2.9随机变量函数的分布-概率论与数理统计.doc

第二章 随机变量及其分布 Chapter Two Random Variable and Distribution) 内容 提要 本章主要讲述随机变量，离散型随机变量及其分布律，连续型随机变量及其概率密度，分布函数,二维随机变量，边缘分布,条件分布,相互独立的随机变量，随机变量函数的分布等内容。 重点 分析 1. 理解随机变量的概念、离散型随机变量及概率分布（分布律）的概念和性质、连续型随机变量及概率密度的概念和性质。 2. 掌握二项分布、泊松分布、正态分布，了解均匀分布与指数分布。 3. 理解分布函数的概念与性质，会利用概率分布或概率密度计算有关事件的概率。 4. 了解多维随机变量的概念，掌握二维随机变量的联合分布函数、联合概率分布和联合概率密度的概念和性质。 5. 了解二维随机变量的边缘分布和条件分布。 6. 理解随机变量的独立性。 7. 会求简单随机变量函数的概率分布或概率密度。 难点 分析 1. 随机变量与分布函数、分布律与密度函数的概念、性质的理解。 2. 二项分布、泊松分布、正态分布的掌握。 3. 求简单随机变量函数的概率分布或概率密度。 2.1 随机变量（Random variable） 在对随机现象的研究中,我们所关心的问题往往是和试验的结果有关系的量,这种随试验结果而取值的变量称为随机变量。 Example 2.1 将一枚硬币抛三次，用X表示出现正面的次数。 样本点 HHH HHT HTH THH HTT THT TTH TTT X的值 3 2 2 2 1 1 1 0 Example 2.2 一射手连续射击4次,观察他是否击中目标的情况。用“1”表示击中，“0” 表示未击中，X表示击中的次数。 S = {(x1，x2，x3，x4)| xi = 0，1；i = 1，2，3，4} X = X(e) = x1 + x2 + x3 + x4 函数X = X(e)称为随机变量，它的定义域为S，值域为RX = {x1，x2，x3，x4}。 事实上，随机变量就是随试验结果的不同而变化的量。因此可以说，随机变量是随试验结果的函数。 Definition 2.1 设E为一随机试验，S为它的样本空间，若X = X(e)，e ( S为单值实函数，则称X为随机变量。(Let E a random experiment, S is its sample space, if X = X(e)，e ( S is a single value real function，then define X is random variable.) 随机变量与普通实函数这两个概念既有联系又有区别，他们都是从一个集合到另一个集合的映射，它们的区别主要在于：普通实函数无需做试验便可依据自变量的值确定函数值，而随机变量的取值在做实验之前是不确定的，只有在做了试验之后，依据所出现的结果才能确定。 今后，在不必强调e时，常省去e，简记X = X(e)为X。常用大写字母X，Y，Z，等表示随机变量，用小写字母x，y，z等表示随机变量的值。 Note： (1). 随机变量的取值有一定的概率。 如例1中 ， (2). 用随机变量可以方便地表示任何事件和事件的概率。 如例1中 {X = 2}表示事件A = {HHT，THH，HTH}， {X ( 3}表示事件B = {HHH}， 例2中 {X ( 1}表示事件 C = {X ( 1} = {(0,0,0,0)，(1,0,0,0)，(0,1,0,0)，(0,0,1,0)，(0,0,0,1)} P{X ( 1} = (1 – p)4 + 4(1 – p)3（p为射手的射中率） 引入了随机变量之后，可以用数来描述随机现象 ,使我们可以用数学分析的方法对实验结果进行更深入广泛的研究. 2.2 离散型随机变量及其分布律 若随机变量X只可能取有限个或可列个值，称这种随机变量为离散型随机变量(discrete random variable). Definition 2.2 设离散型随机变量X可能取的值为x1，x2，…，xn，且X取这些值的概率为：P(Xk = xk) = pk (k = 1，2，…，n，…)，则称上述一系列等式为随机变量X的概率分布(或分布律(Law of distribution)。 (Suppose the value for the