随机变量的重要分布594.pptVIP

* * §1.2 随机变量的重要分布 1. 一维离散型随机变量的重要分布 （1）零-壹分布：如果一维离散型随机变量X只取数值0和1，分布律为 P{X=0}=1-p, P{X=1}=p, 式中的0p1， 则称X服从参数为p的零-壹分布，记作 X～B (1 , p)。 数字特征E(X)=p，D(X)=p(1-p)。 注意： B (1 , p)的分布律又可记作 P{X=x}= p x（1-p）1-x, 式中的x=0或1。 二项分布是 Bernoulli 研究重复独立试验所 引出的一个很重要的分布。 很显然，当n=1时，参数为p的二项分布便 是参数为p的零-壹分布。 数字特征E(X)=np，D(X)=np(1-p)。 式中的 0p1，x=0,1,2, , n，则称X服从参 数为 p 的二项分布，记作 X～B (n , p)。 （2）二项分布：如果一维离散型随机变量 此定律说明了频率的稳定性，即n充分大时，频率在概率p的附近摆动，是用频率作为概率的理论根据。 ①?Bernoulli大数定律: 当X是n次重复独立试验中某事件出现的次数，p是该事件出现的概率时，X服从二项分布B（n，p）。 对于任意给定的正数ε，总有 与二项分布有关的结论: 证明：用到B (1, p)与B (m, p)及B (n, p) 的关系。 当X1、X2、 、Xm 、Xm+1、Xm+2、 、 Xm+n相互独立且都服从B (1, p)时， Y= X1+X2+ +Xm服从 B (m , p)， Z= Xm+1+Xm+2+ +Xm+n服从 B (n , p)， Y与Z相互独立，Y+Z服从B (m+n , p)。 ② B (1 , p)与B (n , p): 当X1、X2、 、Xn 相互独立且都服从B (1, p)时， Y=X1+X2+ +Xn服从B (n , p)。 ③ 可加性: 当 Y 与 Z 相互独立且依次服从 B (m , p)及B (n , p)时， Y+Z服从B (m+n , p)。 时，称X服从参数为 的正态分布， 记作 X～N ( ) 。 2. 一维连续型随机变量的重要分布 正态分布：如果连续型随机变量X的分布密度 当 时称X服从标准正态分布，记作 X～N (0,1) 。这时X的分布密度 X的分布函数 为应用方便起见，在统计用表中有F 0,1 (x)的数值表。 当X～N (0,1)时，它的分布密度是偶函数，曲线 y=p(x) 关于y 轴对称。 在比较简略的统计用表中只有x=0至x=2.99所对应的F 0,1 (x)的数值。 当x2.99时，F 0,1 (x)≈1； 当- x 0时，F 0,1 (- x)=1- F 0,1 (x)。 当X～N ( ) 时， 当X～N ( 0,1 ) 时，数字特征 计算如下： 当X～N ( ) 时，数字特征 1）背景：当某一随机变量取值的概率受到很多作用都比较微小的、独立的随机因素的影响时，它的分布或者是正态分布或者与正态分布相接近。 2）中心极限定理: 当随机变量X1、X2、 独立同分布，数学期望为有限数E(X)，方差为非零有限数D(X)， E( ) =nE(X)，D( ) =nD(X)，且 时， ～N (nE(X)，nD(X))，标准化随机变量 ～N (0，1)。 与正态分布有关的结论: 3）中心极限定理: 当随机变量X1、X2、 独立同分布，数学期望为有限数E(X)，方差为非零有限数D(X)， E( ) =E(X)，D( ) = D(X)，且 时， ～N (E(X)， D(X))，标准化随机变量