§4随机变量及其分布.ppt

皖西学院 经济与管理学院 第二章 随机变量及其分布 一、 随机变量的概念 1、含义：用来表示随机现象结果的变量。 ①样本点本身是用数量表示的； ②样本点本身不是用数量表示的。 总之，不管随机试验的结果是否具有数量的性质，都可以建立一个样本空间和实数空间的对应关系，使之与数值建立联系，用随机变量的取值来表示事件。 2、定义：定义在样本空间Ω＝｛ω｝上的实值函数X＝X(ω)称为随机变量，常用大写英文字母或小写希腊字母来表示，相应地，用小写英文字母表示其取值。 第二节　　离散型随机变量 一、离散随机变量的概率分布列 求分布列的一般步骤 确定样本空间。 确定随机变量的可能取值。 确定随机变量的每个取值所对应的事件。 求出每个事件的概率。 列出表格或写出一般的概率表达式。 分布列的基本性质 二、离散型随机变量的分布函数 2、二项分布 补充说明 单位时间内电话总机接到用户的呼唤次数、电路受到的电磁波的冲击次数；一平方米内玻璃上的气泡数；一铸件上的沙眼数等随机变量都服从泊松分布。 四、几何分布 第三节　连续随机变量 概率密度的性质： 正态分布的标准化 例7　某地区抽样调查结果表明，考生的外语成绩X～ ，且96分以上的考生占总人数的2.3％。求 考生成绩在60分至84分之间的概率。 例6 某工厂每天用水量保持正常的概率为3/4,求最近6内用水量正常的天数的分布。 0.0002 0.0044 0.0330 0.1318 0.2966 0.3560 0.1780 P 0 1 2 3 4 5 6 X 例7 一批产品的废品率p=0.03,进行20次重复抽样，就出现废品的频率为0.1的概率。 3、泊松分布 二项分布和泊松分布都是非常重要常用的离散分布. 在n重的伯努利实验中，某个事件在n次实验中发生的次数服从的是二项分布.其特点是只知次数，不知位置. 二项分布与泊松分布的关系： ——泊松定理 二项概率可以用泊松分布的概率来近似 ，n越大，近 似程度越高，该定理解决了二项概率的近似计算问题。 例8 已知某种疾病的发病率为0.001，某单位共有5000 人，问该单位患有这种疾病的人数不超过5人的概率是 多少？ 解：设患病人数为X， 则X服从二项分布B(5000,0.001). n=5000, p=0.001. 概率可利用泊松分布近似计算。 直接查表可得，见P254，λ＝5，k=0－5. 定义：在Bernoulli试验中，记 p 为事件A在一次试验中出现的概率，X为首次出现A时的试验次数，则X的可能取值为1，2，…，称X的分布为几何分布，记为X～Ge(p). 其分布列为 特殊性质——无记忆性 例9某种奖券，每券1元，中奖率为 p。某人 每次购买1张，若没有中奖，下次在继续购买1张，直到中奖为止。求购买次数的分布。 Xi表示购买i次，前i-1次均未中奖，而第i次中奖 生活中还有哪些几何分布的例子？ 五、超几何分布 例10盒子里有白球15个，红球5个，现从盒子里任取4个求，求取到红球的分布。 超几何分布 设N个元素分为两类，有N1个属于第一类，N2属于第二类（N1+N2=N) ，从中任取n个，令X表示取到的第一（二）类元素的个数，则X的分布称为超几何分布。 例11 用随机变量来描述掷一枚骰子的试验情况。 令X表示掷一枚骰子出现的点数。 X P 1/6 1/6 1/6 1/6 1/6 1/6 1 2 3 4 5 6 则X的分布列为： 六、离散型均匀分布 定义：设X是随机变量，F(x) 是它的分布函数， 若存在一个非负可积函数f(x)， 使得对任意的x∈R ，有 则称X为连续性随机变量， 称f(x) 为X的概率密度函数或分布密度函数。 注：分布函数表示在 x 处的累积概率，把其导数 称为概率密度是非常合理的。 非负性： 正则性： 概率密度在概率计算中的应用： 注：（2）式中的区间可以是开（闭或半开）区间。 几个重要结论 (4)对于连续型r.v.,不必“点点计较”，而对离散型r.v. ,则要“点点计较”。 密度函数与分布函数的关系： 1 由分布函数求密度函数比较简单，下面考虑如何由密度函数来求分布函数. 例1.设随机变量X密度函数为 求常数c 和分布函数. 密度函数和分布函数的图形如下： 1 -1 1 -1 1 求：1.c的值；　2.P(-1X1)；3.X的分布函数. 解：1.利用正则性 例2　设随机变量X的密度函数为 例3　设随机变量X的密度函数为 注意随机变量的可能