probability4.pptVIP

第二章 §4二项分布和泊松分布 (续) * * §1随机变量的引入 观察以下随机试验的结果: 例1 掷一枚色子考察出现的点数,则 试验结果与数之间 的恒等映射为: 例2 某厂出厂灯泡中抽取一只做寿命 试验,记录灯泡的寿命,则 样本点与数之间也有恒等映射 注意:还有许多试验的结果本身不是实数 随机变量的简单定义 例3 随机从某人群中抽样,观察抽得的人 的性别,此时 ,则 我们可以建立样本点与数之间的映射为: 定义2.1 设 是一试验的样本空间，如果对 于每一个样本点 规定一个实数 这样就定义了一个定义域为 的实值函数 称为随机变量 随机变量与普通函数的区别 (1)定义域是样本空间,样本空间不一定 是实空间; (2)随机变量的取值具有随机性;即试验 之前,不知道样本空间 中哪一个样本点 出现,从而 取何值不能确定,而 试验之后, 才确定取何值; (3)随机变量的取值具有一定的概率;例如 在例1中 利用随机变量表示事件 有了随机变量的定义之后,我们可以用随机 变量落入某个区域来表示随机事件. 例如:用“ ”表示打色子的时候 “出现奇数点”这一随机事件；用“ ” 表示“打出的色子数等于1”这一随机事件。 一般情况下，我们可以用 表示随机变量取值在G中的样本点构成的 事件，简记为 可测映射 定义 为可测空间， ，若对每个 有 （即A的原象在F1中） 则称 一维实空间上的可测集合 R上，一切形为[a,b)的有界左闭右开 区间构成的集类所产生的 域，为一 维博雷尔 域。记为 可以证明 中包括了一切开区间，闭 区间，单个实数，可列个实数，以及 它们经可列次交、并而得出的集合。 1 随机变量的数学定义 定义1: 设 是一概率空间, 是定义在 上的实值函数,如果 对任意的实数 有 则称 是 上的一个随机 变量.简记为 X 也就是说,随机变量是从概率空间到实数 域上的可测映射. 考虑： R上，一切形为(-∞,a)的有界左闭右开 区间构成的集类所产生的 域，也是一 维博雷尔 域。 §2 离散型随机变量 定义2 若随机变量X取值x1, x2, …, xn, … 且取值的概率 P{X=xk}=pk, (k=1, 2, … ) (2.1) 称(2.1)为离散型随机变量X的分布律或概率分布。可表为 X x1 x2 … xK … Pk p1 p2 … pk … (2)超几何分布 定义2.5 设N,n,m为正整数,若随机变量 X 的分布律为 则称X服从超几何分布,记为 古典概型中,不放回摸球试验,N个球,其中有 m 个红球,随机从N个球中取n个,取到红球 的个数为X,则 二项分布 则称X服从参数为n，p的二项分布，记 为X~B（n,p) 定义2.6设随机变量X的可能取值为0,1，2,…,n ，且 特别地,当n=1时，二项分布X~B(1,p)， 即为(0-1)分布. 二项分布的最有可能次数 若X~B(n,p)，则 可见,Pk是先是随着 k 的增大而增大，达 到其最大值后再随着k 的增大而减少. 记二项分布的最可能次数为ko (4)泊松（Poisson）分布 则称 X 服从参数为 ? 的泊松分布， X~ P(?). 定义2.7 若随机变量X可能的取值为0,1, 2,…,且 可证：二项分布以泊松分布为极限分布 当n（?30）很大p很小，而np (?5)不太大时，有 计数过程X(t) 设X(t)表示从0开始某特定事件发生的总 次数.就可以称该过程为计数过程. 泊松Poisson过程 定义 计数过程X(t)具有参数 的泊松过程 如果满足: 也可以描述成: (1) (2)在充分小的时间间隔里,最多有一次跳跃; (3)对任意的 考虑: 特别地 知:若连续函数 (或单调函数)满足 则该函数形式为 考虑: *