应用概率统计[精选].ppt

* 范例: 1.已知随机变量X的分布函数为 F(x)=A+Barctanx, 求常数A,B,X的密度函数. X 0 1 P 1-p p 两点分布 常见的离散型随机变量的概率分布 (1) 两点分布(0-1分布) (2) 二项分布 (3) 泊松分布 定义 则称X服从参数为λ(0)的Possion分布,记为X~P(λ). 可以证明 泊松分布作为二项分布的近似(np=λ).即 巴斯卡分布 在n重贝努里试验中,如果第r次“成功” 出现在第n 次试验中,则 几何分布 在n重贝努里试验中,如果第1次“成功” 出现在第n 次试验中,则 超几何分布 f(x)≥0, －∞x＋∞; 性质 连续型随机变量的概率密度函数 随机变量的分布函数 定义 设X是任意一个随机变量,称函数 F(x)=P(X≤x), －∞＜x＜＋∞ 为随机变量X的分布函数. (1) 0≤F(x)≤1, －∞＜x＜＋∞, (2)F(x)是x的单调不减函数; (3) (4)F(x)在每一点处均是右连续的,即: F(x+0)=F(x) 1. 分布函数 性质 (1) F(x)= (3) 对任意ab有 P(aX≤b)=P(X≤b)-P(X≤a)=F(b)-F(a); P(a ≤ Xb)=P(Xb)-P(Xa)=F(b-0)-F(a-0); P(Xa)=F(a-0); P(X≥a)=1-P(Xa)=1-F(a-0). 对于离散型随机变量X的分布函数有 对于连续型随机变量X的分布函数有 (1) (3) F(x)是(-∞,+∞)上的连续函数; (4) P(X=x)=F(x)-F(x-0)=0; (2) f(x)= (5) 对任意ab有 P(a≤X≤b)= P(a ≤ Xb)= P(aX≤b) = P(a Xb) =F(b)-F(a); P(Xa)= P(X ≤ a)= F(a); P(X≥a)= P(Xa) =1-P(Xa)=1-F(a). 常见的连续型随机变量的概率密度 (1) 均匀分布 称X服从[a,b]上的均匀分布.记为X~U(a,b). 0 a b x f(x) (2) 指数分布 则称 X服从参数为λ的指数分布,记为X~E(λ) (λ0). 定义 若随机变量X的概率密度函数为 注 指数分布具有“永远年青”性。即 (3) 正态分布 定义 注 (1) 概率密度曲线是以x=μ为对称轴,以y=0为渐近线的R上的连续函数; f(x) x 0 μ (2)在x=μ点f(x)取得最大值: X ~N(μ,σ2) (3) 曲线f(x)与x轴之间的面积是1. 若μ=0,σ2=1, 即 标准正态分布. X~N(0,1) x 0 注 标准正态分布的概率密度曲线以y轴为对称轴. x 0 注 (1) x -x 标准正态分布的分布函数 2. 正态分布的分布函数及其计算 (2) P(|X|a)= Φ(a) - Φ(-a) = Φ(a) – [1-Φ(a)] = 2 Φ(a)-1. 正态分布的分布函数 若X~N(μ,σ2),则 所以,若X~N(μ,σ2),则对任意的ab有 离散型随机变量函数的概率分布: 例23 设随机变量X的概率分布如下,Y=2X+1,Z=X2,求Y,Z的概率分布. X -1 0 1 2 P 0.2 0.3 0.1 0.4 解 (1)Y的对应取值为-1,1,3,5, P(Y=-1)=P(2X+1=-1)=P(X=-1) =0.2 P(Y=1)=P(X=0)=0.3, P(Y=3)=P(X=1)=0.1, P(Y=5)=P(X=2)=0.4,所以Y的概率分布为 Y -1 1 3 5 P 0.2 0.3 0.1 0.4 (2)Z的取值为0,1,4, P(Z=0)=P(X=0)=0.3, P(Z=1)=P(X=1)+P(X=-1)=0.3, P(Z=4)=P(X=2)=0.4 Z 0 1 4 P 0.3 0.3 0.4 所以Z的概率分布为: 2.3. 随机变量函数的分布 注意 离散型随机变量函数的概率分布分以下两步来求: (1)由y=g(x)计算出随机变量