第5章随机变量及分布函数1概论.ppt

设X~N（1，4），求 P(0X1.6) 解 例 * * 泊松定理 二项分布的泊松近似 设在贝努利模型中， 表示事件A在n次试验中出现的次数， 为A出现的概率，如果满足 则 实际应用中：当n较大,p较小，np适中时，即可用泊松公式近似替换二项概率公式 二项分布的泊松近似 若某人做某事的成功率为1%，他重复努力400次， 则至少成功一次的概率为 成功次数服从二项概率 有百分之一的希望，就要做百分之百的努力 第三节 连续型随机变量的概率分布 概率密度函数 定义 设 为一随机变量，若存在非负实函数 f (x) , 使对任意实数 a b ，有 则称 为连续型随机变量， f (x) 称为 的概率密度函数,简称概率密度. 连续型随机变量的分布函数在实数域内处处连续 P(X=a)=0 P(a ? X b)= P(aX?b)=P(a ? X ? b)=P(aXb) X取值在某区间的概率等于密度函数在此区间上的定积分 第三节 连续型随机变量的概率分布 因此，连续型随机变量取任意指定实数值a的概率为0 密度函数在区间上的积分 = 随机变量在区间上取值的概率 概率密度函数的性质 非负性 规范性 解 Step1: 利用密度函数的性质求出 a 例：已知密度函数求概率 Step2: 密度函数在区间的积分得到此区间的概率 几个常见的连续型分布 1.均匀分布 若连续型随机变量 的概率密度为 则称X在区间 （a，b）上服从均匀分布．记为 X ~ U (a, b) 定义 0 a b x X“等可能”地取区间（a,b）中的值，这里的“等可能”理解为：X落在区间（a,b)中任意等长度的子区间内的可能性是相同的。或者说它落在子区间内的概率只依赖于子区间的长度而与子区间的位置无关。 0 a b x 　（　　　）　　 c d 意义 2.指数分布 若连续型随机变量X的概率密度为 定义 则称X服从参数为 的指数分布. 例 设X服从参数为3的指数分布，求它的密度函数 及 和 解 X的概率密度 第四节 随机变量的分布函数 设X为一随机变量,则对任意实数x，(Xx)是一个随机事件，称 为随机变量X的分布函数 定义域为 （－∞，＋∞）； 值域为 ［０，１］。 F(x)是一个普通的函数！ 对任意随机变量都有： P（a≤Xb）=P(Xb) ﹣ P(Xa) 分布函数的定义 分布函数的计算 离散型 连续型 一般，若 X 是连续型随机变量，则分布函数 连续，且概率密度函数 概率密度函数和分布函数的关系 积分关系 导数关系 例1（离散型）：已知 X 的分布律为 求X的分布函数， 并画出它的图形。 解 当 x ? 1 时 0 1 2 3 4 5 y x x 当1 x ? 5 时 例2（连续型）： 已知连续型随机变量 X 的概率密度为 求 X 的分布函数 当 x5 时 所以 0 1 5 1 例，已知分布函数，求密度函数 求当 时的密度函数 引进分布函数F(x)后，事件的概率都可以用F(x)的函数值来表示。 分布函数表示事件的概率 P（Xb）=F(b) P（a≤Xb）=F(b) ﹣ F(a) P（X≥b）=1﹣ P（Xb）=1 - F(b) P（a≤Xb）=P(X b)-P(Xa)= F(b)- F(a) 分布函数的性质 F(x)是单调不减函数 0≤ F(x) ≤1, 且 F(x)处处左连续 分布函数 F(x)的图形 F(x)是单调不减函数 是不是某一随机变量的分布函数？ 不是 因为 函数 可作为分布函数 第五节 正态分布 Normal Distribution 则称X服从参数为 若连续型随机变量X的概率密度为 正态分布的密度函数的性质与图形 关于 x = ? 对称 （- ?，?）升，（?，+? ）降 单调性 对称性 拐点 中间高 两边低 y ? ?-? ?+? x ?１ ?2 μ，σ对密度曲线的影响 ? 正态分布的分布函数 F(x) 1 ? x 　 标准正态分布 定义 X ~ N（0，1）分布称为标准正态分布 密度函数 分布函数 Standard Normal distribution 偶函数 标准正态分布的概率计算 分