2.1-2.2 随机变量及其分布.ppt

* 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． * 解 (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； 表示 “在使用了150个小时后，第k个元件仍然能正常工作 ”： * 解 (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． * 例11 已知连续型随机变量 X 的分布函数为： 解 称具有上述分布的随机变量为服从柯西分布. * 第二章练习： *一、1—6；三、1、，2，3 习题二（ P77） 1、2、3、4、9、13、14、15、16、18、19、20、22、23、26、27、29、31、34、40、41、47、52、53、55、62、63、66、68、69、70、72 问题： 设随机变量 X 的分布已知，如何求连续函数Y = g (X) 的分布？ 方法：分离散型与连续型研究. 第二节 随机变量函数的分布 * * 一、离散型随机变量函数的分布 例1 设随机变量 X 的概率分布为 解 求 2X+1 及 X 2 的概率分布. * 例1 设随机变量 X 的概率分布为 解 求 2X+1 及 X 2 的概率分布. 注意：取值相同的概率应相加. * 如果 g(xk) 中有一些是相同的, 把它们作适当并项 即可. 一般，若X是离散型随机变量，X 的概率分布为 则 Y = g (X) 的概率分布为 二、连续型随机变量函数的分布 * 步骤(方法如下)： 定理2.1，2.2： * * 例2 设随机变量 X 具有概率密度 解 求随机变量 Y = 2X + 8 的概率密度. 设 X, Y 的分布函数为 FX(x), FY(y), 于是 Y 的密度函数为 * * 例3 解 设 X 具有概率密度 ,求Y=X 2的概率密度. 求导可得 注意到 设X,Y的分布函数为 FX(x), FY(y), 略 * 则 Y=X 2 的密度为 其概率密度为 ?2 分布简介 * * 注： 称 X 服从自由度为 n 的 ?2 分布. * 例4 解 所以 综上所述，有 设随机变量 X 的概率密度为 * 解 例5 设随机变量 X 的概率密度为 * 所以 综上所述，有 * 第二章练习： *一、1—6；三、1、，2，3 习题二（ P77） 1、2、3、4、9、13、14、15、16、18、19、20、22、23、26、27、29、31、34、40、41、47、52、53、55、62、63、66、68、69、70、72 * * * * 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 §2.1 随机变量及其概率分布 * 在公理化定义中，概率实际上是事件集与数集之间的映射，因而它不是函数，如此一来，许多先进的数学方法，比如说微积分方法就不能用于概率。 一、随机变量的概念和分类 如何克服这一缺点呢? 方法是：寻找一个点集，使之充当“中途点”，让样本空间的事件集对应于这个点集，然后再去研究这个点集与0，1区间的映射（即函数），这样就为微积分方法用于概率铺平了道路。 下面就向大家介绍这一方法 * 定义 设随机试验E的样本空间是Ω，若对于每一个样本点（基本事件）ω∈Ω, 有一个实数X=X(ω) 与之对应, 即X=X(ω)是定义在Ω上的单值实函数，由于ω是随机事件，故称X为 随机变量(random variable, 简记为r.v.). X(ω) R ω. 例1 抛一枚硬币，观察正反面的出现情况. * （1）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）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. 随机变量的两条性质： * 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：实际中常研究的随机变量有 两大类型 连续型随机变量 离散型随机变量 * 二、随机变量的分布函数 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。