第二章 一维随变量及其分布.docVIP

第二章 一维随机变量及其分布 考试内容 随机变量 随机变量分布函数的概念及其性质 离散型随机变量的概率分布 连续型随机变量的概率密度 常见随机变量的分布 随机变量函数的分布 考试要求 理解随机变量的概念，理解分布函数的概念及性质，会计算与随机变量相联系的事件的概率。 理解离散型随机变量及其概率分布的概念，掌握0—1分布、二项分布B（n,p）、几何分布、超几何分布、泊松（Poisson）分布P（）及其应用。 了解泊松定理的结论和应用条件，会用泊松分布近似表示二项分布。 理解连续型随机变量及其概率密度的概念，掌握均匀分布U（a,b）、正态分布N（）、指数分布及其应用，其中参数为的指数分布E（）的概率密度为 会求随机变量函数的分布。 本章导读 本章的核心内容是8大分布函数及其对应的模型；如何根据定义求的函数分布一般方法。介绍了作者用于分布函数求一维分布的直角分割法秘技。分布函数的定义历来是使读者感到迷茫的知识点，如为什么要求分布函数必须右连续等问题？目前的教材和参考书的讲法都不清晰，作者系统地揭开了这一神秘数学面纱。 随机变量 1概 念 随机试验的每一个可能的结果（即每一基本事件），对应样本间的集合中每一元素，我们都可以设令一个实数来表示该元素，显然，为实值单值函数，称为随机变量。对，我们试验前无法确定，也就无法事先确定的值，只有在试验后才会知道的值，但取值一定服从某种确定的分布。 随机变量与普通函数区别有三，第一，随机变量定义域为样本空间的基本事件；第二，随机变量取值是随机的，只有它取每一个可能值有确定的概率；第三，随即变量是随机事件的人为数量化，而且这种数值只是一种符号表示。比如：将一枚硬币抛三次，以表示三次投掷中出现正面的总次数，那么，对于样本空间中的每一个样本点，都有一个值与之对应，即 样本点 的值 3 2 2 2 1 1 1 0 二、随机变量的分布函数 2.1 随机变量的分布函数（适合任何类型的随即变量） 陈氏第2技 随机变量的分布函数的全新揭秘。 ● 分布函数定义形式的渊源 一般情况下，人们只对某个区间内的概率感兴趣，即研究下列四种可能的区间的概率 由于当 所以，我们只须定义一个形式就可以了，其他区间形式都可以用它表示出来。 于是定义：为的分布函数。它就是落在任意区间上的概率，本质上是一个累积函数。具有下列重要性质： ● 单凋不减；因为区间越大，概率越大。 ● ； ● 上述全部可能的表示中，只有，但，因为假如 ，那么，当离散型在点的概率不为零时，等式就会出现矛盾，故不可能左连续。 又，上式中根本不可能出现的形式，对上述5种关系没有任何影响，即右连续。当然，由于连续型在一点的概率恒为零，所以，连续型分布函数左连续和右连续同时成立。正是要求右连续，才使成为分布函数的普适定义。 评 注 分布函数可以描述任何类型的随机变量，不仅可以描述连续型，还可以描述离散型及其其他非连续型，但不同的随机变量可以有相同的分布函数。对连续型任一点的概率等于零，而对非连续型任一点的概率不一定等于零。我们要重点掌握离散和连续两类随机变量的分布规律。注意，存在分布函数等类型，既非离散型又非连续型。 2．2 离散型随机变量的分布律（概率） 当随机变量所取的有限个或可列个值，能够按照由小到大的顺序排列时，称为离散型随机变量。 设离散型随机变量的可能取值为，事件的概率为 称为离散分布律。注意 : 。要求掌握的离散性分布律有5种：分布，伯努利二项分布，泊松分布，几何分布和超几何分布。 评 注 离散分布函数一般为阶梯函数。已知离散分布函数，根据分布函数的性质，可以计算出离散分布律；反过来，已知离散分布律，根据一维直角分割法，可以计算出离散分布函数。 2.3 连续型随机变量的概率密度（分布密度） 称为连续分布函数 称为概率密度，或分布密度。 ● 连续型是连续函数，即：； ● 连续型几何意义是面积，且：； ● ● 要求掌握的连续型分布函共有3种：均匀分布，指数分布和正态分布。 陈氏第3技 常年考点用到的 5个重要结论。 只有存在概率密度（不恒为零）的随机变量才称为连续型，但不能错误认为分布函数连续的随机变量为连续型。如分布函数 就不是连续型。 若均是分布函数，则当 时 和仍然为分布函数 。 若均是分布函数，则当 时 仍然为分布函数，但不一定是分布函数。 如果为连续型，则也是连续型，且，若如果为离散型，则却不一定为离散型，如服从泊松分布，就不再是泊松分布。 普适分布函数和离散型分布函数右连续；连续型分布函数左右都连续；但密度函数不 一定连续，而且一般规定