第2.5节 常用连续分布.pptVIP

1.均匀分布 则称X服从区间(a, b) 上的均匀分布, 记作 定义 若X的密度函数为 X的分布函数为 即X的取值在(a,b)内任何长为d–c的小区间的概率与小区间的位置无关,只与其长度成正比，这正是几何概型的情形。 在进行大量数值计算时，如果在小数点后第k位进行四舍五入，则产生的误差可以看作服从 概率计算 应用场合 期望与方差 例1 　设随机变量X服从(1, 6)上的均匀分布，求一元两次方程t2+Xt +1=0有实根的概率. 解 故所求概率为 而X的密度函数为 因此所求概率 2 指数分布 定义 若随机变量X 的密度函数为 则称 X 服从参数为? 的指数分布。 记作 X 的分布函数为 其中? 0 为常数， 演示实验 对于任意的 0 a b, 有 应用场合 随机服务系统中的服务时间 电话问题中的通话时间 无线电元件的寿命 动物的寿命 指数分布常作为各种“寿命”分布的近似 例2 令B={等待时间为10-20分钟},则 解 例3 某种产品的寿命服从指数分布，均值为1000小时。 (1) 使用1000小时没有坏的概率; (2) 若发现该元件使用了500小时没有损坏,求它还可以继 续使用1000小时的概率. 解:(1) (2) 注意： 称此性质为无后效性 指数分布的无记忆性（无后效性） 定理 若X ~Exp(?),则 证明 即元件以前曾经无故障使用的时间，不影响它以后使用寿命的统计规律。故又把指数分布称为“永远年轻”的分布，几何分布也有这样的性质。 指数分布的期望与方差 设随机变量X服从指数分布 则 即: 指数分布的数学期望等于其参数?的倒数。 故 即:指数分布的方差等于其参数?平方的倒数，标准差等于期望 3.正态分布 记作X～N(? ,?2) ,则称X服从参数为? ,?2的正态分布. 其中 为常数， 定义 若随机变量X的密度函数为 两个参数的特性 ? — 位置参数 ? — 形状参数 固定?，对于不同的? ，p(x)的形状不同. 即固定?,对于不同的?，p(x)的形状无变化，只是位置不同. p (x) 的性质 (1) 图形关于直线 x = ? 对称 p (? + x) = p (? - x) ; (2) 在 x = ? 时, p(x) 取得最大值 ; (3) 在 x = ?±? 时, 曲线 y = p (x) 在对应的点处有拐点; (4) 曲线 y = p (x) 以x轴为渐近线; (5) 曲线 y = p (x) 的图形呈单峰状. 演示实验 应用场合 若随机变量X 受到众多相互独立的随机因素的影响，而每一个别因素的影响都是微小的，且这些影响可以叠加, 则X服从正态分布. 可用正态变量描述的实例非常之多: 各种测量的误差； 人的生理特征； 工厂产品的尺寸； 农作物的收获量； 海洋波浪的高度； 金属线的抗拉强度； 热噪声电流强度； 学生们的考试成绩； 正态分布是概率论中最重要的分布，这可以由以下情形加以说明： ⑴ 正态分布是自然界及工程技术中最常见的分布之一，大量的随机现象都是服从或近似服从正态分布的．可以证明，如果一个随机指标受到诸多因素的影响，但其中任何一个因素都不起决定性作用，则该随机指标一定服从或近似服从正态分布． ⑵ 正态分布有许多良好的性质，这些性质是其它许多分布所不具备的． ⑶ 正态分布可以作为许多分布的近似分布． 正态分布的重要性 标准正态分布N(0,1) 演示实验 对一般的正态分布：X～N(?,?2), 其分布函数 作变量代换 标准正态分布N(0,1) 正态分布的标准化 定理 设 X ~ N(? , ? 2), 则 Y ~ N(0, 1). 推论 若 X ~ N(? , ? 2), 则 正态分布的期望与方差 * 正态分布 N(? , ?2) 的期望 E(X) =? ； * 正态分布 N(? , ?2) 的方差 Var(X) = ? 2 ； 设 X ~ N(1,4) , 求 P (0 ? X ? 1.6) . 解 例4 * *