讲离散型随机变量.docVIP

第五讲 离散型随机变量 1. 引例 例１ 在一袋中装有编号分别为1,2,3的3只球. 在袋中任取一只球, 放回. 再取一只球, 记录它们的编号. 计算两只球的号码之和. 试验的样本空间S={e}={i,j},i,j=1,2,3. 这里i,j分别表示第一,二球的号码. 以X记两球号码之和, 对于每一个样本点e, X都有一个值与之对应, 如图所示. 例２ 将一枚硬币抛掷3次. 关心3次抛掷中, 出现H的总次数, 而对H,T出现的顺序不关心. 比如说, 我们仅关心出现H的总次数为2, 而不在乎出现的是HHT,HTH还是THH. 以X记三次抛掷中出现H的总数, 则对样本空间S={e}中的每一个样本点e, X都有一个值与之对应, 即有 2. 随机变量的定义 定义 设随机试验的样本空间为S={e}. X=X(e)是定义在样本空间S上的实值单值函数. 称X=X(e)为随机变量. 随机变量的取值随试验结果而定, 而试验的各个结果出现有一定的概率, 因而随机变量的取值有一定的概率. 例如, 在例2中X取值为2, 记成{X=2}, 对应于样本点的集合A={HHT, HTH, THH}, 这是一个事件, 当且仅当事件A发生时有{X=2}. 则称P(A)=P{HHT, HTH, THH}为{X=2}的概率, 即P(X=2)=P(A)=3/8. 类似地有 本书中,一般以大写字母如X,Y,Z,W,...表示随机变量, 而以小写字母x,y,z,w,...表示实数. 3. 离散型随机变量 有些随机变量, 它全部可能取到的不相同的值是有限个或可列无限多个, 这种随机变量称为离散型随机变量. 要掌握一个离散型随机变量X的统计规律, 必须且只需知道X的所有可能取的值及取每一个可能值的概率. 设X所有可能取的值为xk(k=1,2,...), 而 P{X=xk}=pk, k=1,2,.... (2.1) 由概率的定义, pk满足如下两个条件 称(2.1)式为离散型随机变量X的分布律或概率分布. 分布律也可用表格的形式来表示: 例３ 设一汽车在开往目的地的道路上需经过四组信号灯, 每组信号灯以1/2概率允许或禁止汽车通过. 以X表示汽车首次停下时, 它已通过的信号灯组数(设各组信号灯的工作是相互独立的), 求X的分布律. 解 以p表示每组信号灯禁止汽车通过的概率, 易知X的分布律为 即P{X=k}=(1-p)kp, k=0,1,2,3, P{X=4}=(1-p)4. 以p=1/2代入得 第二章 随机变量及其分布 §1 随机变量 为了全面研究随机试验的结果, 揭示随机现象的统计规律性, 将随机试验的结果与实数对应起来, 将随机试验的结果数量化, 引入随机变量的概念. 在随机试验完成时, 人们常常不是关心试验结果本身, 而是对于试验结果联系着的某个数感兴趣. 有许多随机试验, 它的结果本身是一个数, 即样本点e本身是一个数. 我们令X=X(e)=e, 则X就是一个随机变量. 例如, 用Y记某车间一天的缺勤人数, 以W记录某地区第一季度的降雨量, 以Z记某工厂一天的耗电量, 以N记某医院某一天的挂号人数. 那么Y, W, Z, N都是随机变量. 一般, 若L是一个实数集合, 将X在L上取值写成{XL}. 它表示事件B={e|X(e)L}, 即B是由S中使得X(e)L的所有样本点e所组成的事件. 此时有 P{XL}=P(B) =P{e|X(e) L},随机变量的取值随试验的结果而定, 在试验之前不能预知它取什么值, 且它的取值有一定的概率. 这些性质显示了随机变量与普通函数有着本质的差异. §2 离散型随机变量及其分布律 例如§1例2中的随机变量X, 它只可能取0,1,2,3四个值, 它是一个离散型随机变量. 又如某城市的120急救电话台一昼夜收到的呼唤次数也是离散型随机变量. 若以T记某元件的寿命, 它所可能取的值充满一个区间, 是无法按一定次序一一列举出来的, 因而它是一个非离散型的随机变量. 本节讨论离散型随机变量 （课间休息） 3. 几个常用的离散型分布 （1）(0-1)分布 设随机变量X只可能取0与1两个值, 它的分布律是 P(X=k)=pk(1-p)1-k, k=0,1 (0p1),则称X服从(0-1)分布或两点分布.(0-1)分布的分布律也可写成 （2）伯努利试验,二项分布 设试验E只有两个可能结果：事件, 则称E为伯努利试验。设P(A)=p(0p1), 此时. 将E独立地重复地进行n次, 则称这一串重复的独立试验为n重伯努利试验. 定义随机变量X表示n重伯努利试验中事件A发生的次数, 我们来求它的分布律. 记q=1-p， 例４ 按规定, 某种型号电子元件的使用寿命超过1500小时的为一级品. 已知一大批产品的一级品率为0.2, 现在从中随机