第二章 随机变量及其分布ppt.pptVIP

第二章 随机变量及其分布 随机变量 离散型随机变量及其分布律 随机变量的分布函数 连续型随机变量及其密度函数 随机变量函数的分布 §1 随机变量 几个常用的离散型分布 若以X表示n重贝努里试验事件A发生的次数，则称X 服从参数为n,p的二项分布。记作 X～B(n,p), 其分布律为： §3 随机变量的分布函数 二、分布函数的性质 §4 连续型随机变量及其概率密度 二、几个常用的连续型分布 §5 随机变量函数的分布 二、连续型随机变量函数的密度函数 本章小结 将例2加以推广,即得指数分布的无记忆性: 设随机变量X服从参数为θ的指数分布,则 此即表明:已知元件使用了s小时,它总共能使用至少s+t小时的条件概率,与从开始使用时算起它至少能用t小时的概率相等. 也就是说:元件能使用的时间与新旧无关. 无记忆性是指数分布的特性，自然界中仅指数分布具有无记忆性。 正态分布是实践中应用最为广泛，在理论上研究最多的分布之一，故它在概率统计中占有特别重要的地位。也是我们整个课程中最重要的分布。 3、正态分布 A B A，B间真实距离为?，测量值为X。X的概率密度应该是什么形态？ 其中?为实数，?0，则称X服从参数为? ,?2的正态分布,记为N(?, ?2)，可表为X～N(?, ?2)。 若随机变量 (1) 单峰对称（位置参数?） 密度曲线关于直线x=?对称; 并且 max f(x) ＝ f(?)＝ . 正态分布有两个特性 (2) ?的大小直接影响概率的分布(形状参数? ) ?越大，曲线越平坦， ?越小，曲线越陡峻。 正态分布也称为高斯(Gauss)分布 参数?＝0，?2＝1的正态分布称为标准正态分布，记作X~N(0, 1)。 标准正态分布 分布函数表示为 其密度函数表示为 一般的概率统计教科书均附有标准正态分布表供读者查阅?(x)的值(P439附表2)。如?(0.5)=0.6915, P{1.32X2.43}=?(2.43)-?(1.32)=0.9925-0.9066 显然， ?(－x)＝1－?(x)；设X~N(0,1)，则 P{aXb}=?(b)－?(a)，P{|X|x}=2?(x)－1 一般正态分布与标准正态分布的关系 定理 若X～N(?, ?2)，则 因此 1、设随机变量X~N(1,22), 则 P{0X1.6}=? 2、设 X?N(?,?2), 分别求 P{|X- ?| ?}，P{|X- ?| 2?}，P{|X-?|3?} 注 上述问题2的结果称为正态分布的3?原则。在工程应用中,若X?N(0,1)，通常认为P{|X|≤3} ≈1,忽略{|X|3}的值。比如，在质量控制中，常用标准指标值±3?作两条线，当生产过程的指标观察值落在两线之外时发出警报.表明生产出现异常. 例3 将一温度调节器放置在贮存着某种液体的容器内.调节器整定在d (摄氏度), 已知液体的温度Ｘ服从正态分布Ｎ(d,0.25)。 (1)若d=90, 求Ｘ小于89的概率； (2)若要保持液体的温度至少为80的概率不低于0.99,问d至少为多少? 定义 设X~N(0,1), 称点 为标准正态分布的上α分位点, 如果: 由上述定义，显然有 。 一、离散型随机变量函数的分布律 问题: 设X一个随机变量，分布律为 X～P{X＝xk}＝pk, k＝1, 2, … 若y＝g(x)是一元单值实函数，则Y＝g(X)也是一个随机变量，求Y的分布律。 例: 已知X的分布律为: X Pk -1 0 1 则Y=X2的分布律为: Y Pk 1 0 或 Y＝g(X)～P{Y＝g(xk)}＝pk ， k＝1, 2, … 其中若g(xk)有相同的，其对应概率合并。 一般地 X Pk Y=g(X) 例1 P62 例1 一般方法: 若X～f(x), -? x +?, Y=g(X)为随机变量X 的函数，则可先求Y的分布函数 然后再求Y的密度函数 此法也叫“分布函数法” 例2 P62 例2 FY (y) ＝P{Y?y}＝P {g(X) ?y}= 例3 设X?U(-1,1),求Y=X2的分布函数与概率密度。 故当y0时， 而当0≤y1时， 当y≥1时， 解： 因此， * * 关于随机变量的研究，是概率论的中心内容．这是因为，对于一个随机试验，我们所关心的往往是与所研究的特定问题有关的某个或某些量，而这些量就是随机变量．也可以说：随机事件是从静态的观点来研究随机现象，而随机变量则是一种动态的观点，一如数学分析中的常量与变量的区分那样．变量概念是高等数学有别于初等数学的基础概念．同样，概率论能从计算一些孤立事件的概念发展为一个更高的理论体系，其基础概念是随机变量