概率论和随机过程2.3.pptx

2.3连续型随机变量及其概率密度 ;1.定义 设随机变量X的分布函数为F(x)，若存在非负函数f(x)，使对于任意实数x，有 ;,则X为连续型随机变量。 ;（3）在计算连续型随机变量X落在某一区间的概率时，不必区分该区间是开区间或闭区间或半开区间。例如有 P{aX≤b}=P{a≤X b} = P{a X b}=P{a≤X≤b} 3.概率密度f (x)的性质: （1）f(x)≥0 （2）;(3)X落在区间(x1，x2]的概率 ; 这里我们看到概率密度的定义与物理学中的线密度的定义相类似，若非均匀直线的线密度为f(x)，则在区间(x1，x2)上的直线的质量为 ．这就是称f(x)为概率密度的原因，它反映了概率在x点处的＂密集程度＂。 ;注意：对于F(x)不可导的点x处，f(x)在该点x处的函数值可任意给出。 ;(2)从而 ;例2: 确定常数A，B使得函数 ;X的概率密度为 ; 1．设连续随机变量X具有概率密度 ;f(x)及F(x)的图形分别如: ;例1: 设电阻值R是一个随机变量，均匀分布在900欧—1100欧。求R的概率密度及R落在950欧—1050欧的概率。 解: 按题意，R的概率密度为 ;注释 均匀分布的特性：若X?U(a，b)，对于任意的区间 (c，c+l) (a，b)，则 ; 区间( 0, 1)上的均匀分布U(0,1)在计算机模拟中起着重要的作用.;16;2. 指数分布 设连续型随机变量X具有概率密度为 ;f(x)及F(x)的图形 ;设随机变量X服从参数为λ的指数分布，则 ;解：关键：t0时,{Tt}={N(t)=0}. 时间间隔大于t，在[0，t]时间内未发生故障。 因为{Tt}={N(t)=0},;;22; 正态分布是应用最广泛的一种连续型分布.; 如我们遇到过的年降雨量和身高,在正常条件下各种产品的质量指标，如零件的尺寸；纤维的强度和张力；农作物的产量，小麦的穗长、株高；测量误差，射击目标的水平或垂直偏差；信号噪声等等，都服从或近似服从正态分布.; 验证f(x)是一个合理的概率密度函数: ①显然，f(x)≧0； ②下面验证 ;对于积分 ，作代换 ，则 ;(2) 正态密度函数f(x)的几何特征 因为;所以 ① 曲线关于x=μ对称，这表明对于任意h0，有 P{μ-hX≤μ}= P{μX≤μ+h }； ②当x=μ时取到最大值;④如果固定σ，改变μ的值，则图形沿着Ox轴平移，而不改变其形状，可见正态分布的概率密度曲线y=f(x)的位置完全由参数μ所确定，μ称为位置参数。;(3) 正态分布的概率计算 ①标准正态分布的概率计算若X?N(0，1)，则概率密度 ，如图。 ;一般的， 通过查表求得。 ;对此积分作代换 s=(t-μ)/σ，则 ;例1: 设X?N(1.5，22)，求P{-1≤X≤2}。 解: ;查表得：(3-c)/2=0.43, 即c=2.14 ;例3 假设测量的随机误差X~N(0 , 102),试求在100次独立重复测量中至少有三次测量的绝对值大于19.6概率α,并利用Possion分布求α的近似值。 解：设p为每次测量误差绝对值大于19.6的概率, p=P{|X|19.6}=P{|X|/10 19.6/10} =P{|X|/101.96} =1- P{|X|/10≤1.96} =1-Φ(1.96)+Φ(-1.96)  =1-Φ(1.96)+1-Φ(1.96) =2-2Φ(1.96) =0.05;设Y表示100次独立测量中事件A出现的次数,则：  Y~b(100 , 0.05);性质 已知X~ N(μ, σ2).;例4 已知X~ N(μ, σ2).求：; 例2 公共汽车车门的高度是按男子与车门顶头碰头机会在0.01以下来设计的.设男子身高X～N(170,62),问车门高度应如何确定? ;查表得 (2.33)=0.99010.99;例2: 设分布函数F(x)为严格递增的分布函数，F-1(x)为F(x)的反函数，若X?U (0，1),证明Y=F-1(X)的分布函数为F(y)。 证明: 设Y的分布函数为FY(y)，由分布函数的定义有 FY(y)=P{Y≤y}=P{ F-1(X)≤y}=P{ X≤F(y)}=F(y) 这个结论在随机模拟中具有基本的重要性。;4. 其它常用的连续