概率论24.pptVIP

第二章 随机变量及其分布 2.4 连续型随机变量(continuous) 第二章 随机变量及其分布 2.4 连续型随机变量 第二章 随机变量及其分布 2.4 连续型随机变量 第二章 随机变量及其分布 4. 正态分布(Normal distribution) 由分布函数与概率密度之间的关系式 可得服从参数为λ的指数分布的随机变量X的相应分布函数为 由于 f(x)≥0，且 故服从参数为λ的指数分布的随机变量X的概率密度f(x)满足概率密度的性质(ⅰ)、(ⅱ). 指数分布有重要的应用，常用它来近似地表示各种“寿命”的分布. 下面给出一个导出指数分布的实际例子. 例2 设已使用了t小时的电子管在以后的Δt小时内损坏的概率为λΔt+o(Δt)，其中λ是正常数，o(Δt)是Δt的高阶无穷小.若电子管寿命X为零的概率为零，求X的概率分布密度. 解 使用了t小时以后的电子管在以后的Δt小时内损坏的概率，就是条件概率 P(tX≤t+Δt|Xt) 按题意有 P(tX≤t+Δt|Xt)=λΔt+o(Δt) 由条件概率的定义，式 P(tX≤t+Δt|Xt)=λΔt+o(Δt) 左端为 代入式P(tX≤t+Δt|Xt)=λΔt+o(Δt)，得 即 令Δt?0，得 这是关于F(t)的可分离变量的微分方程或一阶线性微分方程，它的通解为. 其中C为任意的常数. 根据初始条件 得到C=?1.于是 故X的分布函数为 从而 X的概率分布密度为 由上可知，电子管寿命X是服从参数为λ的指数分布的. 连续型随机变量中，最重要的分布是正态分布，也称高斯分布(Gauss). 定义 若连续型随机变量X的概率密度为 定义 若连续型随机变量X的概率密度为 其中μ，σ为常数，且σ0，则称X服从参数为μ，σ的正态分布，也称为正态变量，记为X~N(μ,σ2). 下面首先验证服从参数为μ，σ的正态分布的随机变量X的概率密度f(x)满足概率密度的性质(ⅰ)、(ⅱ). 显然， f(x)≥0，只需证明 证 令t=(x?μ)/σ，则 而 故 代入前式得到 故服从参数为μ，σ的正态分布的随机变量X的概率密度f(x)满足概率密度的性质.证毕. 利用数学分析的知识，可以画出y=f(x)的图形，形状如悬钟. μ x O f(x) 当x=μ时，f(x)取最大值，y=f(x)的曲线关于直线x=μ对称，曲线y=f(x)在x= μ±σ处有拐点.当x?±∞时，曲线y=f(x)以x轴为渐近线. μ-σ μ μ+σ x O f(x) x 利用数学分析的知识，可以画出y=f(x)的图形，形状如悬钟(图3.6). 当x=μ时，f(x)取最大值，y=f(x)的曲线关于x=μ成对称，在x=μ±σ处有拐点.当x?±∞时，曲线y=f(x)以x轴为渐近线. 当固定σ值而改变μ值时，y=f(x)的图形将随着μ值的增大而沿着Ox轴向右平移，且不改变其形状； 当固定μ值而改变σ值时，y=f(x)的图形将随着σ值的减少而变得越陡峭，且对称中心不变(图3.7). μ-σ μ μ+σ x O f(x) x 图3.6 当固定σ值而改变μ值时，y=f(x)的图形将随着μ值的增大而沿着Ox轴向右平移，且不改变其形状. μ μ x O f(x) μ x O f(x) σ=1 σ=2 σ=1/2 当固定μ值而改变σ值时，y=f(x)的图形将随着σ值的减少而变得越陡峭，且对称中心不变(图3.7). 由分布函数与概率密度之间的关系式 可得X的分布函数为 它的图形见图3.8，在图3.6中阴影部分的面积为 F(x). O μ 1/2 1 x F(x) 图3.8 图3.6 μ-σ μ μ+σ x O f(x) x * * 1. 连续型随机变量、概率密度 若随机变量X的分布函数F(x)是可微的，则其导数 如果将概率比作质量，类似于物理学中质量线密度的概念，人们自然称f(x)为随机变量X的概率密度. 若f(x)还是连续的，则有 一般地，随机变量X的分布函数F(x)当然不一定处处可微，但在实际中常遇到这样一些随机变量，也存在一个非负的函数f(x)使上式成立. 例如，上节例2中的随机变量的分布函数 在除了x=a与x=b两点外，均有导数，如令 即 则 为了描述这一类随机变量的概率分布律，引入下面的定义 定义 设F(x)是随机变量X的分布函数，如果存在一个非负的函数f(x)，使得对任意的实数x，都有 则称X为连续型随机变量，同时称f(x)为X的概率密度函数，简称概率密度. 由连续型随机变量的定义，再根据积分学的知识，可以得到下面的两个结果： (a)在整个实数轴上，F(x)是连续的函数，即连续型随机变量的分布函数一定是连续的； (b)对f(x)的连续点x，有 F’(x)=f(x). 前面