概率统计初步—目录 - Welcome to Math Dept. in ECNU....docVIP

讲座.1 离散型随机变量 ****************************************************************************** 本讲座导学 1. 2. 理解和牢记0-1分布、二项分布和普哇松分布的分布律(表格式, 表达式); 3. 掌握一般一般离散型随机变量的分布描述 4. 深刻理解分布函数的意义; 5. 了解分布函数的基本图形; 6. 能由简间离散型随机变量的分布律, 绘出相应的分布函数图. ****************************************************************************** 1-随机变量的概念 一、引入随机变量 对于随机事件的研究, 如果仅用文字或符号来描述是不够的. 为了能准确和全面掌握随机现象的统计规律, 我们将随机试验的结果与实数联系起来, 即将试验的结果数量化, 由此而引入随机变量这个概念. 随机变量是概率论中最基本的概念之一. 有了变量这个概念之后, 我们就可以用如微积分那样的强有力的工具来研究随机现象的规律. 引例在装有红球、白球的袋中任摸一个球的颜色. ? 这样就将随机试验的结果变量化了. 随机变量、、等表示(有些教材上用小写希腊字母表示). 引例2 抛掷骰子. 对于此例, 很自然地引入随机变量及可能的取值, 并且由骰子的均匀性, 可知 引例3 测试节能灯的寿命, 记其寿命为, 那么可能的寿命的范围可以区间中任何一个可能值. 灯泡寿命超过1000小时的随机事件就可表示为. 其它“离散” 的随机变量: 车站上的等候客数. 射箭运动中, 运动员射中数. 某一交通路口的, 单位时间内通过的车辆数, 可能取值也是等. 我们还可举出生活中、工作中和自然界中的许多随机现象的数量化的例子. 二、随机变量的分类 离散型随机变量: 只取有限个或无限可列个值 非离散型随机变量: 三、离散型随机变量的分布 1．定义若随机变量只取有限或可列个可能值, 且有确定的概率值, 称为离散型随机变量 或表达式): . 其中是完备2. 分布律的性质 (1) (2) . 说明1 性质(1)表示的是概率的非负性, 这是符合实际意义的. 性质(2)实际上是全概率公式的事实. 说明2 分布律(表格式,或表达式)完整地描述了离散型随机变量的统计规律. 我们的目的就是设法求出这样的分布律. 例1设中有2白3个黑球. 从中任取3, 求抽白数的分布解 所有可取值个, 及相应概率值为 , k = 0, 1, 2. 算出各个具体值后, 用表格来表示就是： 例1-2 一般两点分布: 只取两值, 设取的概率为, 取的概率为, 所以它的分布律可记为 , , 由此可列出的表格为： . 例1-3 特殊两点分布: 0, 1分布只取0或1, 设取1的概率为, 取0的概率为, 故有分布律： 列表为: . 注 0-1概率模型通常用来表示某事件不发生, 或发生的状况. 例1-4 设品一、二、三等品为60%、10%、20%用随机变量描述解 令表示废, 一, 二, 三等品,据题得的分布律 或列表 例1-5 用随机变量表示骰子的试验, 求其分布律解 为随机变量, 则骰子的随机变量的分布律为 . 或列表: 3. 常用离散型随机变量的分布律 (1) 0-1分布(前面已介绍): , 用于描述 “失败” 与 “成功” 或发生与不发生的随机事件. (2) 二项分布(即重贝努里试验): , , 其中. 以后记为: . (注: 当时, 即为0-1分布) (3) 普哇松(Poisson)分布: 若随机变量满足的分布律为 , , 则称服从参数的普哇松分布, 记作. 这种概率模型的实际背景通常是： (i) 公交车站的候车人数; (ii) 商场里的顾客数; (iii) 一段时间内某路口的车辆通过数, 等场合. 2 随机变量的分布函数的可能取值在某区间上, 那么用前面讲述的方法, 就不适用了, 因为区间上的值“无穷多个连续值”, 无法“一一列举”, 也就无法古典概率定义计算概率. 为此, 我们引入分布函数的概念. 一、概念 定义设是随机变量, 对任意, 事件的概率 称为随机变量的分布函数. 记为即 ”上的概率, 如下图2 譬如, 取等, 则表达式: 表示在范围内的概率值, 即为相应的分布函数值. 再如取的表示式 , , , 它们的意义类似. 易知, 对任意实数, 集合如下图3所示 用区间来表示, 即为 , 由概率的减法和分布函数的定义, 得随机变量在这样一个区间的分布函数为 . 二、分布函数的性质 的直观图形特征如下图4 分布函数具有如下基本