概率第04讲第二章.pptVIP

随机变量 离散型随机变量 连续型随机变量 概率分布函数 随机变量函数的分布;§1.1 随机变量; 在实际问题中，随机试验的结果可以用数量来表示，由此引入了随机变量的概念; 2、此外，还有些试验结果看来与数值无关，但我们可以引进一个变量来表示它的各 种结果. 也就是说，可以将试验结果数值化;例1 掷一颗骰子, 样本空间是;将X 视为 上的函数;例2 在一副扑克的52 张中任取一张 样本空间的每个样本点表示一张扑克;={草花3, 黑桃3, 红桃3, 方块3} ; 可以看出，上述随机试验的每一个结果都对应着变量X 的一个确定的取值，因此变量X 是样本空间 上的实值函数:;定义1.1; 1、 随机变量X 随试验结果的不同而取不同的值，因而在试验之前只知道它可能取值的范围，而不能预先肯定它将取哪个值;说 明; 4、 在许多实际问题中, 一个随机变量X 的含义是十分清楚的, 所以一般不再关心随机变量X 在样本空间上是如何定义的. 可以认为X的所有取值就是我们的样本空间. 只是在必要的时候才将自变元 写出来; 引入了随机变量, 随机试验中的各种事件，就可以通过随机变量的关系式表达出来; 随机变量概念的产生是概率论发展史上的重大事件. 引入随机变量后，对随机现象统计规律的研究，就由对事件及事件概率的研究扩大为对随机变量及其取值规律的研究; 例3 一批产品有50 件，其中有8件次品，42 件正品，现从中取出 6 件 X 表示取出6 件产品中的次品数 则X 就是一个随机变量 它的取值为 0，1，2，…，6; 例4 上午 8:00～9:00 在某路口观察 Y 表示该时间间隔内通过的汽车数 则Y 就是一个随机变量 它的取值为 0，1，…．; 例5 观察某生物的寿命（单位：小时） Z 表示该生物的寿命 则Z 就是一个随机变量 它的取值为所有非负实数;例6 掷一枚硬币，令; 例7 掷一枚骰子，在例1中，我们定义了随机变量 X 表示出现的点数.我们还可以定义其它的随机变量，例如我们可以定义;一. 离散型随机变量的概念与性质;定义 2.1;设X 是离散型随机变量，称;离散型随机变量的概率分布也常常用 如下方式表达;说 明;例1 从1～10这10个数字中随机取出5个数字， X 表示取出的5个数字中的最大值. 试求X 的 分布列;例2 将 1枚硬币掷 3次，X 表示出现的正面 次数与反面次数之差. 试求X 的分布列;例3 设离散型随机变量 X 的分布列为;例3（续）;例4 设随机变量 X 的分布列为;例5 设一汽车在开往目的地的道路上需经过四盏信号灯，每盏信号灯以 1/2 的概率允许或禁止汽车通过. 以X 表示汽车首次停下时，它已通过的信号灯的盏数，求 X 的分布列. (信号灯的工作是相互独立的);解: 以 p 表示每盏信号灯禁止汽车通过的 概率，则 X 的分布列为;以 p = 1/2 代入，得;二. 几种常用的离散型随机变量;两点分布的概率背景;例6 15件产品中有4件次品，11件正品，从中 任取1件.X 表示取出的一件产品中的次品数. 则X 的取值为 0 或者 1，并且;如果随机变量 X 有如下的概率分布;二项分布的概率分布示意图;说 明;二项分布的概率背景; 一般地，设在一次试验中我们只考虑两个互逆的结果 A或 ，或者形象地把两个互逆结果叫做“成功”和“失败”; 对同一目标进行 n 次射击，若每次射击只关心“击中目标”与“未击中目标” 两种情况;注: 贝努里概型对试验结果没有等可能的要求，但有下述要求;设在n重贝努里试验中;; 因此; ;二项分布的图形;例7 一张考卷上有5 道选择题，每道题列出4 个可能答案，其中只有一个答案是正确的.某 学生靠猜测至少能答对4 道题的概率是多少？;例7（续）;2.泊松分布(Poisson 分布);泊松分布的图形;Poisson分布的应用;例8 1910年, 著名科学家Rutherford(罗瑟福) 和 Geiger (盖克) 观察了放射性物质钋放射 粒子的情况;;用Y 表示这块放射性钋在7.5秒内放射出的 ; 设在n重贝努里试验中，以 代表事件 A 在一次试验中发生的概率 ,它与试验总数n 有关. 若 ;Poisson定理的应用 —二项分布与泊松分布关系 ;上面我们提到;例9 为了保证设备正常工作，需配备适量的维修工人，现有同类型设备 300台，各台工作是相互独立的，发生故障的概率都是 0.01. 在通常情况下，一台设备的故障可有一人来