3.2连续型随机变量.ppt

3.2 连续型随机变量 一、连续型随机变量及其概率密度函数 定义：设R.V. 的d.f为 ，如果存在非负函数 ，使得 那么称 为一连续型R.V.， 称为R.V. 的概率密度函数，简称密度函数。 【例1】设R.V. 具有密度函数 试求（1）常数C （2） 的d.f.F（x） （3）P(0≤ ≤1） 【例2】设R.V. 的d.f为 求常数及R.V. 的p.d.f。 * 【概率密度函数的性质】 这两条性质是判定一个 函数 P(x)是否为某r.vX的 概率密度函数的充要条件. P(x) x o 面积为1 故 的密度 P(x) 在 x 这一点的值，恰好是 落在区间 上的概率与区间长度 之比的极限. 这里，如果把概率理解为质量，则 P(x)相当于线密度. 若x是P(x)的连续点，则： =P(x) 3. 对 P(x)的进一步理解: 要注意的是，密度函数 P(x)在某点a处的高度，并不反映 取值的概率.但是，这个高度越大，则 取a附近的值的概率就越大。也可以说，在某点密度曲线的高度反映了概率集中在该点附近的程度。 f (x) x o 连续型r.v取任一指定值的概率为0。 即： a为任一指定值 这是因为 需要指出的是: 由此得， 1) 对连续型 r.v. ,有 2) 由P( =a)=0可推知 而 { =a} 并非不可能事件 并非必然事件 称A为几乎不可能事件，B为几乎必然事件。 可见， 由P(A)=0, 不能推出 由P(B )=1, 不能推出B=S 由于连续型r.v 唯一被它的密度函数所确 定。所以，若已知密度函数，该连续型r.v 的概 率规律就得到了全面描述. P(x) x o 【解】 【解】 二、几种常见的连续型分布 它的实际背景是:r.v X取值在区间(a,b)上，并且 取值在(a, b)中任意小区间内的概率与这个小区间的 长度成正比.则X具有(a,b)上的均匀分布。 1.均匀分布 2.正态分布 若 的密度函数为 则称 服从参数为 ? , ? 2 的正态分布 记作 ～ N ( ? , ? 2 ) 为常数， p (x) 的性质： 图形关于直线 x = ? 对称： f (? + x) = f (? - x) 在 x = ? 时, p(x) 取得最大值 在 x = ?±? 时, 曲线 y = p (x) 在对应的点处有 拐点 曲线 y = p(x) 以x轴为渐近线 曲线 y = p(x) 的图形呈单峰状 p(x) 的两个参数： ? — 位置参数 即固定 ? , 对于不同的 ? , 对应的 p(x) 的形状不变化，只是位置不同 ? — 形状参数 固定 ? ，对于不同的? ，p(x) 的形状不同。 若 ?1< ?2 则 比x = ? ? ?2 所对应的拐点更靠近直线x=? 附近值的概率更大。 x = ? ? ?1 所对应的拐点 前者取 ? 应用场合 若随机变量 受到众多相互独立的随机因 素的影响，而每一个别因素的影响都是微小的， 且这些影响可以叠加,则服从正态分布。 可用正态变量描述的实例非常之多： 各种测量的误差； 人的生理特征； 工厂产品的尺寸； 农作物的收获量； 海洋波浪的高度； 金属线的抗拉强度； 热噪声电流强度； 学生们的考试成绩； 标准正态分布的计算： 一种重要的正态分布：N (0,1) — 标准正态分布 -x x 对一般的正态分布 ： ～N( ? ,? 2) 其分布函数 作变量代换 *