概率第二章.ppt

密度函数的验证 只验证 见高等数学（下）二重积分 * 由正态分布密度函数的图形知： x f (x) 0 (1) 曲线关于直线x=μ对称,这表明：对任意的h0,有 (2) 当x=μ时, f(x)取到最大值 * (3) 曲线y=f(x)在x=μ+σ, x=μ-σ时处有拐点;曲线以x轴为渐近线. (4) 若σ固定,改变μ的值,则y=f(x)的图形沿x轴平行移动,但图形的形状不改变. (5) 若μ固定,改变σ的值,当σ越小,则y=f(x)的图形越陡,即X落在μ值附近的概率越大;反之,当σ越大,则y=f(x)的图形越平缓,表明X取值越分散. x f (x) 0 * （2）分布函数 且有 * x 0 x -x 证明：由公式有， 作变换t =-μ，dt = -dμ得 * 说明 (2) 对于任何实数x，有 当0≤x≤4 时，从附表直接只查Φ(x). 当x4 时，Φ(x)=1;当-4x时，Φ(x)=0. 当-4≤x≤0 时，Φ(x)=1-Φ(-x). * 定义6 若随机变量X的概率分布为 则称X服从参数为的泊松分布（poisson分布） 记为 定理1 若随机变量Xn服从二项分布，其分布列为 又设 且 则 在实际计算中，当 时就可以用 例如:某网站一段时间间隔内受到的点击次数 公共汽车站候车的乘客人数； 炸弹爆炸后落在平面上某区域的碎弹片个数； 落在显微镜上某种细菌个数. 由泊松定理知，泊松分布可以作为描绘大量试验中稀有事件出现的频率的概率分布的数学模型. 我们常把试验中出现概率很小的事件称作稀有事件， 如地震、火山爆发、特大洪水、意外事故等等. n重伯努利试验中稀有事件出现的次数近似地服从泊松分布 例9 某出租汽车公司共有出租汽车500辆，设每天每辆出租汽车出现故障的概率为0.01，试求一天内出现故障的出租汽车不超过10辆的概率. 解 设X是每天内出现故障的出租汽车数，则 例10 设某国每队夫妇的子女数X服从参数为 的泊松分布，且知一对夫妇有不超过1个孩子的概率为 ，求任选一对夫妇，至少有3个孩子的概率。 解： 2.3 随机变量的分布函数 由于随机变量的取值不可能一一列举出来，所以随机变量的概率分布情况不能以其取某个值的概率来表示，因此我们往往要研究随机变量X取值落在某区间（ a ，b ]上的概率 例如事件 0 （ ] a b 像形如这样的事件，我们都可以应用 来表示 由此我们引入求 事件的概率分布函数定义 1. 分布函数的定义 称 为X的分布函数. 记作 或 记作 或 0 （ ] x1 x2 1）分布函数的定义域为： 值域为： 分布函数的一个普通函数 定义域 值域 2）分布函数的含义： 分布函数 F(a) 的值等于X的取值落入区间(-∞,a]内的概率值. x a 2、性质 （1）有界 （2）单调增加 （3）右连续 必然事件 不可能事件 例1 判别下列函数是否为某随机变量的分布函数？ 解： 在 上单调增加，右连续 所以F(x)是某一随机变量X的分布函数. (2)因F(x)在 上单调下降，所以F(x)不可能是分布函数. 离散型随机变量的分布函数方法 设离散型随机变量X的概率分布为 则X的分布函数为 例2 设随机变量X的概率分布为 解： 解： 2.4 连续型随机变量及其分布 一、连续型随机变量及其概率密度 1、 定义： 如果对随机变量X的分布函数 ， 存在非负可积 函数 ， 使得对于任意实数 ，有 称X为连续型随机变量 称f(x)为X的概率密度，简称为概率密度或密度函数 2、 密度函数的性质： f (x) 0 x 1 f (x) 前两个条件是概率密度的 充分必要条件 f (x) x 0 X落在 (x1,x2]上概率是概率密度在(x1,x2]上的定积分值。 3、分布函数 与概率密度 关系： （1）概率密度 已知时， （2）分布函数 已知时， 4、算区间类型的概率： （1）分布函数 已知时， （2）概率密度 已知时， (3) 事件X=a是概率事件，只是时间发生之后的概率为0 这说明0概率事件不一定必须是不可能事件 例1 设随机变量 的分布函数为 求 (1) 概率 (2) 的密度函数. 解 由连续型随机变量分布函数的性质, 有 (1) (2) 的密度函数为 例2 设随机变量 的分布函数为 求 (2) 的密度函数. 解 (2) 的密度函数为 例3 设随机变量 的分布函数为 求 (2) 的密度函数. 解