第二章线性代数.pptVIP

例2 向半径为R的圆形靶射击，击中点落在以靶心O为中心,x为半径的圆内的概率与该圆的面积成正比，并且不会发生脱靶的情况.以 表示击中点与靶心O之间的距离，求 的分布函数. 解 显然，当 时，有 又由题意，当 时， 当 时,按题意,有 O R 从而 注意,此分布函数为一连续函数.因此,存在着与离散型随机变量不同的另一种随机变量. 由于 故 于是 下面我们来分析一下这一类随机变量的一些特征.为此,令 则有 这就是说,该例中的分布函数可以表示为某一非负函数在 上的积分.这不是偶然的.事实上, 它是一大类随机变量的分布函数所具有的共同特征,这一类随机变量就是我们下面要讲的连续型随机变量. 第四节 连续型随机变量的概率密度 一.概率密度及其性质 定义 如果随机变量 X 的分布函数可表示成 其中 为非负的函数,则称 X为连续型随机变量, f(x)称为X的概率密度函数,简称为概率密度或密度. 记作 概率密度具有如下两条基本性质: 另外,连续型随机变量还具有如下性质: 2) 在 的连续点处,有 1) 4) 连续型随机变量取任何一个指定值的概率为0. 即,对于任意常数C,有 5) 若 是连续型随机变量,则 3) 连续型随机变量的分布函数是连续函数. 因为 例1 已知随机变量的 的概率密度为 且 试确定常数 并求 解 解方程组得 从而 例2 设随机变量 X 和 Y 具有相同的分布函数，X 的概率密度为 已知事件 与 相互独立，且 求常数a. 解 由题设知 解得 于是 又由题设 由此可知应有 二. 三种重要的连续型分布 (一 )均匀分布(Uniform Distribution) 如果随机变量 的概率密度为 则称 在［a,b]上服从均匀分布，记为 上式表明, 落在区间[a,b]中任意等长度的子区 间内的概率是相同的.在这个意义上我们说,服从均匀分布的随机变量在其可能取值的区间内具有等可能性. 设 则 例3 设随机变量 现在对 进行三次 独立的观测，求至少有两次观测值大于3的概率. 解 由题设知 的概率密度为 于是 若以Y表示三次独立观测中观测值大于3的次数(即在三次试验中{X3}出现的次数),则 故所求的概率为 二.指数分布(Exponential Distribution) 如果随机变量 的概率密度为 则称 X 服从参数为 的指数分布. （其中 是常数） 如果随机变量 的概率密度为 （其中 是常数） 注：教育部关于研究生入学考试的大纲上对指数分布的定义如下： 则称 X 服从参数为 的指数分布. 易知，若 则其分布函数为 指数分布在排队论和可靠性理论中有广泛的应用，常常用它来作为各种“寿命”的分布的近似.例如,电子元件的寿命,电话的通话时间,微生物的寿命,随机服务系统中的服务时间等都可认为是近似服从指数分布. 指数分布的一个重要性质就是“无后效性”或“无记忆性”.具体叙述如下. 设 则对于任意的 s 0, t 0,有 事实上，有 假如把服从指数分布的随机变量解释为某元件工作的寿命,则上式表明,在该元件已工作了s小时的条件下,它还能继续工作t小时的概率与已经工作过的时间s无关.换句话说,如果元件在时刻s还“活着”,则它的剩余寿命的分布还是原来寿命的分布,而与它已工作了多长的时间无关.所以有时又称指数分布是“永远年轻”的.值得指出的是,我们可以证明,指数分布是唯一具有无记忆性的连续型分布. 下面的例子说明了泊松分布和指数分布之间的关系。 即 服从参数为 指数分布。 例4 设某电子元件的寿命X(单位:小时)服从 的指数分布,(1)求该元件使用500小时没 有坏的概率; (2)若已知该元件使用了200小时没有坏,求它还可以继续使用500小时的概率. 解 设X的分布函数为F(x),则 (1) 所求的概率为 (2)由指数分布的无记忆性,有 三.正态分布(Normal Distribution) 若随机变量 X 的概率密度为 则称 服从参数为 的正态分布.记为 称相应的分布函数为正态分布,相应的概率密度为正态密度.服从正态分布的随机变量统称为正态变量. 正态变量的分布函数为 正态分布是概率论中最重要的一个分布.高斯在研究误差理论时曾用它来刻划误差,所以又称为高斯分布.经验表明,许多实际问题中的随机变量,如测量误差,炮弹落点的分布,人的身高,学生考试的成绩,农作物的产量,产品的尺寸等都可以认为服从正态分布.在理论上,正态分布具有很多优良的性质,许多分布都可以用正态分布来逼近,还有一些分布可以由正态分布来导出. 若 则称 服从标准正态分布. 其概 率密度函数通常用 表示,分布函数记作 的图