§2.1随机变量-§2.2离散型随机变量分析.ppt

随机变量 常用记法 常用公式 在一定时间间隔内某电话交换台收到用户的呼唤次数。 一天内到某商店去的顾客数。 一定时间内某放射性物质放射的质点数。 南昌市一天发生的交通事故的次数。 泊松定理 若随机变量X ~ B(n,p), 则当n 较大，p 较小时，则有 结论：二项分布的极限分布是泊松分布 则对任一固定的非负整数k 设随机变量 X~ B(n,pn), 有 在实际计算中，当 时近似效果较好 泊松分布的应用 * * 第二章 随机变量及其分布 §2.1 随机变量及其分布函数 §2.4 随机变量函数的分布 §2.2 离散型随机变量及其分布 §2.3 连续型随机变量及其概率密度 随机变量概念的产生 在实际问题中，随机试验的结果还可以用数量来表示，由此导致了随机变量的产生。 上一章中，随机试验的结果是用基本事件的集合表示。 局限性 全面性 §2.1 随机变量及其分布函数 为了更好的揭示随机现象的规律性并利用数学工具描述其规律，我们常常引入变量来描述随机试验的不同结果，这就产生了随机变量的概念。 一方面，有些试验，其结果与数有关(试验结果就是一个数)； 另一方面，有些试验，其结果看起来与数值无关，但可引进一个变量来表示试验的各种结果。 即试验结果可以数值化。 R 定义：设E是随机试验，?是其样本空间。如果对于每一个???，都有唯一的实数X(?)与之对应, 则称X(?)为定义在?上的一个随机变量(random variable)，简记为X。 ? ? X(ω) 随机变量通常用英文大写字母X, Y, Z 或希腊字母x, z等表示。 随机变量的取值一般用小写字母 x, y, z 等表示。 ◎ 定义域：普通函数是定义在实数轴上的，而随机变量是定义在样本空间上的(样本空间的元素不一定是实数)。 ◎ 概率性：由于随机试验各个结果的出现具有一定的概率，所以“ X(ω) 取每个值或某个确定范围内的值” 也有一定的概率规律。 随机变量X(ω)与普通函数的不同之处： ◎ 随机性：X(ω) 随试验结果的不同而取不同的值。所以在试验之前只知道其可能取值的范围，而不能预知其取哪个具体的值。 有了随机变量，随机试验中的各种事件都可以通过随机变量的关系式表达出来。 引入随机变量的意义 例如：用 X 表示单位时间内某信号台收到呼叫的次数，则 X 是一个随机变量。 事件 { 收到呼叫 }?{X ≥ 1} {没有收到呼叫} ? {X=0} 随机变量概念的产生是概率论发展史上重大的事件。引入随机变量后，对随机现象统计规律的研究，就由对事件及事件概率的研究扩大到对随机变量及其取值规律的研究。 随机变量的分布函数 对随机变量的概率分布情况进行刻画 设 X 是一个随机变量。对于任意实数x和事件{X≤x}，称函数 F(x)=P(X≤x), ??x+? 为随机变量 X 的分布函数。 如果将 X 看作数轴上随机点的坐标，那么分布函数 F(x) 的值就表示 X落在区间 (-∞, x] 的概率。 X x 显然，有: 0≤F(x)≤1 且{X≤x1}?{X≤x2} P(x1X≤x2)=P(X≤x2)?P(X≤x1) x x1 x2 o 另外, 有：P(x1X≤x2)=F(x2) ?F(x1) (x1x2) 因为 {x1X≤x2}={X≤x2}?{X≤x1} =F(x2)?F(x1) 所以由事件差的概率计算公式可得 证明： 分布函数的性质 (1) F(x)是x的不减函数 ，即 (3)右连续性: 对任意实数 x0 , 理解：当x→+?时,{X≤x}愈来愈趋于必然事件. (2) 如果一个函数满足上述三条性质，则一定是某个随机变量 X 的分布函数。也就是说，性质(1)-(3)是判别一个函数是否是某个随机变量的分布函数的充分必要条件。 分布函数是一个普通的实变量实值函数，正是通过它，我们可以用数学分析的工具来研究随机变量，使得随机变量的统计特性可以得到全面的描述。 设F(x)是随机变量X的分布函数，则有 例1 是某一随机变量的分布函数，则下列各组值 中应取（ ） 随机变量的分类 (通常分两大类)： 如：“取到次品的个数”， “收到的呼叫数”等。 随机变量 离散型随机变量 连续型随机变量 所有取值可 以逐个列举 如：“电视机的使用寿命”，实际中常遇到的 “测量误差”等。 全部可能取值不仅有 穷多，而且不能一一 列举，并充满某区间 §2.2 离散型随机变量及其分布 定义 如果随机变量X 只取有限个或可列无限多个不同可能值，则称X 为离散型随机变量. 例如，电话交换台一天内接到的电话个数 有可列无限多个取值。 此时X 也为离散型随机变量。