第1节 随机变量及其分布.ppt

二、离散型随机变量的概率分布 三、随机变量的分布函数 四、连续型随机变量的概率密度 求 X 的概率分布函数F(x). 例8 解 例9 解 已知随机变量 X 的概率密度函数为 确定系数 A，并求 X 的概率分布函数F(x). 1 例10 三个同一种电气元件串联在一个电路中，元件的寿命是随机变量(小时)，假设其概率密度为 且三个元件的工作状态相互独立．试求， (1) 该电路在使用了150小时后，三个元件都仍能正常工作的概率α； (2) 该电路在使用了300小时后，至少有一个元件损坏的概率β． * 第二章 本章用定量的方法，从整体上来研究随机现象. 随机变量的分布和数字特征 第一节 在实际问题中，随机试验的结果可以用数量来表示，由此就产生了随机变量的概念. 1. 有些试验结果本身与数值有关(本身就是一个数). 例如，掷一颗骰子面上出现的点数； 2009年8月份重庆的最高温度； 每天从重庆下火车的人数； 昆虫的产卵数； 一、随机变量的概念和例子 2. 在有些试验中，试验结果看来与数值无关， 但我们可以引进一个变量来表示它的各种结果. 也就是说，把试验结果数值化. 例1 抛一枚硬币，观察正反面的出现情况. 我们引入记号： 显然，该试验有两个可能的结果： 于是我们就可以用 表示出现的是正面， 而用 表示出现的是反面. X就是一个随机变量. 定义 设随机试验E的样本空间是Ω，若对于每一个e∈Ω, 有一个实数X(e)与之对应, 即X=X(ω)是定义在Ω上的单值实函数，称它为 随机变量(random variable, 简记为r.v.). X(ω) R 这种实值函数与在高等数学中大家接触到的函数一样吗？ ω. （1）它随试验结果的不同而取不同的值， 因而在试验之前只知道它可能取值的范围，而不能预先肯定它将取哪个值. （2）由于试验结果的出现具有一定的概率， 于是这种实值函数取每个值和每个确定范围内的值也有一定的概率. 随机变量通常用大写字母X,Y,Z或希腊字母 等表示. 随机事件是从静态的观点来研究随机现象，而随机变量则是一种动态的观点. 随机变量概念的产生是概率论发展史上的重大事件. 引入随机变量后，对随机现象统计规律的研究，就由对事件及事件概率的研究扩大为对随机变量及其取值规律的研究，并可以用数学分析的方法对随机试验的结果进行广泛深入的研究和讨论. 分类：实际中遇到的随机变量有 两大类型 连续型随机变量 离散型随机变量 如果随机变量 X 只取有限或可列无穷多个值， 则称 X 为离散型随机变量. 对于离散型随机变量，关键是要确定： (1)所有可能的取值是什么？ (2)取每个可能值的概率是多少？ 称之为离散型随机变量 X 的分布律或概率分布. 定义 或写成如下的表格形式： 例1 袋中有2只蓝球3只红球，不放回抽取3只，记X为抽得的蓝球数，求 X 的分布律. X 可能取的值是0,1,2， 解 所以X的分布律为 或表示为 例2 设一汽车在开往目的地的路上需经过三组信号灯，每组信号灯以0.5的概率允许或禁止汽车通过.以X表示该汽车首次遇到红灯前已通过的路口的个数(设各盏信号灯的工作是相互独立的)，求 X的概率分布. 依题意, X 可取值 0, 1, 2, 3. 设 Ai={第i个路口遇红灯}, i=1,2,3 路口3 路口2 路口1 解 路口3 路口2 路口1 路口3 路口2 路口1 路口3 路口2 路口1 不难看出 所以 X 的分布列为 例3 在下列情形下，求其中的未知常数a，已知随机变量的概率分布为： 解 (1) 由规范性, (2) 若试验 E 满足条件： (1) 各次试验独立进行； 将试验 E 重复n次, 则称为n重伯努利试验. 例如，打靶命中或不命中；抛硬币出现正面或反面；抽检产品抽到正品或次品，等等，都可以视为伯努利试验. (2) 每次试验只有两种结果：事件A发生或不发生， 伯努利(Bernoulli)试验(独立重复试验) 作一次伯努利试验的成功次数 X 所服从的分布： 或用公式表示 称X 服从参数为 p 的 0-1分布. 在贝努利试验中，每次成功的概率为p，若记 X 为首次成功时所做的试验数，则 X 服从的概率分布为： 验证规范性： 称X 服从参数为 p 的几何分布. 例4 某人有 n 把钥匙，仅有一把能打开门，随机选一把试开，开后放回，直至打开为止，求第s次才打开门的概率. 解 开门次数 X 服从几何分布， 为了对各类随机变量作统一研究，下面给出既适合于离散型随机变量又适合于连续型随机变量的概念——随机变量的分布函数. 定义 设 X为随机变量，称实