第二章随机变量分解.pptVIP

三、小结 例 设随机变量X～N( )，求Y=aX+b(a≠0)的概率密度fY(y). y=ax+b为严格单调且可导的函数，其反函数为： 由上述定理得Y=aX+b的概率密度为 解 X的概率密度为： 上一页 下一页 返回 即有 取 ，得 10 先判断函数的类型； 20 分别求出y的反函数，反函数的导数形式及其值域； 30 套用定理. 步骤 第二章 随机变量 第一节 随机变量及其分布函数 一、随机变量概念的产生 概率论是从数量上来研究随机现象内在规律性的，为了更方便有力的研究随机现象，就要用数学分析的方法来研究， 因此为了便于数学上的推导和计算，就需将任意的随机事件数量化．当把一些非数量表示的随机事件用数字来表示时， 就建立起了随机变量的概念． 1、有些试验结果本身与数量有关（本身就是一个数） 实例1 掷一颗骰子，观察出现的点数； 2、在有些试验中，试验结果看来与数量无关，但可以 引进一个变量来表示它的各种结果.也就是说，把试验 结果数量化. 实例2 在一装有红球、白球的袋中任摸一个球,观察摸出球的颜色. 非数量 ={红色、白色} 将 数量化 定义1 注:（1）随机变量的取值随试验结果而定,具有一定 的概率规律； （2）随机变量是定义在样本空间上的. 实例3 掷一个硬币, 观察出现的面 , 共有两个 结果: 若用 X 表示掷一个硬币出现正面的次数, 则有 即 X 是一个随机变量. 实例4 在有两个孩子的家庭中,考虑 其性别 , 共有 4 个样本点: 若用 X 表示该家女孩子的个数时 , 则有 可得随机变量 X, 实例5 设某射手不断射击目标，直到击中目标为 止, 是一个随机变量. 且 X 的所有可能取值为: 实例6 某公共汽车站每隔 5 分钟有一辆汽车通过, 如果某人到达该车站的时刻是随机的, 则 是一个随机变量. 且 X的所有可能取值为: 二、引入随机变量的分类 则称X在区间(a,b)上服从均匀分布，记为X~U(a,b)， 均匀分布 设连续型随机变量X的概率密度函数为 上一页 下一页 返回 由定义知， 概率密度函数f(x)与分布函数F(x)的图形可用图示 上一页 下一页 返回 X的分布函数为 ： 在实际问题中，服从均匀分布的例子很多，比如： （1）设通过某站的汽车10分钟一辆，那么乘客候车 时间X是在[0,10]上服从均匀分布的随机变量； （2）某电台每隔20分钟发出一个信号，我们随手打开 收音机，那么等待时间X是在[0,20]上服从均匀分布的 随机变量； 例 设随机变量 X ～ U[ 2, 5 ] 现对 X 进行三次独 立观测 ,试求至少有两次观测值大于3 的概率. X 的分布密度函数为 设 A 表示“对 X 的观测值大于 3”, 解 即 A={ X 3 }. 设 B表示“至少有两次观测值大于3”, 设连续型随机变量X具有概率密度 则称X服从参数为?的指数分布。 指数分布 X的分布函数为 上一页 下一页 返回 f(x)和F(x)可用图形表示 上一页 下一页 返回 指数分布的重要性质 “无记忆性”. 证： 例 设某类日光灯管的使用寿命 X ～E(1/2000)(单位:小时). (1)任取一只这种灯管, 求能正常使用1000小时以上的概率. (2) 有一只这种灯管已经正常使用了2000 小时以上,求还能使用1000小时以上的概率. X 的分布函数为 解 正态分布 设随机变量X的概率密度为 其中? ,?(?0)为常数,则称X服从参数为? ,? 的正态分布,记为X~N(?,?2). X的分布函数为 上一页 下一页 返回 正态概率密度函数的几何特征 只要某一个随机变量受到许多相互独立随机因素的影响，而每个个别因素的影响都不能起决定性作用，那么就可以断定随机变量服从或近似服从正态分布,例如测量误差, 人的生理特征尺寸如身高、体重等 ;正常情况下生产的产品尺寸:直径、长度、重量高度等都近似服从正态分布. 正态分布的应用与背景 参数? =0，?=1的正态分布称为标准正态分布，记为X~N(0,1).其概率密度函数和分布函数分别用 和 表示，即 ) ( x j 2 2 2 1 ) ( x e x - = p j dt e x x t ò ￥ - - = 2 2 2 1 ) ( p F 由图形： 解 例 说明：任何一个一般的正态分布都可以通过线性变换转化为标准正态分布. 例 某仪器需安装一个电子元件，要求电子元件的使用寿命不低于1000小时即可。现有甲乙两厂的电子元件可供选择，甲厂生产的电子元件的寿命服从正态分布N