数理统计方法1-1.docVIP

数理统计方法 第1章 概率论的基础知识 §1.1 随机变量、频率与概率 1.1.1 随机变量 在自然界和人类活动中，我们经常会遇到各种各样的变量。其中有一些变量，只要在相同的条件下进行同样的观测或实验，它的取值就是完全确定的。例如，在一个电路中，只要电压和电阻固定不变，电流就是一个确定的值；在真空中，一个从高处落下的自由落体，只要高度和重力加速度保持不变，落地所用的时间就是一个确定的值。 但是，我们有时还会遇到另一种变量。例如，掷一个骰子，看掷出的点数，虽然是在同样的条件下掷同一个骰子，掷出的点数却是不一定的，可以是1、2、3、4、5或6；用一台车床加工零件，测量加工出来零件上的某个尺寸，由于不可避免地存在加工误差，虽然是同一台车床在同样的条件下加工同一种零件，加工出来的尺寸却可能有大有小，并不是确定的。 像这种在同样条件下进行同样的试验，其取值在试验之前无法预先确定的变量，称为随机变量。换句话说，随机变量就是随着试验结果的不同而随机地取各种不同值的变量。 随机变量是概率论和数理统计的主要研究对象。在概率论和数理统计中，通常将随机变量记为（或）。 1.1.2 频率与概率 既然随机变量的取值是随机的、偶然的、无法预知的，那么，是不是它就没有什么规律可以研究了呢？事实上，并不是这样。如果我们在相同的条件下进行多次重复试验，随着试验次数的不断增多，就会发现，在它的后面隐藏着某种必然的、规律性的东西。 下面看一个例子。 例1 同时扔2个硬币，设是出现正面向上的硬币的个数，的取值事先无法确定，可能是0、1或2，显然，它是一个随机变量。 我们把这种扔硬币的试验重复进行次，设在这次试验中，出现0、1、2个正面向上的情形分别为、、次。称（）为频数，称（）为频率。下表中给出了在不同的试验次数下对频率的统计结果。 10 0.2 0.7 0.1 100 0.27 0.54 0.19 1000 0.263 0.492 0.245 10000 0.2472 0.5047 0.2481 100000 0.24948 0.50024 0.25028 1000000 0.250001 0.500012 0.249987 从表中数据不难看出，随着试验次数的不断增多，频率越来越明显地稳定在一个常数值附近，的稳定值为，的稳定值为，的稳定值为。 其实，对于任何其他的随机变量，我们发现，也总是有这样的现象，这种现象称为频率的稳定性。因此，我们有下列定义。 定义1.1 设随机变量的取值范围可以分成（可以是可列无穷大）种互不重复的情形，在次试验中，出现第种情形的次数（频数）为，频率为，。随着试验次数的无限增大，频率会越来越明显地稳定在一个常数值附近，这个常数值反映了随机变量取值为这种情形的可能性的大小，我们称它为概率。 在概率统计中，通常用表示“的值等于的概率”，用表示“的值大于小于等于的概率”，……，等等。 §1.2 概率的基本性质 下面不加证明地列出概率的一些重要的基本性质。 性质1 对任何概率，必有。 性质2 设随机变量的取值范围可以分成（可以是可列无穷大）种互不重复的情形，的值属于第种情形的概率为，，则必有。 性质3 互逆（即正好相反）的两个事件的概率加起来等于1。 例如，有，，……，等等。 性质4 设是两个相互独立（即它们的取值互不影响）的随机变量，则它们（在点或在区间上）同时取值的概率，等于它们各自取这些值的概率的乘积，例如有 ， ， ， ……，等等。对于多个相互独立的随机变量，这个性质同样也是成立的。 §1.3 离散型随机变量的概率分布 1.3.1 离散型随机变量的概率分布的定义 有些随机变量，只能在离散点上取值，例如，掷一个骰子掷出的点数，同时扔两个硬币出现正面向上的硬币个数，这种随机变量称为离散型随机变量。 定义1.2 设是离散型随机变量，将可能取的所有的值、以及它取这些值的概率一一列举出来，这样得到的一组概率，称为的概率分布（或分布列，分布律）。 1.3.2 常见的离散型随机变量的概率分布 下面介绍几个常见的离散型随机变量的概率分布。 （1）离散均匀分布 如果 可能取的值为，其中是一个正整数， 的概率分布为 ， ， 则称 服从参数为 的离散均匀分布。 例1 掷一个骰子掷出的点数 ，它的概率分布为 ， ， 服从的就是 的离散均匀分布。 （2）二项分布 如果 可能取的值为 ，其中是一个正整数，是一个常数，的概率分布为 ， ， 则称 服从参数为 的二项分布，记为 ～个均匀的硬币， 为这个硬币中出现正面向上的硬币个数， 的分布就是参数为 和 的二项分布，即有 ～ 的概率分布为 ， 。 在二项分布中，如果 ，即当 ～ 的概率分布简化为 ， 。 这时