随机变量与概率分布.pptVIP

第六章 随机变量与概率分布 6.1 随机变量 6.2 概率分布及其种类 6.3随机变量的期望、方差与矩 6.4 重要的离散型概率分布 离散型随机变量：所谓离散型随机变量，简单的说就是变量的取值只能用整数来进行表示的随机变量, 例：1）某家电专营公司在12月1日销售出去的洗衣机数量，X=0，1，2…… 2）一个车间有15台车床，在某一时刻t内，可能发生故障的车床数量为X=0，1，2…. 连续型随机变量：随机变量在某个区间取值，或其取值只能在某一个区间进行反映，这样的随机变量称之为连续型随机变量。 例： 1）一只灯泡的寿命T=（0，∞）。 2）钢板的抗压强度R=(15T/㎡,22T/ ㎡) 6.2 概率分布及其种类 6.2.1概率分布： 随机变量的取值带有不确定性，要想完整的对随机变量的特征进行描述，必须与概率的讨论联系起来。就像我们曾经学习过的频数分布表编制，概率分布的研究也具有相似的道理。 由变量值及其发生概率组成的统计数列，称作概率分布 二、连续型随机变量及其分布 连续型随机变量的取值不能象离散型随机变量取值那样一一列举出来。 例如，设车床加工某种零件的尺寸为 ，加工出来的零件尺寸是一个随机变量，它的取值充满了区间[19.5 , 20.5]，不能一一列举出来。它是一个连续型随机变量，无法列出它的分布列，因此我们只能考虑其位于某一区间的概率。 人们发现，连续型随机变量位于任一区间[a ,b]上的概率可用某一函数f(x)在区间[a,b]上的定积分来计算。 并且把函数f(x)叫做随机变量的概率分布密度。 连续型概率密度的性质： （1）P（aXb）=F(b)-F(a) (2) 如果 算例：试说明： f(x)= 6.3 随机变量的期望、方差及矩 期望就是变量这与其发生概率的加权算术平均数。 例：随机变量X的概率分布为： X: 0 1 2 3 P: 小结 6.3.2 方差 方差是随机变量与其期望离差平方的数学期望。方差的基本计算公式为： Var(x)=E((x-E(x))2) 对于离散型随机变量： 方差性质： （1）c为任一常数，则var(c)=0 (2) a,b为常数，X=aX′+b,则： Var（X）=a2Var(X′) (3)随机变量X，Y相互独立，则： Var（X+Y）=Var（X）+Var（Y） Bernoulli分布的概率背景 说 明 显然，当 n=1 时 密度函数的验证 指数分布： 例：某种晶体管的寿命 的分布密度为 例：某型号小汽车的使用寿命近似服从均值为15年，标准差为2.5年的正态分布，问某人购买了一辆这种型号的小汽车其寿命不超过10年的概率是多少？ 例：英语四级统考中，考生的成绩服从于正态分布N（70，102），已知及格人数为100人，试计算： （1）不及格人数 （2）成绩前在20名的人数在考生中所占的比例 （3）第20名考生的成绩 已知某年级200名学生考试成绩成正态分布，均值为85，标准差为10分，某学生考试分数为70分，问全年级成绩比这个学生分数低的人数是多少？ 第四节 标志变异指标 概念：又称标志变动度，是反映总体各单位标志值之间差异大小的综合指标， 极 差(概念要点及计算公式) 1. 一组数据的最大值与最小值之差 2. 离散程度的最简单测度值 3. 易受极端值影响 4. 未考虑数据的分布 平均差(概念要点及计算公式) 1. 离散程度的测度值之一 2. 各变量值与其均值离差绝对值的平均数 3. 能全面反映一组数据的离散程度 4. 数学性质较差，实际中应用较少 平均差（计算过程及结果） 方差和标准差(概念要点) 1. 离散程度的测度值之一 2. 最常用的测度值 3. 反映了数据的分布 反映了各变量值与均值的平均差异 根据总体数据计算的，称为总体方差或标准差；根据样本数据计算的，称为样本方差或标准差 总体方差和标准差(计算公式) 未分组数据： 总体标准差（计算过程及结果） 样本方差和标准差(计算公式) 未分组数据： 样本方差自由度(degree of freedom) 一组数据中可以自由取值的数据的个数。 当样本数据的个数为 n 时，若样本均值?x 确定后，只有n-1个数据可以自由取值，其中必有一个数据则不能自由取值。 例如，样本有3个数值，即x1=2，x2=4，x3=9，则 ?x = 5。当 ?x = 5 确定后，x1，x