第3章概率-概率分布、均值与方差.pptVIP

二、离散型随机变量 第三章 概率 第二节 概率分布、均值与方差 一、随机变量的概念 对于随机试验，其样本空间Ω为所有试验结果的集合： Ω={ω} 将随机试验的结果与一个变量X联系起来。这个变量X的取值与随机试验的结果相对应。 例1. 抛硬币：Ω={正，反} 变量X: {X=1}={正}, {X=0}={反}, 例2.测试日光灯管的使用寿命： Ω=[0,+∞) 变量X：日光灯管的寿命，事件：{X1000}，{2000X3000} P {X1000}，P {2000X3000} 随机变量： 1.取值表示随机试验的结果； 2.事先（试验前）不能确定其取值； 3.取值具有统计规律性 我们可以把随机变量看作一个函数，它与样本空间中的每一个元素都有对应的关系，它的定义域就是这个样本空间，值域是一个实数集合。 1. 离散型随机变量-其取值可以一一列出 例1.随机变量X1：抛硬币的结果 X1 0 1 P 0.5 0.5 例2. 随机变量X2:某篮球运动员在10次投篮中命中的次数 X2 0 1 2 3 4 5 6 7 8 9 10 P 0.000 0.002 0.011 0.042 0.111 0.201 0.251 0.215 0.121 0.040 0.006 随机变量的概率分布，它把随机变量的每一个取值与一个概率相对应。概率分布反映了随机变量取值的统计规律性：随机变量取各个数值的概率分布状况和分布特征。 X x1 x2 …… xn …… P{X=Xi} …… …… 2.离散型随机变量的概率分布 概率分布的两个条件： ① 非负，小于等于1: ② 随机变量取各个值的概率总和等于1 3. 离散型随机变量的数字特征 （1）数学期望 离散型随机变量的数学期望可以看作为随机变量的取值与其相应的概率作为权数的一个加权平均数。定义如下： 反映随机变量取值的集中趋势——平均状态 继续例2. 随机变量X2:某篮球运动员在10次投篮中命中的次数，其概率分布为 随机变量X2的数学期望E(X2)=0*0.000+1*0.002+……+10*0.006=6 X2 0 1 2 3 4 5 6 7 8 9 10 P 0.000 0.002 0.011 0.042 0.111 0.201 0.251 0.215 0.121 0.040 0.006 （2）随机变量的方差 反映随机变量取值的离散趋势——波动程度的最常见的指标是方差 若X是某一概率分布为 ，i=1,2,…,n,数学期望为 的离散型随机变量，其方差被定义为： 继续例2. 随机变量X2:某篮球运动员在10次投篮中命中的次数，其概率分布为 X2 0 1 2 3 4 5 6 7 8 9 10 P 0.000 0.002 0.011 0.042 0.111 0.201 0.251 0.215 0.121 0.040 0.006 随机变量的标准差 三、 连续型随机变量 1. 连续型随机变量 连续型随机变量：一个随机变量取值的集合为无穷不可数集合。 每当一个概率问题包含的可能结果可以是任意实数时，它就要采用连续型随机变量。这样的问题是极为普遍的，例如，人的身高、等候公共汽车的时间、公众收看电视的时间等都是连续型随机变量。 73 64 92 85 64 82 89 63 63 73 65 81 71 62 59 63 94 79 77 73 76 72 73 61 68 66 83 76 91 74 102 77 96 82 89 92 67 72 68 83 75 89 76 69 93 84 80 87 67 85 45 51 77 75 84 87 60 77 72 68 92 59 99 85 71 81 89 96 86 66 86 82 65 74 77 72 76 64 75 96 71 61 67 59 43 78 101 71 78 90 76 68 75 66 63 77 94 66 66 78 58 59 67 84 72 77 81 70 70 83 65 92 62 65 61 93 83 79 62 81 63 83 84 85 71 94 62 75 81 65 76 74 70 74 71 71 89 62 90 75 81 88 68 63 88 103 77 88 78 92 69 58 72 89 78 68 80 73 86 74 86 77 79 78 79 64 88 65 116 62 98 65 82 61 74 68 86 79 62 66 98 79 61 62 88 84 80 71 65 54 57 98 49 94 79 76 97 68 73 107 随机抽取200位网民，测得其