第二章随机变量(二)总结.ppt

注释：(1)随机变量与普通变量的比较： 随机变量X:定义域? ，值域RX为全体实数或者它的一个子集，自变量???。 与普通函数不同：定义域不同； 关键是r,v的取值是随机的，事先可以知道它的取值范围，但不知道到底取哪个值，每个取值有一定概率规律，只有试验完成后才知 r,v取哪个值。 （3）对于r,v,X更重要的是搞清：（I）它的取值范围；（II）取值的概率规律。 （试验结果） （事件的概率） 注2： （1）随机变量X是一个从样本空间到实数空间的函数，它的定义域为样本空间?。它的值域Rx为全体实数集或它的一个子集。 （2）从随机变量的定义来看，它与通常的函数概念没有什么不同，把握这个概念的关键之点在于试验前后之分：在试验前，我们不能预知它取何值，这要凭机会，“随机”的意思就在这里，一旦试验完成后，它的取值就确定了。 例如（1）P{aX≤b}=F(b)-F(a). (因为{aX≤b}={X≤b}-{X≤a},且{X≤b}?{X≤a}) （2）P{X=b}=F(b)-F(b-0). (由（1）连续性证明) （3）P{Xb}=F(b-0). ({Xb}={X≤b}-{X=b},{X≤b}?{X=b},再由（2） ) （4）P{Xb}=1-F(b). ({Xb}= ) 知识回顾 随机变量的定义、意义 随机变量的分布函数：定义 分布函数的性质：单调不减、范围、右连续。 概率论主要是利用随机变量来描述和研究随机现象，利用分布函数就能很好的表示各事件的概率。 （1）已知随机变量X的分布律，可求出X的分布函数： ①设一离散型随机变量X的分布律为  P{X=xk}=pk (k=1，2，…) 由概率的可列可加性可得X的分布函数为 ②已知随机变量X的分布律, 亦可求任意随机事件的概率。 例如，求事件｛X∈B｝（B为实轴上的一个区间）的概率P{ X∈B}时，只需将属于B的X的可能取值找出来，把X取这些值的概率相加，即可得概率P{ X∈B}，即 设一离散型随机变量X的分布函数为F(x)，并设F(x)的所有间断为x1,x2,…，那么，X的分布律为 F（x）的图形如下图所示，它是一条阶梯形的曲线，在x＝－1，2，3处有跳跃点，跳跃值分别为1/4，1/2，1/4。 * * 第二章 随机变量 第一节 随机变量及其分布函数 第二节 离散型随机变量及其分布 第三节　连续型随机变量及其分布 第四节　随机变量函数的分布 例2: 考虑如下试验：在区间[0，1]上任取一点，记录它的坐标X。那么X是一随机变量，根据试验条件可以认为X取到[0，1]上任一点的可能性相同。求X的分布函数。 当x0时 解 ： 由几何概率的计算不难求出X的分布函数 所以： (2)随机变量与事件的关系； 一方面：随机变量“取一个值”或“取值于一给定区间”是随机事件。 另一方面：因为基本事件与随机变量联系起来，因而随机事件可以用随机变量表示。 随机事件?随机变量的值? 概率 通过研究随机变量整体把握随机事件。 （5）P{X≥b}=1-F(b-0). （6）P{X=b}=F(b)-F(b-0). （7）P{aXb}=F(b-0)-F(a). 3. 公式： 第二节 离散型随机变量及其分布 分布律常用表格形式表示如下： X x1　　x2　…　xk… pk　　p1　　p2　…　pk…　　 如果随机变量所有的可能取值为有限个或可列无穷多个，则称这种随机变量为离散型随机变量。 设离散型随机变量X的可能取值为xk (k=1,2,…),事件 发生的概率为pk ,即 称为随机变量X的概率分布或分布律或分布列。 分布律的两条基本性质： （１）确定常数a的值;（２）求Ｘ的分布函数 因此 解：（１）由分布律的性质知 Ｘ　 ０　 １　 ２ p a （2）由分布函数计算公式易得Ｘ的分布函数为： 这里的和式是所有满足xk≤x的k求和的。分布函数F(x)在x=xk(k=1,2,…)处有跳跃，其跃跳值为pk=P{x=xk}。 分布律与分布函数的关系 因此，离散型随机变量的分布律完整地描述它的概率分布情况。 （2）已知随机变量X的分布函数，可求出X的分布律： 例1: 设随机变量X的分布律为 X P -1 2 3 1/4 1/2 1/4 求X的分布函数，并求 解: 由概率的有限