0随机变量及其分布.ppt

概率论与数理统计 第2章 随机变量及其分布 2.1 随机变量的概念 2.2 离散型随机变量 2.3 连续型随机变量 2.4 分 布 函 数 2.5 随机变量函数的分布 2.1 随机变量的概念 第1章讨论了用随机事件来表示随机现象的各种可能结果，并引入了随机事件的概率。为了更深入地研究随机现象，需要把随机试验的结果数量化，也就是要引进随机变量来描述随机试验的结果。 一般地，把表示随机现象的各种结果或描述随机事件的变量叫做随机变量。随机变量通常用大写英文字母等表示。 随机变量的特点 随机变量具有以下两个特点： (1) 在一次试验前，不能预言随机变量取什么值。即随机变量的取值具有偶然性，它的取值决定于随机试验的结果。 (2) 随机变量的所有可能取值是事先知道的，而且对应于随机变量取某一数值或某一范围的概率也是确定的。 引进随机变量以后，就可以把对随机事件的研究转化为对随机变量的研究，从而可以引用微积分等其他数学理论和方法来研究随机现象。 2.2 离散型随机变量 2.2.1 分布列的概念与性质 离散型随机变量只可能取有限个或可列无限个值。 叫做离散型随机变量的分布列(或概率分布) 分布列具有下列性质： 性质1 Pk≥0， 性质2 2.2.1 分布列的概念与性质 例 设随机变量的分布列为 ， 试确定常数a。 解 由式(2-1)知 所以 a=1 2.2.2 几种常见的离散型分布 1．二点分布 如果随机变量的分布列如下 则称服从二点分布(为参数)。二点分布也叫贝努里分布或0-1分布。 2．二项分布 如果随机变量的概率分布为 ， ， 则称X服从参数为n,p的二项分布。或用记号 表示。 例 从学校乘汽车到火车站的途中有3个交通岗，假设在各个交通岗遇到红灯的事件是相互独立的，各交通岗红灯点亮的时间占2/5。设为途中遇到红灯的次数，求至多遇到1次红灯的概率。 2．二项分布 解 所求概率即P(X≤1) 而X服从二项分布B(3,2/5)， 即有 故 P{X≤1} 3．泊松（Poisson）分布 如果随机变量X的概率分布为 ， 其中常数 则称X服从参数为 的泊松分布，记为 。 在实际问题中很多随机变量都服从泊松分布。例如在长为 的时间段内电话交换台接到的呼叫次数或到公共汽车站的乘客数；纺织厂生产的一批布匹上疵点个数等，这些都服从泊松分布。 3．泊松（Poisson）分布 例 电话交换台每分钟接到的呼唤次数为随机变量X，设 ，求 (1) 1分钟内呼唤次数恰为8次的概率； (2) 1分钟内呼唤次数不超过1次的概率。 解 因为X服从参数为 的泊松分布，故有 (1) (2) P{X≤1} 3．泊松（Poisson）分布 泊松(Poisson)定理 设随机变量 ， 是某正数，设 （ ）则对固定的非负整数K，有 2.3 连续型随机变量 前面讨论了离散型随机变量以及描述这些离散型随机变量的概率分布情况的分布列。这些问题的讨论都建立在随机变量的取值可以一一列举出来的基础之上。但在许多实际问题中所遇见的随机变量是不可列举的，而是连续地充满了某个实数区间，例如某种电子元件的使用寿命、人的身高、测量物体长度时产生的误差等，这种类型的随机变量就是本节要讨论的所谓连续型随机变量。 2.3.1 连续型随机变量的概率密度函数 定义 对于随机变量X，如果存在非负可积函数 ， 使对任意a,b(ab)都有 P{a≤X≤b} 则称X为连续型随机变量；并称f(x)为连续型随机变量X的概率密度函数，简称概率密度，或密度函数。 概率密度函数f(X)具有的性质 性质1 f (x)≥0 性质2 性质3 ，其中a为任意给定实数 性质4 对连续型随机变量X和任意a,b(ab)有 P{a≤X＜b}=P