(10-10-18) 第2章 随机变量与其分布.pptVIP

第二章 随机变量及其分布; 在第一章中，我们用样本空间的子集，即基本事件的集合来表示随机试验的各种结果，这种表示方式对全面讨论随机试验的统计规律性及数学工具的运用都有较大的局限。在本章中，我们将用实数来表示随机试验的各种结果，即引入随机变量的概念。这样，不仅可以更全面揭示随机试验的客观存在的统计规律性，而且可使我们用（数学分析）微积分的方法来讨论随机试验。 ; 关于随机变量(及向量)的研究，是概率论的中心内容．这是因为，对于一个随机试验，我们所关心的往往是与所研究的特定问题有关的某个或某些量，而这些量就是随机变量．也可以说：随机事件是从静态的观点来研究随机现象，而随机变量则是一种动态的观点，一如数学分析中的常量与变量的区分那样．变量概念是高等数学有别于初等数学的基础概念．同样，概率论能从计算一些孤立事件的概念发展为一个更高的理论体系，其基础概念是随机变量．;2.1随机变量;有关随机变量定义的几点说明： (1)随机变量X不是自变量的函数而是样本点e的函数，常用大写字母X、Y、Z 或小写希腊字母?、?、? 等表示。 (2)随机变量X随着试验结果而取不同的值，因而在试验结束之前，只知道其可能的取值范围，而事先不能预知它取什么值，对任意实数区间(a,b)，“aXb”的概率是确定的； (3)随机变量X(e)的值域即为其一切可能取值的全体构成的集合； (4)引入随机变量后，就可以用随机变量描述事件，而且事件的讨论，可以纳入随机变量的讨论中。 ; 例2.1 一批产品中任意抽取20件作质量检验，作为检验结果的合格品的件数用X表示，则X是随机变量。X的一切可能取值为 0，1，2，…，20 {X=0}表示事件“抽检的20件产品中没有合格品”； {X=1}表示事件“抽检的20件产品中恰有1件合格品”； …… {X=k}表示事件“抽检的20件产品中恰有k件合格品”。;例2.2 将一颗骰子投掷两次，观察所的点数，以X表示所得点数之和，则X的可能取值为2，3，4，…，12，而且 {X=2}={(1,1)}, {X=3}={(1,2),(2,1)}, {X=4}={(1,3),(2,2),(3,1)}, …… {X=12}={(6,6)}。;例2.4 一个地铁车站，每隔5分钟有一列地铁通过该站。一位乘客不知列车通过该站的时间，他在一个任意时刻到达该站，则他候车的时间X是一个随机变量，而且X的取值范围是 [0，5] ;练 习 引入适当的随机变量描述下列事件： ①将3个球随机地放入三个格子中， 事件A={有1个空格}， 事件B={有2个空格}， 事件C={全有球}。 ②进行5次试验， 事件D={试验成功一次}， 事件F={试验至少成功一次}， 事件G={至多成功3次} ;随机变量的分类： 随机变量;2.2 离散型随机变量及其概率分布;2、分布律(P.29);例2.5 设袋中有5只球，其中有2只白球，3只黑球。现从中任取3只球(不放回)，求抽得的白球数X为k的概率。;解 设Ai ?第i次射击时命中目标，i=1,2,3,4,5 则A1, A2，…，A5相互独立，且 P(Ai)=p,i=1,2,…,5。SX={0,1,2,3,4,5},;二、几个常用的离散型随机变量的概率分布律; 若某个随机试验的结果只有两个，如产品是否合格，试验是否成功，掷硬币是否出现正面等等，它们的样本空间为S={e1,e2},我们总能定义一个服从0-1分布的随机变量 ;2、二项分布; 以随机变量X表示n次试验中A发生的次数，X可能取值为0,1,2,3,…,n。设每次试验中A发生的概率为p，;（2）二项分布定义（P.31）;例2.7 设有一大批产品，其次品率为0.002。今从这批产品中随机地抽查100件，试求所得次品件数的概率分布律。;例2.9 从某大学到火车站途中有6个交通岗,假设在各个交通岗是否遇到红灯相互独立,并且遇到红灯的概率都是1/3。 (1)设X为汽车行驶途中遇到的红灯数,求X的分布律； (2)求汽车行驶途中至少遇到5次红灯的概率。;例2.10 某人独立地射击，设每次射击的命中率为0.02，射击400次，求至少击中目标两次的概率。 ;例2.10告诉我们两个事实： 　　1°虽然每次射击的命中率很小(0.02)，但射击次数足够大(为400次)，则击中目标至少两次是几乎可以肯定的(概率为0.997)。 一个事件尽管在一次试验中发生的概率很小，但在大量的独立重复试验中，这事件的发生几乎是必然的，也就是说小概率事件在大量独立重复试验中是不可忽视的。 2°若射手在400次独立射击中，击中目标的次数不到2次，则P(X2)=1-P(X≥2)≈0.003，即命中目标次数不到两次是一件概率很小