概率论与数理统计第6讲3.30.doc

概率论与数理统计第6讲（夜大） 随机变量及其分布 第一节 随机变量 概率与数理统计是从数量上来研究随机现象的统计规律的。为了抽象到数学的推导和计算，必须要把随机事件数量化。当我们进行某种实验和观测时，由于随机因素的影响，试验结果也不一样，我们把一个随机试验的不同结果用一个变量来表示时，就是随机变量。顾名思义，随机变量就是“其值随机会而定”的变量，正如随机事件是“其发生与否随机会而定”的事件，机会表现为实验结果，一个随机试验有许多可能的结果，到底出现哪一个要看机会，即有一定的概率。一个简单的例子如掷骰子，掷出的点数X是一个随机变量，它可以取1，2，…，6等6个值。到底是哪一个，要等掷了骰子以后才能知道。因此也可以说，随机变量就是试验结果的函数。 再比如，一开始我们介绍的抛掷硬币三次的随机试验，如果我们关心出现正面的情况，我们就可以用一个变量来表示出现正面的次数， 样本点 HHH HHT HTH THH HTT THT TTH TTT X 值 3 2 2 1 1 1 1 0 这样，变量取不同的数，就对应不同的样本点，从而我们就通过这个变量建立了样本点和数字之间的一个对应关系，也就是数学中的函数关系。 定义：设随机试验的样本空间为。是定义在样本空间S上的实值单值函数。称为随机变量。 随机变量建立了样本点与实数之间的单值对应关系。 随机变量的取值随试验结果而定，而试验的各个结果的出现是有一定概率的。因而随机变量的取值就有一定的概率。例如，上面例子中 类似地，有 一般地，若L是一个实数集合，将X在L上取值写成（）。它表示事件，即B是由S中使得的所有样本点所组成的事件，此时有 随机变量的特点：（1）随机变量的取值具有随机性。随机变量是随着试验结果而变的量。在一次实验中，若出现样本点，则X就取实数值X（）。由于在一次实验中出现哪一个样本点事先不能预知，因而X的值也就不能事先确定。（2）随机变量的取值具有一定的概率，即具有统计规律性。（3）随机变量是定义在样本空间S上的函数。与普通函数相比，它们都可以看成是随自变量变化的因变量，其值域也都是实数或其子集。但是，普通函数的定义域是实数集，而随机变量的定义域是样本空间S。也就是说，随机变量是从样本空间到某实数集的一个单值映射。 离散型随机变量及其分布律 有些随机变量，它全部可能取到的不相同的值是有限个或可列无限多个，这种随机变量称为离散型随机变量。 容易知道，要掌握一个离散型随机变量X的统计规律，必须且只需知道X的所有可能取的值以及取每一个可能值的概率。 设离散型随机变量X所有可能取的值为，X取各个可能值的概率，即事件的概率，为 由概率的定义，满足如下两个条件： （1） ； （2） 。 （2）是由于是必然事件，且故即。 我们称上述表达式为离散型随机变量X的分布律。分布律也可以用表格的形式表示： 这个表格直观地表示了随机变量X取各个值的概率的规律。X取各个值各占一些概率，这些概率加起来是1，可以想象成：概率1以一定的规律分布在各个可能值上。这就是上式称为分布律的缘故。 例1 常数时，为离散型随机变量的分布律。 （1） 2；（2）1；（3）1/2；（4）3 解：因为数列为离散型随机变量的分布律，所以有 从而。所以选（2）。 下面介绍三种重要的离散型随机变量。 （一） （0—1）分布 设随机变量X只可能取值0和1，它的分布律为 则称X服从（0—1）分布或两点分布。 （0—1）分布的分布律可以写成 0 1 对于一个随机试验，如果它的样本空间只包含两个元素，即，我们总能在S上定义一个服从（0—1）分布的随机变量 来描述这个随机试验的结果。例如对新生婴儿的性别进行登记，检查产品是否合格，抛掷硬币试验等等都可以用（0—1）分布的随机变量来描述。（0—1）分布是经常遇到的一种分布。 （二） 贝努利试验、二项分布 设试验E只有两个可能结果：和，则称E为贝努利试验。设，此时。将E独立地重复进行次，则称这一串重复进行的独立试验为重贝努力试验。 需要说明的是，这里的“重复”是指在每次实验中保持不变；“独立”是指各次试验的结果互不影响，即若以表示第次试验的结果，为或，，“独立”是指 重贝努利试验是一种很重要的数学模型，它有广泛的应用，是研究最多的模型之一。 以X表示重贝努利试验试验中事件A发生的次数，X是一个随机变