第二章随机变量及其分布《概率论与数理统计》西南交大峨眉校区总结.ppt

（1）均匀分布 其分布函数为 2. 几种常见的连续型分布 其概率密度函数与分布函数的图像分别为： 均匀分布的典型特征就在于随机变量在某取值区间上取得每个点的机会是均等的。 例4：公共汽车站每隔10分钟有一辆汽车通过，乘客到达汽车站的任一时刻是等可能的。求乘客候车时间不超过3分钟的概率。 则候车时间不超过3分钟的概率为 （2）指数分布 其概率密度为 其分布函数为 其概率密度函数与分布函数的图像分别为： 可以验证 指数分布常见于描述产品寿命，动物寿命，电话通话时间以及服务等待时间等。由于指数分布具有无记忆性，因而指数分布在可靠性与排队论中有着广泛的应用。 指数分布的无记忆性： 所以这种电子元件能够使用500小时以上的概率为 （3）正态分布 其分布函数的图像为 可以验证 其分布函数记为 ① ② ③ 所以 解： （2） （1） （3） 解：由公式可得 正态分布是概率论中最重要的一种分布。一方面，正态分布是自然界最常见的一种分布。一般来说，若影响某一数量指标的随机因素很多，而每个因素所起的作用不太大，则这个数量指标服从正态分布。如人的生理特征的尺寸：身高、体重等；工厂产品的尺寸：直径、长度、高度、宽度……等都近似地服从正态分布。另一方面，正态分布具有许多良好的性质，许多分布可用正态分布来近似，另外一些分布又可以通过正态分布来导出，因此在理论研究中正态分布十分重要。 课堂练习：习题2-3 （1） （2） 1．判断下列函数是否可以作为连续型随机变量的概率密度函数： （×） （√） （1） 2.几种常见的离散型分布 （两点分布、伯努利分布） 1 0 记为 （2）几何分布 由几何级数可以验证 （3）超几何分布 利用组合数公式可以验证 （用于不放回产品检验） （4）二项分布 利用二项式展开定理可以验证 （用于有放回产品检验） 超几何分布常见于对产品进行不放回产品检验，而二项分布常见于对产品进行有放回产品检验。显然不放回抽检和有放回抽检不同。但是当产品总数相当大，而需要抽检的产品个数相对较小，此时即便抽检的产品不放回，对产品的总体状况产生的影响是微乎其微的。也就是说此时可以把不放回抽检近似地看作是有放回抽检。在理论上，超几何分布与二项分布之间也确实存在着近似关系。 例4：工厂生产的1000个产品中含有50个次品，从中一次性抽取20个出来进行检查，求抽到的20个产品中不含有次品的概率。 所以抽到的20个产品中不含有次品的概率为 由于满足 （5）泊松分布 利用麦克劳林级数可以验证 （常见于稠密性问题中） 泊松分布常见于稠密性的问题中，如一个时间间隔内某电话交换台收到的电话呼唤次数，一本书一页中印刷错误的个数，某地区在一天内邮递遗失的信件数，某医院在一天内的急诊病人数，某地区一段时间内发生交通事故的次数，一段时间内进入某商场的人数，放射性物质在一段时间内放射粒子数等。泊松分布是常用来描述大量随机试验中稀有事件出现次数的概率模型。 而 查附表1可得 如果对产品检验进行有放回抽检，当次品率较低且抽检次数较多时，抽检到次品就属于稀有事件，此时有放回抽检可以看作大量试验中稀有事件出现次数的概率模型，即二项分布可以近似为泊松分布。 例6：计算机内装有200个同样的电子元件，每一电子元件损坏的概率为0.005，如果任一电子元件损坏，计算机马上停止工作，求计算机停止工作的概率。 只要损坏的电子元件个数多于1个，计算机都会停止工作。所以计算机停止工作的概率为 从例4和例6可以看到，在满足一定要求的条件下，用近似分布来计算原来分布中的概率问题，可以使计算得到较大的简化。 课堂练习：习题2-2： 2.3 连续型随机变量 （1）定义 1. 连续型随机变量 从而可得 故连续型随机变量的分布函数是实数集上的连续函数。 （2）概率密度的性质 ① 非负性： ② 归一性： 注：满足上述两个性质的可积函数必是某连续型随机变量的概率密度函数。 从而 解得 所以 （3）概率密度定义2 （4）概率微分 解： ① ② ③ ④ ⑤ 解： 而 第二章 随机变量及其分布 2.1 随机变量及其分布函数 2.2 离散型随机变量 2.3 连续型随机变量 2.4 随机变量函数的分布 随机事件 随机变量 分布函数 离散型 连续型 概率分布表 概率密度 随机变量函数的分布 1. 随机变量的概念 2.1 随机变量及其分布函数 2. 随机变量的分类 分类依据：随机变量的取值情况 离散型随机变量：随机变量的取值为有限个或可数无