2-1随机变量及其分布选读.ppt

第二章 随机变量及其分布 §2.1 随机变量 §2.2 离散型随机变量的概率分布 §2.3 随机变量的分布函数 §2.4 连续型随机变量的概率密度 §2.5 随机变量的函数的分布 我们知道随机事件是由基本事件构成的，前面所给出的定义无论是基本事件还是随机事件都是用文字叙述给出，这有两个缺憾:一是非常繁琐，二是尽管事件可以看成子集（样本空间的子集）但是文字叙述却不符合数学的研究特点，因此为了更深入地研究随机现象，我们就需要将随机试验的结果数量化，也就是用某一变量取得各种不同的数值来描述随机试验的结果，这样就引进了随机变量的概念． §2.1 随机变量 考察抛硬币试验 S＝{H, T}，其中H ={出现正面}, T={出现反面}. 例1 用数字 “1” 代表事件“出现正面”， 用数字 “0” 代表事件“出现反面”， 此时，随机变量 X 随基本事件的变化而变化，当基本事件确定，对应值 X 也相应确定． 则构造随机变量X：S ?{0,1}，即X(H)=1, X(T)=0 设E是随机试验, 其样本空间是S＝{e}, 如果对于每一个 e ∈S，都有一个实数 X(e) 与之对应，这样就得到一个定义在 S 上的单值实值函数 X=X(e), 称为 随机变量. 常用字母 X, Y, ?, ? 等表示随机变量． 定义 随机变量是定义在样本空间的实值函数,它与普通的实函数有本质的区别. 一方面它的取值是随机的,而它取每一个可能值都有一定的概率；另一方面它的定义域是样本空间S, 而S不一定是实数集． S e X(e) R 分类 离散型随机变量 非离散型的随机变量 （取有限个或可数个值） （连续型随机变量） 随机变量的概念在概率论与数理统计中既是基本的,又是非常重要的.后面将会看到,由于引入了随机变量,高等数学的方法就可用来研究随机现象了. 一袋中有6个球，分别标有 1, 2, 2, 2, 3, 3，从袋中任取一个球，观察出现的数字． 例2 当试验的可能结果本身是用数量描述的，这时构 造随机变量最容易． 解：样本空间 S＝{e1，e2，e3}, 其中ei＝{出现数字i }，i＝1, 2, 3 构造随机变量X：S ?{1, 2, 3}， 即 X(e1)=1， X(e2)=2， X(e3)=3. 例3 对于一批灯泡,设每一灯泡在某固定条件的耐用时间为X，则 X ：S?[0,+∞) 例4 某射手每次射击打中目标的概率是p(0p1),现在他连续向一目标射击,直到第一次击中目标为止， 则射击次数X是一个随机变量,X可以取到一切自然数． 随着取不同灯泡的试验结果不同，X 取不同的值.取定灯泡，X 值才能确定，故X是随机变量． 定义了随机变量后,随机事件就可以用随机变量的取值来描述. 随机变量所有可能取值是有限个或可列个. §2.2 离散型随机变量的概率分布 一、基本概念 离散型随机变量： 定义 设离散型随机变量X所有可能取值为xk , k=1,2,… 离散型随机变量的分布律： X取各个可能值的概率为 pk , 即 P{X=xk }= pk ， k =1，2，… (?) 称(?)式为离散型随机变量 X 的概率分布或分布律.　　　　 分布律常用表格表示： X xk x1 x2 … … pk p1 p2 pk … … 分布律具有性质: 1. pk ? 0, (k=1,2,...)， 例1 设一汽车在开往目的地的道路上需经过四盏信号灯,每盏信号灯以概率 p 禁止汽车通过. 以 X 表示汽车首次停下时, 它已通过的信号灯的盏数(设各信号灯的工作是相互独立的), 求X 的分布律. X 0 1 2 3 4 或写成 解: X 的可能取值为 0, 1, 2, 3, 4， 故 X的分布律为 pk p (1-p)p (1-p)2p (1-p)3p (1-p)4 例2 设袋中有4个红球, 1个白球, 今从袋中随机抽取两次, 每次取一个, 设 X 表示所取得的白球数, 试分两种情况: (1) 放回抽取; (2)不放回抽取, 分别求出 X 的分布律. 离散型随机变量 X 的概率分布或分布律完全刻划了离散型随机变量的分布情况，已知 X 的概率分布，可以求得这个随机变量 X 所对应的样本空间中任何随机事件的概率. X 0 1