已看N-概率论5要点.pptVIP

应 用 数 学 第2章 随机变量及其分布 §1 随机变量及其分布 概念的引入 许多随机试验的结果本身就是数量化的 例如 掷一颗骰子出现的点数X； 每天进入某超市的顾客数Y； 一、随机变量的概念 不能直接用数量标识的随机试验，也可人为地数量化 沿数轴运动的质点，用 表示其位置，则 可以取任何实数，即 射击击中目标记为1分，未中目标记0分。用 表示射击得分，则 例如 定义（random variable） 定义在样本空间 上的实值单值函数 称为 随机变量。 常用大写字母 等表示随机变量，用 等表示 随机变量的取值 离散型随机变量与非离散型随机变量 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. 对于随机试验，每个样本点 都对应一个实数 ， 因为样本点出现是随机的，故 的取值也是随机的 练习 一报童卖报, 每份1.5元,其成本为1元。报馆每天给报童1000份报, 并规定卖不出也不能退回。设 为报童每天卖出的报纸份数, 试将“报童赔钱”这一事件用随机变量的表达式表示. {0.5X1000} 若 X 为随机变量，则{X = k}、{a X ? b}、…均为随机事件. 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进行广泛深入的研究。 随机变量X是一种“随机取值的变量且伴随一个分布” 例如，对离散随机变量，不仅要知道它可能取哪些值, 而且要知道它以什么样的概率取这些值 注 §2 离散型随机变量及其概率分布 定义 只取有限个或可列个可能值的随机变量称为离散型 随机变量 设离散型随机变量 的所有可能取值为 , 称 为 的概率分布或分布律 常用表格形式表示 的概率分布: 分布律的性质： ① ② 一袋中装有编号为1，2，3，4，5的五个小球，任取 3个，用X表示球上的最大号码，求X的分布律。 解： X至少为3 故X的概率分布为 例1 解：概率之和应为1 故 分布律为 已知随机变量 的分布律为 求：a的值， 因此 例2 几种常见分布 1. (0-1)分布 设随机试验只有两个结果：A和 ，且 令 X的分布律为 则X服从(0-1)分布，或两点分布，记为 也可写为 在n重伯努利试验中，每次试验事件A发生的概率为 ,记X为n次试验中A发生的次数，则 称X服从参数为n,p的二项分布，记为 练习 从一大批产品随机抽取4件，已知该批产品的合格率为0.8，则取得合格品数 取得不合格品数 2. 二项分布 设 ，若 求 解： 由 知 所以 由此得 例3 3. 泊松分布 设X的概率分布为 则称X服从参数为 （0）的泊松分布,记为 泊松分布是一种常见分布，特别是社会现象和物理学领域中。泊松分布可作为描述大量试验中稀有事件出现次数的概率分布的数学模型。如： 在单位时间内，电话总机接到用户呼唤的次数，数字通讯中的误码数，某公共汽车站在一固定时间内来到的乘客数，每米布上的疵点数，纺织机上的断头数及天空中的流星数等都服从泊松分布。 例4 某一城市每天发生火灾的次数X 服从参数 的泊松分布, 求该城市一天内发生3次或3次以上火灾的概率. 解： 最著名的泊松分布的应用之一是俄统计学家博特基维茨的“被马踢死的骑兵” 博特基维茨对普鲁士军队的10个骑兵部队在1875-1894这20年间的死亡情况进行记录 例5 泊松分布和二项分布 当n很大时，计算二项分布 的概率将变得困难，为此可设法用别的方法来近似取代二项分布的计算 当p较小（一般约定 ）和n较大，np大小适中时，我们有近似公式 这就是著名的泊松逼近 （参看教材P32泊松定理） 应 用 数 学