第三章 概率空间.pptx

一、知识回顾二 、随机变量三 、分布函数? 当随机变量（随机向量）的样本空间只是实数集合的一部分时，可以用数值来刻画随机变量和概率的关系。（详见书P16页）设X=X（??）=P（X?x) =P({??:X(??) ?x})式中，x??，称Fx为随机变量X的分布函数。而且，分布函数x是单调递增、右连续函数。由上式可求出X在区间[a,b]上的概率，即对于任意a,b，b??,且a?b, P({??:a?X(??) ?b,})=Fx(b)-Fx(b)X为某一值时的概率为：P（X=x)=P({??:X(??) =x}) =P({??:X(??) ?x}) -P({??:X(??) ?x}) =P({??:X(??) ?x}) - =FX(x)--=FX(x)-FX(x-0)四、概率分布?1、定义 设X（?）是概率空间（?，F，P）上的一个随机变量，对于Borel 集B PX(B)=P(X?B)=P({?:X(?) ?B)把PX(B)称为X的分布。在计算任意事件的概率时，既可以用概率，也可以用分布函数。随机变量按其取值情形可分为离散和连续随机变量。（详见P16-17页）五、一些重要分布1、离散型分布下图是一个n=20，p=0.125的二项分布示意图： 泊松分布适合于描述单位时间内随机事件发生的次数。如机场、车站等在一定时间内到达的人数，电话交换机接到呼叫的次数、汽车站台的候客人数、单位面积内电脑平显示屏上的黑斑数、保险公司一段时间内的保单树、天津爆炸放射性物质的衰变数等等。泊松分布也属于离散性分布。泊松分布函数（3）二项分布与泊松分布的关系（泊松定理） 设随机变量X服从二项分布B(n,p)，当n→+∞时，X近似地服从泊松分布P(λ)，即：其中，λ=np只有当p的值很小，一般小于0.1时，用泊松分布取代二项分布所产生的误差才会比较小泊松分布的数学期望E(X)=λ，方差D(X)=λp0.1时候的情况p0.1时候的情况2、连续分布（1）均匀分布均匀分布均匀分布的应用1、数据切尾引起的舍入误差；2、摩擦引起的误差；3、交易误差；4、数字示值的分辨率。（2）指数分布指数分布（是一种连续概率分布。这种分布表现为均值越小，分布偏斜的越厉害。其中λ 0是分布的一个参数，常被称为率参数（即每单位时间内发生某事件的次数。指数分布的区间是[0,∞)。 如果一个随机变量X呈指数分布，则可以写作：X~ Exp（λ）。其中λ0为常数，则称随机变量X服从参数为λ的指数分布。密度函数的图象如下图所示数学期望E(X)=1/λ，方差为D(X)=1/λ2。指数分布的分布函数图象如下图所示：可以看到λ的值越大，曲线的斜率变化越快（3）正态分布其中，-∞x+∞，且-∞μ+∞，σ为参数。则称随机变量X服从参数为（μ，σ2）的正态分布，记作X~N(μ，σ2)若μ=0，σ2=1，则称N（0,1）为标准正态分布。正态分布的特点：μ变化而σ不变时，图像沿着X轴移动，图像的形状不改变。如图：μ不变而σ改变时，图像的位置不变，但形态发生改变。σ越大图像就越胖。注意概率密度函数，概率分布函数统一描述随机变量的概率特性；被扩充的样本点处的概率密度被定义为零；对于离散型随机变量（随机向量），有时候为了表述的方便，也用离散变量表示，而不进行扩充，此时概率特性用概率质量函数表示。六、分布函数1、概率质量函数（pmf: probability mass function）任何一种离散型随机变量都可以统一地用概率质量函数表示其他事件的概率通过概率质量函数计算得到连续型随机变量不可以用概率质量函数表示。2、概率分布函数(cdf: cumulative distribution function)3、概率密度函数(pdf: probability density function)（1）定义 连续型随机变量的概率密度函数（在不至于混淆时可以简称为密度函数）是一个描述这个随机变量的输出值，在某个确定的取值点附近的可能性的函数。记作 ： 随机数据的概率密度函数：表示瞬时幅值落在某指定范围内的概率，因此是幅值的函数。它随所取范围的幅值而变化。（2）多元概率密度函数（3） 概率密度函数f(x) 的性质：（4）一个十分重要概率密度函数： 正态分布是重要的概率分布。它的概率密度函数是：（5）概率密度函数应用随机变量X的n阶矩是X的n次方的数学期望，即X的方差更广泛的说，设g为一个有界连续函数，那么随机变量g(X)的数学期望第二节 随机变量的数字特征一、数学期望1、0-1分布；2、泊松分布；3、均匀分布；指数分布自己证明二、离散型随机变量数字特征三、连续型随机变量数字特征四、切比雪夫不等式第三节 随机向量与联合分布1、随机向量离散型随机向量连续型随机向量混合型随机向量 2、随机向量和随机变量的关系随机向量包含了