(概率与数理统计,第二章.docVIP

第一讲、反面出现情况的试验中, 其样本空间 记每次试验出现正面的总次数为随机变量, 则作为样本空间上的函数定义为 例2在抛掷一枚硬币进行打赌时, 若规定出现正面时抛掷者赢1元钱, 出现反面时输1元钱, 则其样本空间为 {正面, 反面}, 记赢钱数为随机变量, 则作为样本空间的实值函数定义为 例3 在测试灯泡寿命的试验中, 每一个灯泡的实际使用寿命可能是中任何一个实数, 若用表示灯泡的寿命（小时），则是定义在样本空间上的函数，即，是随机变量. 2、随机变量的定义 定义 设随机试验的样本空间为, 是定义在样本空间上的实值单值函数，称为随机变量. 随机变量与高等数学中函数的比较: (1) 它们都是实值函数,但前者在试验前只知道它可能取值的范围,而不能预先肯定它将取哪个值; (2) 因试验结果的出现具有一定的概率,故前者取每个值和每个确定范围内的值也有一定的概率.如 例1中易见, 使取值为的样本点构成的子集为 故 类似地，有 3、引入随机变量的意义 随机变量的引入,使得随机试验中的各种事件可通过随机变量的关系式表达出来. 由此可见,随机事件这个概念实际上是包容在随机变量这个更广的概念内.也可以说,随机事件是从静态的观点来研究随机现象,而随机变量则以动态的观点来研究之.其关系类似高等数学中常量与变量的关系. 随机变量概念的产生是概率论发展史上的重大事件. 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转化为随机变量及其取值规律的研究,使人们可利用数学分析的方法对随机试验的结果进行广泛而深入的研究. 随机变量因其取值方式不同, 通常分为离散型和非离散型两类. 而非非离散型随机变量中最重要的是连续型随机变量. 今后，我们主要讨论离散型随机变量和连续型随机变量. 三、 §2 离散型随机变量及其分布律 1、离散型随机变量及其概率分布 有些随机变量的取值是有有限个或可列无限多个，称此随机变量为离散型随机变量。 定义 设离散型随机变量的所有可能取值为, 取各个可能值得概率，即事件称的概率，为 （2.1） 由概率的定义，满足如下两个条件： 1）； 2）（分布列的性质） 称（2.1）式为离散型随机变量为的概率分布或分布律, 也称概率函数. 常用表格形式来表示的概率分布: 例1 设一汽车在开往目的地的道路上需要经过四组信号灯，每组信号灯以1/2的概率允许或禁止汽车通过，以表示汽车首次停下时，它已通过的信号灯的组数（设各组信号灯的工作是相互独立的），求的分布律。 例2（加）：有一批产品共40件，其中有3件次品. 从中随机抽取5件，以表示取到次品的件数，求X的分布列. 解：随机变量X可能取到的值为0，1，2，3，按古典概率计算事件{}(k=0,1,2,3)的概率，得的概率分布为 或 X 0 1 2 3 p 0.6624 0.3011 0.0354 0.0011 2、常用离散分布 退化分布 两点分布 个点上的均匀分布 二项分布 几何分布 超几何分布 泊松分布：泊松分布是概率论中最重要的几个分布之一. 实际问题中许多随机现象都服从或近似服从泊松分布. 一个随机变量X以概率1取某一常数，即，则称X服从点a处的退化分布（一点分布）。 3、常见的分布 (1)两点（0-1）分布 设随机变量值可能取0与1两个值，它的分布律是 ，0，1 则称服以为参数的（0—1）分布或两点分布，简记为分布. （0—1）分布的分布律也可写成 X 0 1 1- 其中，则称服从两点分布，亦称服从（0—1）分布，简记为分布. (2)伯努利试验、二项分布 伯努里试验：设实验E只有两个可能结果：,则称E为伯努里试验。 n重伯努里试验:设此时将 ，0，1，…，n. 称X服从参数为n、p的二项分布，记作 易验证 显然，当=1时，二项分布就化为两点分布.可见两点分布是二项分布的特例. 两点分布、二项分布的关系及应用： 例2 按规定，某种型号电子元件的使用寿命超过1500小时的为一级品，已知某一大批产品的一级品率为0.2，现在从中随机地抽查20只，问20只元件中恰有只为一级品的概率是多少? 解：略 例3 某人进行射击，设每次射击的命中率为0.02.独立射击400次，试求至少几种两次的概率. 解：略 例4 设有80台同类型设备，各太工作是相互独立的，发生故障的概率都是0.01，且一台设备的故障能由一个人处理。考虑两种配备维修工人的方法，其一是由4人维护，没人负责20台；其二