姚孟臣概率统计第二章汇编.ppt

例1 已知下列分布律求其边缘分布律. 注意 联合分布 边缘分布 解 解 例2 样本点 2、连续型随机变量的边缘分布 同理可得 Y 的边缘分布函数 Y 的边缘概率密度. 解 例3 例4 解 由于 则有 即 二维正态分布的两个边缘分布都是一维正态分布, 同理可得 因此边缘分布均为正态分布的随机变量,其联合分布不一定是二维正态分布. 3、边缘分布函数 为随机变量 X, Y 关于Y 的边缘分布函数. （二）相互独立的随机变量 1. 定义 2.说明 1 若离散型随机变量 X, Y 的分布律为 解 例1 解 由题意, R的概率密度为 故有 设电阻值 R 是一个随机变量，均匀分布在 ~ 1100 . 求 R 的概率密度及 R 落在 950 ~1050 的概率． 例1 设随机变量 X 在 [ 2, 5 ]上服从均匀分布, 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 的次数”, 解 即 A X 3 . 例2 因而有 设Y 表示3次独立观测中观测值大于3的次数, 则 2. 指数分布 定义 某些元件或设备的寿命服从指数分布.例如无线电元件的寿命 、电力设备的寿命、动物的寿命等都服从指数分布. 应用与背景 分布函数 设某类日光灯管的使用寿命 X 服从参数为 θ 2000的指数分布 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1000 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 例3 指数分布的重要性质 :“无记忆性”. 3. 正态分布 或高斯分布 定义 正态概率密度函数的几何特征 正态分布的分布函数 正态分布是最常见最重要的一种分布,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 正态分布下的概率计算 原函数不是 初等函数 方法一:利用MATLAB软件包计算 方法二:转化为标准正态分布查表计算 标准正态分布的概率密度表示为 标准正态分布 标准正态分布的分布函数表示为 标准正态分布的图形 解 例4 证明 解 例5 例6 证明 1 所求概率为 解 例7 常见连续型随机变量的分布 均匀分布 正态分布 或高斯分布 指数分布 正态分布有极其广泛的实际背景, 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、质量、高度,炮弹的弹落点的分布等, 都服从或近似服从正态分布. 正态分布是概率论中最重要的分布 正态分布是自然界和社会现象中最为常见的一种分布, 一个变量如果受到大量微小的、独立的随机因素的影响, 那么这个变量一般是一个正态随机变量. 另一方面,有些分布 如二项分布、泊松分布 的极限分布是正态分布.所以,无论在实践中,还是在理论上,正态分布是概率论中最重要的一种分布. 二项分布向正态分布的转换 2.4 二维随机变量 （一） 联合分布和边缘分布 （二） 随机变量的独立性 （三） 二维随机变量的条件分布 1、离散型随机变量的边缘分布律 2、连续型随机变量的边缘分布 3、边缘分布函数 （一）联合分布和边缘分布 1、离散型随机变量的边缘分布律 因此得离散型随机变量关于X 和Y 的边缘分布函数分别为 （二） 几种常见的离散型随机变量的分布 2.二项分布 （二） 几种常见的离散型随机变量的分布 2.二项分布 （二） 几种常见的离散型随机变量的分布 3.泊松分布 （二） 几种常见的离散型随机变量的分布 3.泊松分布 定理2.1 （二） 几种常见的离散型随机变量的分布 3.泊松分布 （二） 几种常见的离散型随机变量的分布 4.几何分布 （二） 几种常见的离散型随机变量的分布 4.几何分布 （二） 几种常见的离散型随机变量的分布 5.超几何分布 （二） 几种常见的离散型随机变量的分布 5.超几何分布 （二） 几种常见的离散型随机变量的分布 5.超几何分布 （二） 几种常见的离散型随机变量的分布 5.超几何分布 （二） 几种常见的离散型随机变量的分布 5.超几何分布 定理2.1 2.3 连续型随机变量及其分布 （一） 概率密度 （二） 几种常见的连续型随机变量的分布 二、概率密度的概念与性质 一、连续型随机变量 连续型随机变量及其概率密度 一、连续型随机变量 实例2 随机变量 X 为“测量某零件尺寸时的测量 误差”. 则 X 的取值范围为 a, b . 实例1 随机变量 X 为“灯泡的寿命”. 定义 随机变量所取的可能值可以连续地充满某个区间,叫做连续型随机变量. 则