随即变量和分布函数.docVIP

一、随机变量的概念 一个随机试验有很多种结果，怎样能方便地把这一系列结果及其相应的概率一起表达出来，并且应用现代数学的方法来研究呢？本章讨论的随机变量就是这样一种工具。 很多随机试验，其一系列结果可以用一数值变量取一系列值来表示。例如： (1) 某段时间内某寻呼台接到的呼叫数可以用一变量 取非负整数值表示： =0，1，2，…。“ =2”表示随机事件{这段时间内有2人要求传呼}，“ =0”则表示事件{这段时间内没有人要求传呼}。 (2) 对某物体的长度进行测量，一切可能的测量值构成一样本空间{ : }。可以直接用一变量 跟测量的结果联系起来：“ ”表示事件{测量值在1.5 与2.5之间}。 这些变量所取的值是由随机试验的结果决定的，因此可以说是样本点的函数，我们把它叫做随机变量，常用希腊字母 ， ， 等或用大写的英文字母 、 等来表示。 也就是说，一个随??变量 是 的函数： = ， ， R 。 我们不仅关心随机变量可取哪些值，更重要的是关心取某些值的概率。 由于随机变量本身取实数值，而对实数来说，我们通常感兴趣的是单点集或某个区间 或若干个这种区间的并、交，因此希望： 是事件，以便有概率可言。 更进一步，为了进行事件的运算与概率的运算，还要求这些区间的可列并、交、逆都代表事件。 我们把直线上由左开右闭区间经过并、交、逆等运算得到的点集 称为波雷尔集， 包括一切单点集， 有限或无限的开区间，闭区间，半开半闭区间，以及它们的有限个或可列个的并、交。波雷尔集的全体Β称为波雷尔域。 上述要求相当于把直线上的波雷尔集 与事件 相对应，把波雷尔域Β与事件域F相对应。 由上述说明，我们给出随机变量在数学上的严格定义： 定义1 设 是定义在概率空间{ ，F， }上的单值实函数，且对于R上的任一波雷尔集 ，有 F， (1) 就称 为随机变量(random variable)，而称 ①为随机变量 的概率分布(probability distribution)。 写出一个随机变量的概率分布是很复杂的问题，它是对一个随机变量的完整描述。 而在很多情况下，只需要对一系列特殊的波雷尔集求得(1)的概率就能决定整个概率分布了。下面先来介绍一类比较简单的情况。 二、离散型随机变量 定义2 若随机变量 可能取的值至多可列个(有限个或可列无限个)， 则称 为离散型(discrete)随机变量。 对离散型随机变量，设{ }为其可能取值的集合，关键问题是写出概率 （简记作 或 ）， =1，2，…。 称 (2) 为 的分布列(distribution sequence)，有时也就称它为 的概率分布。 它包含两个方面： 可能取什么值； 取这些值的概率。 显然，分布列具有性质： ≥0， =1，2，…； =1 。 (3) 有了分布列(2)，就可求得与 有关的一切事件的概率。 事实上，由概率的可列可加性，对直线上任一波雷尔集 ，有 。 (4) 例1 设随机变量ξ的分布列为 ， (1)求常数 ； (2)求 。 解 (1)由 +0.1+ 0.2 + 0.2 =1解得 =1， 故分布列为 。 (2) = = 0.1+ 0.2 + 0.2 = 0.5。 例2 在伯努里概型中，每次成功的概率为 。 记直至得到第 次成功时的试验次数为 ，求 的分布列。 解 = {‘前 －1次试验中有 －1次成功， － 次不成功’且‘第 次成功’} = = ， = ， +1， +2，…， 它称为巴斯卡分布。 下面是一些常见的离散型随机变量，它们在实际工作中经常碰到，在理论研究中也有其特殊的重要性。 1.退化分布 设随机变量 只取一个常数值 ， 即 ( = )=1， (5) 称它为退化(degenerate)分布，又称为单点分布。事实上，{ = }是一概率为1的事件， 可以看作一个常数，但有时我们宁愿把它看作（退化的）随机变量。 2.两点分布 若一个随机试验只取两个可能值 ， ，则相应的概率分布为 ， ， 0， =1， (6) 称为两点分布。 在伯努里试验中，每次试验只有两个结果——事件A发生或不发生。 本来这结果与数值无关，但我们可以把它数量化，用一随机变量的取值与它相对应，就得到一个服从两点分布的随机变量。特别地，人们往往用A的示性函数表示随机变量，即令 = 其分布列为 ， 0， =1，