概率论与数理统计第二章详解.ppt

* * 正态分布的 3? 原则 设 X ~ N ?, ?2 , 则 P | X?? | ? 0.6828. P | X?? | 2? 0.9545. P | X?? | 3? 0.9973. 正态变量的线性不变性 定理： 设 X ~N ?, ?2 ，则当a ? 0 时， Y aX+b ~ N a? +b, a2?2 . 由此得： 若 X ~N ?, ?2 ， 则 Y X? ? /? ? N 0, 1 . 为什么说正态分布是概率论中最重要的分布？ 　 正态分布表现为其取值具有对称性，极大部分取值集中在以对称点为中心的一个小区间内，只有少量取值落在区间外。在自然现象和社会现象中，大量随机变量都服从或近似服从正态分布。如人的身体特征指标 身高、体重 ，学习成绩，产品的数量指标等等都服从正态分布。许多较复杂的指标，只要在受到的大量因素作用下每个因素的影响都不显著，且因素相互独立，也可认为近似服从正态分布。又如二项分布、泊松分布在n很大时，也以正态分布为极限分布。因此，可以说正态分布是最重要的分布。 3、?—分布 　设连续型随机变量X具有概率密度 其中? 0，r 0为常数，则称X服从?—分布 显然当r 1时，?—分布化为指数分布。 记为 X ~ Ga ?, ? , 称 为伽玛函数 注意点 1 ? 1 1, ? 1/2 ? n+1 n! 2 Ga 1, ? Exp ? Ga n/2, 1/2 ?2 n 伽玛分布 Ga ?, ? : E X ?/? 伽玛分布的有用结论 定理 设 X ~ Ga ?, ? ，则当k 0 时， Y kX ~ Ga ?, ?/k . 对数正态分布 定理： 设 X ~N ?, ?2 ，则 Y e X 的服从 概率问题的解决思路（一）： 课堂练习一： * * * * * * * * * * * * * * * * * * * 得 由此得方程 得解 所以， 泊松分布的数学期望。 泊松分布 P ? 的方差 ? 3、超 几 何 分 布 如果随机变量 X 的分布律为 N 个产品中有 M 个不合格品， 超几何分布对应于不返回抽样模型 ： 从中抽取n个，不合格品的个数为X . 　 超几何分布、二项分布和泊松分布都是重要的离散型随机变量的概率分布。有时，他们的概率计算会十分繁冗。当试验次数n很大时，可以推导出这三个分布间有一种近似关系式 这里，第一个等式要求n很大，且n/N较小，取p M/N即成立。第二个等式要求n很大时成立。实际使用时，n≥20即可，当n≥50时，效果更好。而泊松分布可通过查表计算，比较简单。 超几何分布、二项分布和泊松分布之间的关系 超几何分布的概率背景: 不重复抽样） 一批产品有 N 件，其中有 M 件次品，其余 N-M 件为正品．现从中取出 n 件． 令 X：取出 n 件产品中的次品数． 则 X 的分 布律为 记为 X ~ Ge p X 为独立重复的伯努里试验中， “首次成功”时的试验次数. 几何分布具有无记忆性，即： P X m+n | X m P X n 几何分布 几何分布的无记忆性 　 在贝努利试验中，等待首次成功的时间?服从几何分布。现在假定已知在前m次试验中没有出现成功，那么为了达到首次成功所再需要的等待时间?′也还是服从几何分布，与前面的失败次数m无关，形象化地说，就是把过去的经历完全忘记了。因此无记忆性是几何分布所具有的一个有趣的性质。但是更加有趣的是，在离散型分布中，也只有几何分布才具有这样一种特殊的性质。 若?是取正整数值的随机变量，并且，在已知? k的条件下，? k+1的概率与k无关，那么?服从几何分布。 什么样的随机现象服从几何分布？ 几何分布 的数学期望。 几何分布Ge p 的方差 1?p /p2 五、几种重要的连续型随机变量分布 1、指 数 分 布 如果随机变量 X 的密度函数为 指数分布的分布函数 指数分布 Exp ? 期望: E X 1/? 指数分布 Exp ? 的方差 1/?2 指数分布的无记忆性 这一性质称为指数分布的无记忆性。事实上可以证明指数分布是唯一具有上述性质的连续型分布。 例 2.5.1 一种电子元件的使用寿命X（单位：小时）服从参数为10的指数分布，求其中一个的使用寿命在10到20小时的概率。 令：B 使用为10~20小时 2、正 态 分 布 x f x 0 ? 是位置参数. ? 是尺度参数. 正态分布分布函数图示 正态分布密度函数的图形性质 x f x 0 0 x f x x 0 f x x 0 f x