[二R.V.2.docVIP

第二章 随机变量及其分布 学习要求 理解随机变量的概念，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分布律的概念，理解连续型随机变量及其概率密度的概念，掌握常见随机变量的分布及其应用. 理解分布函数的概念及性质，会求随机变量函数的分布. 一、随机变量 将随机试验的每一个结果数量化便产生了随机变量. 引入随机变量的目的是能够运用数学分析的方法更好地研究随机性现象，以揭示其本质. 随机试验的每一个结果是如何数量化的呢？ 例1 投掷骰子试验. 结果（样本点s）是不同的数，可令每一个结果相应的一个数. 例2 抽取合格品和不合格品试验. 结果不是数，但可人为地令每一个结果相应的一个数. 例3 （P37 例1） 结果是数，虽不存在每一个结果一个数，但仍可令每一个结果相应的一个数. 例4 （P37 例2） 结果不是数，但每一个结果在某种意义上都对应着一个数，所以仍可人为地令每一个结果相应的一个数. 综上，每一个结果唯一的一个数（注意：反之，却有可能一个数若干个结果），数是结果的函数，记作. 因结果的随机性，所以这个是随机数，称之为随机变量，并简记为. 随机变量常用大写的英文字母或希腊字母等表示. 注意到，以上不论那种情形都有一个共同点，即当将随机试验的每一个结果数量化之后，产生的所有不同的数实际上将样本空间作了一个划分. 每一个数其实对应的是具有某种特征的一个随机事件. 它本身可能是一个基本事件，也可能是由多个基本事件合成的事件. 若是一个实数集合，将在上的取值写成，它表示事件，即是由中使得的所有样本点组成的事件，此时有 . 离散型随机变量 随机变量 连续型随机变量 非离散型随机变量 非连续型随机变量 二、离散型随机变量及其分布律 1. 离散型随机变量 若随机变量的不同取值是有限个或可列无限多个 P39 分布律 描述随机变量全部取值以及每个取值事件概率的公式 或表格（P40） 分布律的性质：1. ； 2. . 2. 事件的概率计算 （1）； （2）. 例5 判断 是分布律吗？ 例6 已知 是分布律，求 . 例7 已知随机变量的分布律为 ，计算和. 3. 几个常见的离散型随机变量及其分布律 1) 0-1变量及其分布律（0-1分布） P41 一次伯努利试验中，事件发生次数的分布律为 ， 称为服从参数为的0-1分布. 例8 举例 P41 2) 二项变量及其分布律（二项分布） P41 n重伯努利试验中，事件发生次数的分布律为 ， 称为服从参数为的二项分布，记作. 例9 10件产品，其中8件为合格品. 今从中随机地取1件，作不放回抽样，一共取5次. 求取得次品件数的分布律. * 注意二项变量的条件. 例10 （P43 例2） 问题：二项变量取何值时，概率达到最大值？ 回答：因为 这表明： 当时，； 当时，； 当时，. 由于为正整数，所以小于且最接近的正整数为. 因此，当时，取到最大值；特别地，当为整数时，在和同时取到最大值. 例11 （P44 例3） 注意本题的解释 例12 （P45 例4） 个人自扫门前雪与团结协作 3) 泊松变量及其分布律（泊松分布） P46 在某一确定的时间范围或区域范围内，某一事件发生次数的分布律为 ， 称为服从参数为的泊松分布，记作. 例13 （P70 12） 4) 超几何变量及其分布律（超几何分布） 在含有D个次品的N个产品中随机地抽取n个产品，则其中次品数的分布律为 ， 称为服从参数为的超几何分布. 例14 （P15 例4） 5) 几何变量及其分布律（几何分布） 重复独立地做伯努利试验，直到事件发生为止所需进行试验次数的分布律为 ， 称为服从参数为的几何分布，记作. （P44 例3） 习题 P69-70 1.-3. 4.（1）、（2） 5. 6.-7. 9.-10. 11.-12. 三、连续型随机变量及其概率密度 1. 定义 对于随机变量，若存在非负可积函数，使得的取值在任意一个区间内的概率为 ， 则称为连续型随机变量，而称为的概率密度函数，简称概率密度. 有时也简记为. 由该定义易知，连续型随机变量取任意一个值的概率为零，即对于任意实数，. 从而对任意实数，总有 概率密度的性质及其几何意义： 1) ； 2) . 2. 事件的概率计算 1) ； 2) . 3) 例1 （P52 例1（1）（3）） 3. 几个常见的连续型随机变量及其概率密度 1) 均匀变量及其概率密度（均匀分布） P54 若随机变量的概率密度为 （图1）， 则称服从参数为