】 按规定，某种型号电子元件的使用寿命超过1000小时的为合格品．已知某一大批产品的合格率为0.9,现在从中随机地抽查20只． 求20只元件中恰好有 只为合格品的概率. 解 设 由题知 则所求概率为 表示20只元件中合格品的只数. 由于这批电子 二项分布处理.这样做会有一些误差，但误差不大. 元件总数很大，而抽查的数量20相对于元件总数来说很小，所以可作为放回抽样处理，即 可近似地作为 返回 （3） 泊松分布 定义 若一个随机变量 的概率分布为 则称 服从参数为 的泊松分布， 记为