2.1随机变量的及离散型随机变量案例.ppt

（3） 几何分布 则称X服从几何分布. 例1：社会上定期发行某种奖券，中奖率为p.（1）求一次购买的分布律；（2）求到中奖为止所需购买次数的分布律. （1）设“X=1”表示中奖，“X=0”表示未中奖，则 X 0 1 Pi 1-p p 则X~(0,1). 解： （2）设到中奖为止所需购买的次数为Y, 则Y服从几何分布. 则Y的可能取值为1,2,…… P(Y=k)=pqk-1, k=1,2,…… 则Y取各个值的概率为 用表格表示如下： （4） 泊松分布 解: (1) (2) 注意：二项分布的泊松逼近 例:设某人每次射击的命中率为0.02.独立射击400次,试求至少击中两次的概率. 解:将每次射击看成一次试验.设击中的次数为X,则X~b(400,0.02). X的分布律为 P{X=k}=C400k×0.02k×0.98400-k ， k=0,1,2,…,400 于是所求概率为 P{X≥2}=1-P{X=0}-P{X=1} =1-0.98400-400×0.02×0.98399 直接计算上式很麻烦. 泊松定理: 其中 注意: 实际计算中，n≥100，np≤10时近似效果就很好. 例1:设某人每次射击的命中率为0.02.独立射击400次,试求至少击中两次的概率. 解:将每次射击看成一次试验.设击中的次数为X,则X~b(400,0.02).则有 P{X=k}=C400k×0.02k×0.98400-k ,k=0,1,2,…,400 P{X≥2}=1-P{X=0}-P{X=1} 于是所求概率为： =1-0.000335-0.002684 =0.996981 X~ . 若一年内投保人中有X死亡，则保险公司获利为： 2500×200－50000X=500000－50000X 则所求概率为： 第2章 随机变量及其分布 §2.1 随机变量 一、随机变量概念的引入 在上一章里，我们研究了随机事件及其概率，细心的同学可能注意到，在某些例子中，随机事件和实数之间存在着某种客观的联系。 例1：抛掷一枚均匀的骰子，观察其出现的点数. “出现1点” “出现2点” “出现3点” “出现4点” “出现5点” “出现6点” X=1 X=2 X=3 X=4 X=5 X=6 S 记X=出现点数 “出现正面” “出现反面” 例2：抛掷一枚均匀的硬币，观察出现哪一面. 在另外一些例子中，随机事件与实数之间虽然没有上述那种“自然的”联系，但是，我们可以人为地给它们建立起一个联系. Y=1 Y=0 S Y 在上述的例子中，变量X和Y有个特点是，这两个变量取什么值，在每次试验之前是不能确定的，因为它们的取值依赖于试验的结果.也就是说，它们的取值是随机的.人们常常称这种变量为随机变量. 由上面的例子可知，有了随机变量，至少使随机事件的表示在形式上简洁得多了.这只是一个方面，我们在以后的讨论中，会看到引入“随机变量”这一概念还有更为深远的意义. 二、随机变量的概念 在例1中，对每一个试验结果，“自然地”对应着一个实数，而在例2中，这种对应关系是人为地建立起来的。由此可见，无论是哪一种情形，所谓随机变量，不过是试验结果（即样本点）和实数之间的一个对应关系，这与我们熟知的“函数”概念在本质上一回事. 定义：设随机试验的样本空间为S，称定义在样本空间S上的实值单值函数X=X(w)为随机变量. S X R 一对一或多对一 注意： （1）随机变量通常用大写字母X,Y,Z或希腊字母 等表示；而表示随机变量所取值时，一般采用小写字母x,y,z等. （2）随机变量与高等数学中函数的比较：①随机变量的定义域为S,值域为R；②随机变量的取值范围在试验之前就能确定，但不能预先肯定它将取哪个值；③由于试验结果（即随机事件）的出现具有一定的概率，故随机变量取每个值和每个确定范围内的值也有一定的概率. 例1：在抛掷一枚硬币进行打赌时，若规定出现正面时抛掷者赢1分，出现反面时输1分.则其样本空间为 S={正面，反面} 记X：赢钱数 正面 反面