第二章随机变量及其概率分布课件.pptVIP

Soft Computing Lab. 离散型随机变量可完全由其分布律来刻划． 即离散型随机变量可完全由其的可能取值以及 取这些值的概率唯一确定． 6.超几何分布 三、小结 附加题 伯努利资料 泊松资料 三、小结 Gauss 三、小结 　　可以证明， 的影响， 如果一个随机指标受到诸多因素 但其中任何一个因素都不起决定性作用， 则该随机指标一定服从或近似服从正态分布。 正态分布可以作为许多分布的近似分布。 许多分布所不具备的。 正态分布有许多良好的性质，这些性质是其它 正态分布下的概率计算 原函数不是 初等函数 方法:转化为标准正态分布查表计算 标准正态分布的概率密度表示为 2. 标准正态分布 标准正态分布的分布函数表示为 标准正态分布的图形 解 例6 当　　 时，查表得 若要求　　 时的概率，可利用上述公式。 由分布函数的定义及标准正态分布图形的对称性可知 即 例7 设　　　　　 , 试求 　解（1） 　（2） 一般正态分布的计算 引理　若　　　　　　 , 则 证 令 代入上式得 所以 由此得 其中　　 是标准正态分布的分布函数。 对任意的常数　　，若 例8　设　　　　　 ，试求 解（1） 注意 对于任意可能值 a ,连续型随机变量取 a 的概率等于零.即 证明 由此可得 连续型随机变量取值落在某一 区间的概率与区间的开闭无关 　　说明　 　　若连续型随机变量　的密度函数为 则　在任意区间　上取值的概率为 机变量， 大的意义， 的情况。 由上述性质可知， 对于连续型随 关心它在某一点取值的问题没有太 因此只讨论它在某一区间上取值 若X是连续型随机变量，{ X=a }是不 可能事件，则有 若 X 为离散型随机变量, 注意 连 续 型 离 散 型 解 例1 3.2 均匀分布与指数分布 概率密度 函数图形 　　1．均匀分布（Uniform Distribution） 　　概率密度的验证 　　设　　　　　，　　是其概率密度 （1）对任意的　，有 （2） 　　由此可知，　　满足概率密度的条件， 是概率密度。 　　说明　类似地，可以定义 （1）区间　　上的均匀分布 （2）区间　　上的均匀分布 （3）区间　　上的均匀分布 　　均匀分布的概率背景 　　若随机变量　服从区间　　上的均匀分布 　　此时， 则　在区间　　的任何一个子区间上取值的概 率， 的位置无关。 而与该子区间 　在区间　　上取值是等 可能的。 认为随机变量 与该子区间的长度成正比， 　　均匀分布的分布函数 　　若随机变量　服从区间　　上的均匀分布 则其分布函数为 　　例5　设公共汽车站从上午7时起每隔15分 则　服从区间　　　上的均匀分布， 概率密度为 钟来一班车， 到7:30之间的均匀随机变量。 间不超过5分钟的概率。 如果某乘客到达此站的时间是7:00 试求该乘客候车时 　　解　设该乘客于7时　分到达此站， 则 　　令　　={ 候车时间不超过5分钟 } 　　例2　设随机变量　服从区间　　　上的 有实根的概率。 　　解　随机变量　 的概率密度为 均匀分布，求方程 　　设 则 例3 设随机变量 X 在 [ 2, 5 ]上服从均匀分布, 现 对 X 进行三次独立观测 ,试求至少有两次观测值 大于3 的概率. (练习) X 的分布密度函数为 设 A 表示“对 X 的观测值大于 3 的次数”, 解 即 A={ X 3 }. 因而有 设Y 表示3次独立观测中观测值大于3的次数, 则 　　2．指数分布（Exponential Distribution） 　　概率密度的验证 　　设随机变量　服从参数为　的指数分布， （2） （1）对任意的　，有 由此可知 是一概率密度。 　　是其密度函数， 则 某些元件或设备的寿命服从指数分布.例如无线电元件的寿命 , 电力设备的寿命, 动物的寿命等都服从指数分布. 应用与背景 分布函数 刚好在你之前走进公用电话亭， 　　例4　设打一次电话所用的时间 （单位： 　　解　　的概率密度为 分）服从参数为　　　　的指数分布。 求你等待 若某人 分钟的概率。 则 　　令　　={ 等待时间为10~20分钟 } 例5 设某类日光灯管的使用寿命 X 服从参数为 ?=1/2000的指数分布(单位:小时) (1)任取一只这种灯管, 求能正常使用1000小时以 上的概率. (2) 有一只这种灯管已经正常使用了1000 小时以 上,求还能使用1000小时以上的概率. X 的分布函数为 解 指数分布的重要性质 :“无记忆性”. 3.3 正态分布 (或高斯分布) 正态概率密度函数的几何特征 正态分布的分布函数 正态分布是最常见最重要的一种分布,例如 测量误差