一维随机变量及其分布1.pptVIP

 第 二 章  随 机 变 量 及 其 分 布 第2.1节 一维随机变量及其分布 1. 随机变量的定义 二、分布函数的概念 2.分布函数的性质 三、例题讲解 四、小结 2.1 离散型随机变量及其分布律(2) 一、离散型随机变量的分布律 二、常见离散型随机变量的概率分布 泊松定理 7.超几何分布 三、小结 伯努利资料 泊松资料 第2.1节　连续型随机变量 及其概率密度 一、概率密度的概念与性质 二、常见连续型随机变量的分布 三、小结 备份题 Gauss 标准正态分布的图形 解 例6 证明 解 例7 例8 证明 证明 分布函数 2. 常见连续型随机变量的分布 均匀分布 正态分布(或高斯分布) 指数分布 正态分布有极其广泛的实际背景, 例如测量 误差; 人的生理特征尺寸如身高、体重等 ; 正常 情况下生产的产品尺寸:直径、长度、重量高度; 炮弹的弹落点的分布等, 都服从或近似服从正态 分布.可以说,正态分布是自然界和社会现象中最 为常见的一种分布, 一个变量如果受到大量微小 的、独立的随机因素的影响, 那么这个变量一般 是一个正态随机变量. 3. 正态分布是概率论中最重要的分布 另一方面,有些分布(如二项分布、泊松分布)的极 限分布是正态分布.所以,无论在实践中,还是在理 论上,正态分布是概率论中最重要的一种分布. 二项分布向正态分布的转换 解 例1 例2 故有 解 (1) 因为 X 是连续型随机变量, 解 则有实根的概率为 例3 Born: 30 April 1777 in Brunswick, Duchy of Brunswick (now Germany)Died: 23 Feb 1855 in G?ttingen, Hanover (now Germany) Carl Friedrich Gauss 2. 假设从一个湖里捉出1000条鱼,作上标记后放回,隔一段时间后重新又捉1000条鱼发现其中100条有标记,试据此对湖中鱼的总数作出估计. 例 (人寿保险问题)在保险公司里 有2500个同年龄同社会阶层的人参加了人寿保险,在每一年里每个人死亡的概率为0.002,每个参加保险的人在1月1日付12元保险费,而在死亡时,家属可在公司里领取200元.问 (1)保险公司亏本的概率是多少? (2) 保险公司获利不少于一万元的概率是多少? 保险公司在1月1日的收入是 2500?12=30000元 解 设X表示这一年内的死亡人数,则 保险公司这一年里付出200X元.假定 200X?30000,即X ?15人时公司亏本. 于是,P{公司亏本}=P{ X ?15}=1-P{X 14} 由泊松定理得 P{公司亏本} (2) 获利不少于一万元,即 30000 -200X ?10000 即X?10 P{获利不少于一万元}=P{X?10} Jacob Bernoulli Born: 27 Dec 1654 in Basel, SwitzerlandDied: 16 Aug 1705 in Basel, Switzerland Born: 21 June 1781 in Pithiviers, FranceDied: 25 April 1840 in Sceaux (near Paris), France Siméon Poisson 一、概率密度的概念与性质 二、常见连续型随机变量的分布 三、小结 性质 证明 1.定义 1 证明 x x p 0 ) ( 同时得以下计算公式 注意 对于任意可能值 a ,连续型随机变量取 a 的概率等于零.即 证明 由此可得 连续型随机变量的概率与区间的开闭无关 设X为连续型随机变量 ，X=a 是不可能 事件,则有 若 X 为离散型随机变量, 注意 连 续 型 离 散 型 解 例1 1. 均匀分布 概率密度 函数图形 分布函数 均匀分布分布函数图形演示 例3 设随机变量 X 在 [ 2, 5 ]上服从均匀分布, 现 对 X 进行三次独立观测 ,试求至少有两次观测值 大于3 的概率. X 的分布密度函数为 设 A 表示“对 X 的观测值大于 3 的次数”, 解 即 A={ X 3 }. 因而有 设Y 表示3次独立观测中观测值大于3的次数, 则 2. 指数分布 指数分布密度 函数图形演示 某些元件或设备的寿命服从指数分布.例如无线电元件的寿命 , 电力设备的寿命, 动物的寿命等都服从指数分布. 应用与背景 分布函数 指数分布分布函数图