概率论-随机变量.pptVIP

作业 P41：10, 12(1), 15, 17(2)(3)(5), 18 ● 一般正态分布的概率计算 线性转换 ～ N( 0, 1 ) 有了这三个转换公式, 正态分布的概率计算都可以通过查标准正态分布数值表完成. 方法 会查表 (P183) 熟悉 5 个计算公式 标准正态分布的概率计算 ● 一般正态分布的概率计算 线性转换 ～ N( 0, 1 ) 练习 3 正态分布的应用 * * 第二章 随机变量及其分布 2.3 连续型随机变量 回顾 什么是离散型随机变量 ? 从取值的角度来看, 如果随机变量 X 的所有可能取值可以一一列举, 即所有可能取值为有限个或无限可列个, 则这样的变量 X 称为离散型随机变量. 除了离散型随机变量, 连续型随机变量是另一类重要的随机变量. 引例1 在某公共汽车站, 每隔 8 分钟有一辆公共汽车通过, 设乘客候车的时间为随机变量 X (单位: min) , 则 X 的可能 取值是什么? 一、什么是连续型随机变量 ? 区间 [ 0 , 8 ]内的一切值 引例2 在数轴上随机地投点, 设所投点的坐标为随机变量 X , 则 X 可能取值是 ● 从取值的角度来看, 上面两例中的随机变量 X 所有可能取值为某个区间内的一切值. 一般来说，这样的随机变量称为连续型随机变量 .引例1 ,引例2 中的 X 都是连续型随机变量 . 区间 (–∞, +∞) 内的一切值 考一考 连续型随机变量 X 的取值能不能一一列举出来? 不能 由于连续型随机变量 X 的可能取值是某些区间上的所有值(无穷多个), 所以 X 的取值是不可能一一列举出来. 因此, 要研究连续型随机变量 X 在取值区间内的概率分布规律, 重要的是讨论它在取值区间内某一部分区间上取值的概率，而不是考察X 在此区间内某一点取值的概率. 也需要考察乘客候车的时间不超过 3 分钟的概率, 即计算 P { 0 ≤ X ≤3 }. 如在引例1 中, 乘客候车的 时间为随机变量 X, 为对车辆进行合理的调度, 需要考察乘客候车的时间超过 5 分钟的概率, 即计算 P { 5 X ≤8}. 这些考察的内容都是求随机变量 X 在取值区间 [0, 8] 内某一部分区间上取值的概率. 则称 X 为连续型随机变量, 称 f (x) 为随机变量 X 的概率密度函数, 简称 密度函数或概率密度 . 二、 连续型随机变量的概率密度 X 在 [ a, b ]上取值的概率 f(x)在[ a, b ]上的定积分 o 变量 X 在 [ a, b ]上取值的概率 几何 意义 若已知 X 的密度函数 f (x), 则 X 在区间 [a, b]上取值的概率等于 f (x) 在该区间上的定积分. b a f(x)在[ a, b ]上的定积分 变量 X 的密度函数 由定义知 f (x) 具有下述性质: 性质 1 说明, 介于密度曲线 y= f (x) 与 x 轴之间的平面图形的面积等于 1. 密度函数 f (x) 的性质 o P31:这说明, 随机变量 X 取单个值 a 的概率都为 0. 故它在任一区间上取值的概率, 与是否包含区间端点无关. 即 由此可见, 计算连续型随机变量 X 在某一区间上取值的概率时, 可以不必区分开区间、闭区间和半开半闭区间. 1. 均匀分布 ［a,b］上的均匀分布， 记作 若X 的密度函数为如下函数 ，则称 X 服从区间 其中 常见的连续性随机变量的分布 即X 在［a,b］内任何长为 l 的小区间上取值的概率与小区间的位置无关, 只与该小区间的长度 l 成正比. P32 例10 2. 指数分布 若随机变量 X 具有概率密度 应用场合 指数分布常用来作为各种“寿命”分布的近似。 如服务系统中的服务时间、电子元件的寿命等。 例11 某元件的寿命 服从参数为 的 指数分布, 求3个这样的元件使用1000小时, 至少 已有一个损坏的概率. 解： 先计算一个元件的寿命超过1000h的概率，然后按照3重伯努利概型求解. 设Y表示三个元件中使用1000小时后损坏 的元件数, 则至少有一个损坏的概率为 3. 正态分布（或称为高斯分布） ● 正态分布的概率密度 正态分布的密度函数 f ( x )的图形 x o y (1)曲线关于直线 x = μ 对称 称为正态曲线 (3) 在 x = μ±σ 处有拐点. (4) 当x →∞时，