概率论-数理统计第二章节节.pptVIP

概率论与数理统计;;;在实际问题中，有些随机试验的结果本身就是数值（如班级的平均分数），而许多并不是数值（掷硬币的结果）。我们对数值的处理比较得心应手。因此，如果能用数值来表示样本空间的样本点，就会非常方便。由此就产生了随机变量的概念。;;例如：抛掷一枚硬币可能出现的两个结果, 可以用一个变量来描述。;再如：将一枚硬币抛掷三次，观察出现正面和反面的情况，则样本空间是S={HHH, HHT, HTH, THH, HTT, THT, TTH, TTT}。令X表示三次投掷得到正面H的总数，那么X是定义在S上的一个实单值函数。;;随机变量通常用大写字母X, Y, Z或希腊字母?、?、?等表 示，而表示随机变量所取的值时，一般采用小写字母x, y, z等。;（2）随机变量的取值具有随机性，它随试验结果的不同而取不同的值，试验之前仅知道它可能取值的范围，而不能预知它取什么值。它与普通函数的区别在于随机变量取某一个值或在某个区间内取值均为随机事件。 ;;例：引入适当的随机变量描述下列事件：;;;思考 将一枚硬币抛掷3次，用X表示3次抛掷出现H的总次数，那么对样本空间S中的每一个样本点，X都有一个数与之对应，即;一般，若L是一个实数集合，将X在L上取值写成{X∈L}。它表示事件B={e| X(e)∈L}，此时有P{X∈L}=P(B)=P{e| X(e)∈L}。;随机变量;离散型随机变量：随机变量所有可能取的值是有限个或可列无限多个。;; 1、定义 设离散型随机变量X的所有可能取值为xk（k=1, 2, …），称X取各个可能值的概率，即事件｛X=xk｝的概率， P｛X=xk｝=pk, （k=1, 2, …） 为X的分布律或概率分布（Probability distribution）。也可以表示为 ;;;;例2.3 设袋中有5只球，其中有2只白3只红。现从中任取3只球(不放回)，求抽得的白球数X为k的概率。;例2.4 某篮球运动员投中篮圈概率是0.9，求他两次独立投篮投中次数X的分布律。;1. （0-1）分布 若随机变量X只取0和1，其分布律为 P{X＝k}＝pk(1－p)1－k, k＝0,1 (0p1) 则称X服从参数为p的（0-1）分布(贝努利分布或两点分布) （Two-point distribution）。; 凡是随机试验只有两个可能的结果，常用0 - 1分布描述，如产品是否格、人口性别统计、系统是否正常、电力消耗是否超负荷等等。;;;例2.7 某人射击的命中率为0.02，他独立射击400次，试求其命中次数不少于2的概率。;;;;例2.9 某一无线寻呼台，每分钟收到寻呼的次数X服从参数 ?=3 的泊松分布。 求：（1）一分钟内恰好收到3次寻呼的概率。 （2）一分钟内收到2至5次寻呼的概率。;解:;泊松分布的图形特点：;;对例2.７用泊松定理，取? =np＝(400)(0.02)＝8，故近似地有 ;由泊松定理，n重伯努利试验中稀有事件出现的次数近似地服从泊松分布。;对于离散型随机变量，如果知道了它的概率分布,也就知道了该随机变量取值的概率规律。在这个意义上，我们说;作业 P55：2、4、6、12;;;;;;;;;;; （1） 非负性 f(x)?0，(-?x?)； （2）归一性;;故 X的密度 f(x) 在 x 这一点的值，恰好是X落在区间上的概率与区间长度之比的极限。;若不计高阶无穷小，有：;;令△x→0，由于X是连续型r.v，所以它的分布函数 连续，从而P{X=a}=0。;密度函数的几何意义为;例2.13 已知随机变量X的概率密度为 ;;;作业 P57：20、21、23;;;例2.14 长途汽车起点站于每时的10分、25分、55分发车，设乘客不知发车时间，于每小时的任意时刻随机地到达车站，求乘客候车时间超过10分钟的概率。;;例2.15 电子元件的寿命X（年）服从参数为3的指数分布。 （1）求该电子元件寿命超过2年的概率。 （2）已知该电子元件已使用了1.5年，求它还能使用至少两年的概率为多少？;指数分布常用于可靠性统计研究中，如元件的寿命。;正态分布是应用最广泛的一种连续型分布。;;（II）. 正态分布N(μ,σ2) 的图形特点;;;;下面是我们用某大学大学生的身高的数据画出的频率直方图。;人的身高高低不等，但中等身材的占大多数，特高和特矮的只是少数，而且较高和较矮的人数大致相近，这从一个方面反映了服从正态分布的随机变量的特点。;除了我们在前面遇到过的年降雨量和身高外，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