中精典课件南大学概率论.pptVIP

连续型随机变量X所有可能取值充满一个区间, 对这种类型的随机变量, 不能象离散型随机变量那样, 以指定它取每个值概率的方式, 去给出其概率分布, 而是通过给出所谓“概率密度函数”的方式. 下面我们就来介绍对连续型随机变量的描述方法. 2.3 连续型随机变量的概率分布 1. 实例: 上海市年降雨量的分布 由实例启发我们如何描述连续型随机变量. 上海市99年年降雨量的数据已知 根据这些数据作频率直方图 对频率直方图进行考察 ,使得对任意 , 有 对于随机变量 X ,如果存在非负可积函数f(x) , x 则称 X为连续型随机变量,称 f(x)为 X 的概率 密度函数，简称为概率密度或分布密度. 2. 连续型随机变量及其密度函数的定义 3. 概率密度函数的性质 1 o 2 o 这两条性质是判定一个函数 f(x)是否为某随机变量X的 概率密度函数的充要条件. f (x) x o 面积为1 故 X的密度 f(x) 在 x 这一点的值，恰好是 X落在区间 上的概率与区间长度 之比的极限. 这里，如果把概率理解为质量， f (x)相当于线密度. 若x是 f(x)的连续点，则： =f(x) 4. 对 f(x)的进一步理解: 要注意的是，密度函数 f (x)在某点处a的高度，并不反映X取值的概率. 但是，这个高度越大，则X取a附近的值的概率就越大. 也可以说，在某点密度曲线的高度反映了概率集中在该点附近的程度. f (x) x o 若不计高阶无穷小，有： 它表示随机变量 X 取值于 的概率近似等于 . 在连续型随机变量理论中所起的作用与 在离散型随机变量理论中所起的 作用相类似. 连续型随机变量取任一指定值的概率为0. 即： a为任一指定值 这是因为 需要指出的是: 由此得， 1) 对连续型随机变量X,有 2) 由P(X=a)=0 可推知 而 {X=a} 并非不可能事件 并非必然事件 称A为几乎不可能事件，B为几乎必然事件. 可见， 由P(A)=0, 不能推出 由P(B)=1, 不能推出 B=S 由于连续型随机变量唯一被它的密度函数 所确定. 所以，若已知密度函数，该连续型 随机变量的概率规律就得到了全面描述. f (x) x o 至此，我们已初步介绍了两类重要的随机变量: 离散型随机变量和连续型随机变量 能不能对它们给出一种统一的描述方法？ 这就是后面要介绍的分布函数. f (x) x o x P(x) o 对它们分别用概率函数和密度函数描述 . （1）均匀分布:若随机变量X的概率密度为： 则称X服从区间( a, b)上的均匀分布，记作： X ～ U(a, b) 5. 常见的连续型随机变量密度函数 公交线路上两辆公共汽车前后通过某汽车停车站的时间，即乘客的候车时间等. 均匀分布常见于下列情形： 如在数值计算中，由于四舍五 入，小数点后某一位小数引入的误差； 它的实际背景是：随机变量X 取值在 (a, b) 上，并且取值在(a, b)中任意小区间 内的概率与这个小区间的长度成正比. 则 X 具有(a,b)上的均匀分布. 例1 某公共汽车站从上午7时起，每15分钟来一班车，即 7:00，7:15，7:30, 7:45 等时刻 有汽车到达此站，如果乘客到达此站时间 X 是7:00 到 7:30 之间的均匀随机变量, 试求他候车 时间少于5 分钟的概率. 解： 依题意， X ～ U ( 0, 30 ) 以7:00为起点0，以分为单位 为使候车时间X少于 5 分钟，乘客必须在 7:10 到 7:15 之间，或在7:25 到 7:30 之间到达车站. 所求概率为： 从上午7时起，每15分钟来一班车，即 7:00，7:15，7:30等时刻有汽车到达汽车站， 即乘客候车时间少于5 分钟的概率是1/3. 区间( 0, 1)上的均匀分布U(0,1)在计算机模拟中起着重要的作用. 实用中，用计算机程序可以在短时间内产生大量服从 ( 0, 1)上均匀分布的随机数. 它是由一种迭代过程产生的. 严格地说，计算机中产生的U (0,1) 随机数并非完全随机，但很接近随机，故常称为伪随机数. 如取n足够大，独立产生n个U(0,1)随机数，则从用这 n 个数字画出的频率直方图就可看出