计算机数学基础课件教学课件作者刘树利13课件.pptVIP

第十三章随机变量及其概率分布 第十三章 随机变量及其概率分布 后页 首页 前页 后页 首页 前页 基本要求、重点难点 13.1 随 机 变 量 13.2 离散型随机变量及其分布规律 13.3 连续型随机变量及其分布规律 13.4 分布函数与随机变量函数的分布 13.5 计算机模拟与随机数的生成 ? 基本要求 　　?掌握微元法的概念。 　　?了解几何、物理中的问题以及简单的数学模型。 　　?了解平面图开的面积、空间立体的体积。 　　?会利用定积分计算平面图形的面积、旋转体的体积和一些简单的经济应用题。 ? 重点难点 重点： ?某个定积分的分析方法——微元法。 ?微积数学模型的应用。 难点： ?定积分在各种领域的应用。 ? 13.1 随 机 变 量 定义13.1 　　　对于条件组S下的每一个可能的结果ω都惟一地对应一个实数值X(ω)，则称实值变量X(ω)为一个随机变量。??? 简记为X(注：常用大写拉丁字母X、Y、Z或希腊字母ξ、η、ζ来表示随机变量)。 　　对于随机变量，通常分两类进行研究。一类是随机变量的可能取的值能够一一列举出来(或者有限个，或者与自然数集一一对应)，称该类随机变量为离散型随机变量。另一类是随机变量所可能取的值不能一一列举，称此类随机变量是非离散型的。非离散型随机变量范围很广，而其中最重要也是实际工作中经常遇到的就是所谓连续型的随机变量(见§13.3)。 ? 13.2 离散型随机变量及其分布规律 ?13.2.1 概率分布 　　离散型随机变量X只可能取有限个或一串值。设X可能的取值为x1，x2，…，xk，…。为了完全描述随机变量X，只知道它可能取的值是远远不够的，更重要的是要知道它取各个值的概率，也就是要知道下列一串概率的值： pk＝P｛X ＝ xk｝(k ＝ 1，2，…)。???? (13.2.1) 　　将X 可能取的值及相应的概率列成下表： 　　这个表称为X 的概率分布表。它清楚而完整地表示了X 取值的概率的分布情况。简单起见，概率分布情况也可直接用一系列等式(13.2.1)来表示，式(13.2.1)称为X的概率分布。关于pk(k ＝ 1，2，…)，显然有如下性质： 　　作为概率分布的一个例子，我们回头看例13.1.2中随机变量X(“抽得的白球数”)的概率分布表： ?13.2.2 二点分布 　　如果随机变量X的分布如下： P｛X ＝ 1｝ ＝ p(0＜p＜1)， P｛X ＝ 0｝ ＝ q ＝ 1－p。??? (13.2.2) 　　则称X服从二点分布( p为参数)。 　　例13.2.1? 100件产品中，有95件正品，5件次品，现从中随机抽取一件，假如抽得每件的机会都相同，那么，抽得正品的概率是95%，抽得次品的概率为5%，现在定义随机变量X 如下： 则有 　　即X服从二点分布。二点分布虽很简单，但很有用。当一组条件下只有两个可能结果，且都有正概率时，能确定一个服从二点分布的随机变量。 ?13.2.3 二项分布 　　如果随机变量X的分布如下： P｛X ＝ k｝ ＝ Ckn pkqn － k(k ＝ 0，1，2，…，n)。??? (13.2.3) 　　其中0＜p＜1，q ＝ 1 － p。则称X服从二项分布(参数为n，p)，或用记号X～B(n，p)来表示。利用二项式定理不难证明按式(13.2.3)给出的概率值满足 　　在独立试验序列概型中，得出的结论是：若单次试验中事件A发生的概率为p (0＜p＜1)，则在n次重复独立试验中，“A发生k次”的概率是Ckn pkqn － k(q ＝ 1 － pk ＝ 0，1，2，…，n)。 　　由此可见，在n次重复独立试验中，“A发生的次数”这个随机变量X是服从二项分布的，即 P｛X ＝ k｝ ＝ Ckn pkqn － k(k ＝ 0，1，2，…，n)。 　　不难发现，n ＝ 1时的二次分布就是二点分布。 ?13.2.4 泊松(Poisson)分布 　　如果随机变量X的概率分布如： ?? 　　则称X服从泊松分布(参数为λ)，记作X～P(λ)。 　　这就证明了粒子数X是服从泊松分布的。 　　从以上的分析推导过程看出，某一具体问题，只要它符合类似于条件(1)、(2)，那么就会出现服从泊松分布的随机变量。因此，有很多具体问题，它们的性质虽然各不相同，但它们的随机变量都服从泊松分布。 　　对于一般的二项分布B(n，p)，只要令λ=np，则有 ??? 这说明泊松分布是二项分布当np→λ(n→∞)时的极限分布。因此，当n很大且p很小时，可用泊松分布来作二项分布的近似计算。 ? 13.3 连续型随机变量及其分布规律 ?13.3.1 概率密度函数 定义13.2 　　对于随机变量X，若存在非负可积函数