概率论数理统计第四章同济.pptVIP

第四章 随机变量及其分布 随机变量 二　一维离散型随机变量 三　一维连续型随机变量 二. 一维离散型随机变量 1 概率函数 2 分布函数 3 常见离散型分布 2 分布函数 3 常见离散型分布 三.一维连续型随机变量 1 概率密度函数 2 常见连续型随机变量 进一步有 例:公共汽车站每隔5分钟有一辆车通过,乘客在5分钟内任一时刻到达汽车站是等可能的,求乘客候车时间在1到3分钟内的概率. 例:根据历史资料分析，某地连续两次强地震之间间隔的时间是一个随机变量，服从参数为0.1的指数分布。现在该地刚发生了一次强地震，试求（1）今后三年内再次发生强地震的概率；（2）今后三至五年内再次发生强地震的概率。 例6∶某人上班所需时间（单位∶分钟）X：N（50,100），己知上班时间为早晨8点，他每天7点出门，试求 （1）某天迟到的概率； （2）某周（按五天计）最多迟到一次的概率。 例7∶某地抽样调查结果表明，考生的外语成绩（百分制）X服从N（72， ），且96分以上的同学占2.3%，试求考生的成绩在60分至84分之间的概率． 常见连续型随机变量 均匀分布 指数分布 正态分布 a b c a b 1 0 0 1 0 1.概率密度函数 x f（x） 0 F（x） a b * 一.　随机变量 1 概率函数 * 由性质（2）可知： 设有同类产品100件，其中5件次品、 95件正品。现从中任取20件产品， 问抽到的次品数是多少？ “次品数”的值在试验前无法给出确定的答案， 但是另一方面，对于每一次的抽取结果，次品 数又是完全确定的，是由试验的结果来决定取 什么值的一个量，不同的结果对应不同的取值， 因此次品数是一个变量，称之为随机变量。 本例中，记次品数为X，则X可能取值为0、1、 2、3、4、5。 许多随机试验的结果（即随机事件）都与 实数密切相连。进一步的例子： 抛一枚骰子出现的点数就是一个随机变量X。我们看到样本空间可以量化为一个数集： ，而X可能取值为1至6。 n重贝努利试验中事件A发生的次数。 抛一枚硬币，其结果为{出现正面向上， 出现反面向上}。样本空间是一个一般 的集合，而不是一个数集。但是我们可 以人为地把试验结果和实数对应起来。 令 从数学上看，上述对应关系犹如一个函数， 即对于样本空间中的任意一个元素， 它对应的函数值为；对于样本空间本 身就是一个数集的试验，我们可以理解成 如下函数：，对一切 比对上述几个例子。 定义： 给定一个随机试验，是它的 样本空间。如果对中的每一个样本点， 有一个实数与它对应，那么就把这 个定义域为的单值实值函数 称为是（一维）随机变量。 把随机变量X的值域记作， 则。用大写字母 X，Y，Z等来表示随机变量。 引进随机变量后，随机事件及其概率 可以通过随机变量来表达。 例1中，随机事件{抽取的20件产品中恰 有三件次品}可以表示为{X=3}。 例2中，A={出现奇数点}A={X=1，3，5} 而P（A）=P（{X=1，3，5}）=1/2 例4中，A={出现正面向上}={X=1}， P（A）=1/2 一般地，对实数轴上任意一个集合S，如果S 对应的样本点构成一个事件A，即 ，那么便用来表示 事件A，用来表示事件A的概率P（A）。 引进随机变量后，目的是通过随机变量 来研究随机现象。 站在试验前的立场，我们不知道试验结果 将出现中的哪个样本点，即不知道随机 变量将会取中的哪个值。因此随机变量 的取值是随机的，进一步随机变量的取值 的规律性也就反应了随机现象的统计规律性。 结论：引进随机变量（本质上是一个函数）， 借助微积分等数学工具来研究随机变量取值 的统计规律性。描述这种规律性的各种表达 形式称为分布。 定义：如果一个随机变量只可能取有限 个或可列无限个值，那么称这个随机变 量为（一维）离散型随机变量。 离散型随机变量的分布的表现形式称为 概率函数。 设，且， 其中满足（1）；（2）。 那么称，为随机变量 X的概率函数或概率分布（律）。常用表格表示， 其中概率为零的项不必列出，为方便起见，常 按次序排列X的值。 盒中5球，2白3黑。今从中任取三球， 求“取得的白球数”的概率函数。 从一批含有10件正品、3件次品的产品 中一件一件地抽取，设每次取样时各个 产品被抽到的可能性相等，在下列三种 情况下，分别求出“直到取得正品为止 所需抽取次数X”的概率分布。 有放回抽样；（2）无放回抽样； （3）每次取出一件产品后总是放回一件正品。 已知甲、乙两箱中装有同种产品，其中 甲箱中装有3件合格品、3件次品；乙 箱中仅装有3件合格品，今从甲箱中任 取3件产品放入乙