第二章 随机变量及其分布.pptVIP

第二章 随机变量及其分布 §2.1 随机变量及其分布 (1) 掷一颗骰子，出现的点数 X=1，2，……，6. (2) n个产品中的不合格品个数 Y =0，1，2，……，n (3) 某商场一天内来的顾客数 Z =0，1，2，…… (4) 某种型号电视机的寿命 T= [0, +?) (5) 抛掷一枚硬币正反面结果 O= 1, 0 2.1.1 随机变量的定义 定义2.1.1 设 ? ={?}为某随机现象的样本空间， 称定义在?上的实值函数X=X(?)为随机变量. 注 意 点 (1) 注 意 点 (2) 两类随机变量 若随机变量 X 可能取值的个数为有限个或 可列个，则称 X 为离散随机变量. 若随机变量 X 的可能取值充满某个区间 [a, b]，则称 X 为连续随机变量. 前例中的 X, Y, Z ,O为离散随机变量； 而电视机寿命T 为连续随机变量. 2.1.2 随机变量的分布函数 定义2.1.2 设X为一个随机变量，对任意实数 x，称 F(x)=P( X? x) 为 X 的分布函数. 注意：1、 X是随机变量, x是实变量. 2、函数终于忍不住参与进来表述概率 2.1.3 离散随机变量的分布列 设离散随机变量 X 的可能取值为： x1，x2，……，xn，…… 称 pi=P(X=xi)， i =1, 2, …… 为 X 的分布列. 分布列也可用表格形式表示： 分布列的基本性质 (1) pi ? 0， (非负性)； (2) (正则性) 注 意 点 (2) 2.1.4 连续随机变量的密度函数 连续随机变量X的可能取值充满某个区间 (a, b). 因为对连续随机变量X，有P(X=x)=0， 所以无法仿离散随机变量用 P(X=x) 来描述连续随机变量 X 的分布. 注意离散随机变量与连续随机变量的差别. §2.2 随机变量的数学期望 平均成绩的计算 两种分法（现实普遍分法是各自取回原赌本） 1. 按已赌局数分： 则甲分总赌本的2/3、乙分总赌本的1/3 2. 按已赌局数和再赌下去的“期望” 分： 因为再赌两局必分胜负，共四种情况： 甲甲、甲乙、乙甲、乙乙 所以甲分总赌本的3/4、乙分总赌本的1/4 //3学时 2.2.1 数学期望的概念 若按已赌局数和再赌下去的“期望” 分， 则甲的所得 X 是一个可能取值为0 或100 的随机变量，其分布列为： 2.2.2 数学期望的定义 定义2.2.1 设离散随机变量 X 的分布列为 P(X=xn) = pn, n = 1, 2, ... 若级数 2.2.3 数学期望的性质 定理2.2.1 设 Y=g(X) 是随机变量X的函数（ Y 也是随机变量），若 E(g(X)) 存在，则 §2.3 随机变量的方差与标准差 数学期望反映了X 取值的中心. 方差反映了X 取值的离散程度（集中度）. 方 差 注 意 点 3、方差反映了随机变量相对其均值的偏离程度. 4、方差越大, 则随机变量的取值越分散. 5、方差越大,表明其均值的代表性越差 2.3.2 方差的性质 课堂练习 随机变量的标准化 2.3.3 切比雪夫不等式 小笑话 某高校教学秘书评价教师教学效果 认真地计算出各位老师所教学生成绩的期望与方差 按照方差从大到小将教师排序 排到首位的获得优秀 §2.4 常用离散分布 3 泊松分布 若随机变量 X 的概率分布为 4. 超几何分布（了解） 超几何分布的二项近似 5. 几何分布（了解） 常用离散分布的数学期望、方差 §2.5 常用连续分布 正态分布、均匀分布、指数分布 伽玛分布、贝塔分布 2.5.1 正态分布（最重要的分布） 正态分布问题 背景：一个量受到许多微小的独立随机因素影响，那么就可以认为这个量具有正态分布。 1、例如： 同一种生物体的身长、体重； 产品的强力、抗压强度、口径、长度； 弹着点沿某一方向的偏差； 年降水量，等等 2、正态分布具有很多良好的性质，许多概率分布可以用它来近似表述； 高尔顿试验 正态分布小结 正态随机模型特征—大量、微小影响因素 正态密度函数的形状—钟形曲线 正态分布的标准化—N(0,1） 标准正态分布函数?(x) 的性质以及转换 查表----?(x) 常用连续分布的数学期望、方差 §2.6 随机变量函数的分布 §2.7