剖析第五章 概率分布.pptVIP

第 5 章 概率与概率分布 5.3 离散型随机变量及其分布 5.4 连续型随机变量的概率分布 一次试验的结果的数值性描述 一般用 X，Y，Z 来表示 例如： 投掷两枚硬币出现正面的数量 根据取值情况的不同分为离散型随机变量和连续型随机变量 随机变量 X 取有限个值或所有取值都可以逐个列举出来 x1 , x2，… 以确定的概率取这些不同的值 离散型随机变量的一些例子 可以取一个或多个区间中任何值 所有可能取值不可以逐个列举出来，而是取数轴上某一区间内的任意点 连续型随机变量的一些例子 离散型随机变量的概率分布 1. 列出离散型随机变量X的所有可能取值 2. 列出随机变量取这些值的概率 3. 通常用下面的表格来表示 离散型随机变量的概率分布 (例题分析) 离散型随机变量X的所有可能取值xi与其取相对应的概率pi乘积之和 描述离散型随机变量取值的集中程度 记为? 或E(X) 计算公式为： 1. 随机变量X的每一个取值与期望值的离差平方和的数学期望，记为? 2 或D(X) 2. 描述离散型随机变量取值的分散程度 计算公式为： 3. 差的平方根称为标准差，记为? 或?D(X) 一个离散型随机变量X只取0和1两个可能的值 它们的概率分布为： 或 也称0-1分布 二项分布与伯努利试验有关 二项分布满足下列条件 一次试验只有两个可能结果，即“成功”和“失败” “成功”是指我们感兴趣的某种特征 一次试验“成功”的概率为p ，失败的概率为q =1- p，且概率p对每次试验都是相同的 试验是相互独立的，并可以重复进行n次 在n次试验中，“成功”的次数对应一个离散型随机变量X 重复进行 n 次试验，出现“成功”的次数的概率分布称为二项分布，记为X～B(n，p) 设X为 n 次重复试验中出现成功的次数，X 取 x 的概率为： 对于P(X=x)? 0， x =1,2,…,n，有 同样有 当 n = 1 时，二项分布化简为 1.数学期望 ?=E(X) = np 2.方差 ? 2 =D(X) = npq 1837年法国数学家泊松(D.Poisson，1781—1840)首次提出 用于描述在一指定时间范围内或在一定的长度、面积、体积之内每一事件出现次数的分布 性质：在任意两个相等的区间上事件发生一次的概率是相等的；事件在某个区间上发生或者不发生与其他区间上的事件是否发生是无关的。 泊松分布的例子 一定时间段内，某航空公司接到的订票电话数 一定时间内，到车站等候公共汽车的人数 一匹布上发现的疵点个数 一定页数的书刊上出现的错别字个数 ?— 给定的时间间隔、长度、面积、体积内“成功”的平均数 e = 2.71828 x —给定的时间间隔、长度、面积、体积内“成功”的次数 1.数学期望 E ( X ) = ? 2.方差 D ( X ) = ? 泊松分布 (例题分析) 参数为3、6、10的Poisson分布（只标出了20之内的部分）这里点间的连线没有意义，仅仅为读者容易识别而画，因为Poisson变量仅取非负整数值 例:假定我们关心的是高速公路在重新整修的一个月内内出现严重损坏的数目,假定任意两段相等长度的高速公路上出现损坏的概率相等,任意一段距离出现或不出现损坏与另一段距离出现损坏与否无关,已知一个月内平均每公里有两处损坏,求在3公里的公路上没有严重损坏的概率和至少有一次出现严重损坏的概率? 连续型随机变量可以取某一区间或整个实数轴上的任意一个值 它取任何一个特定的值的概率都等于0 不能列出每一个值及其相应的概率 通常研究它取某一区间值的概率 用概率密度函数的形式和分布函数的形式来描述 概率密度函数(probability density function，pdf) 想象连续变量观测值的直方图；如果其纵坐标为相对频数，那么所有这些矩形条的高度和为1；完全可以重新设置量纲，使得这些矩形条的面积和为1。 不断增加观测值及直方图的矩形条的数目，直方图就会越来越像一条光滑曲线，其下面的面积和为1。 该曲线即所谓概率密度函数(probability density function，pdf)，简称密度函数或密度。下图为这样形成的密度曲线。 1. 设X为一连续型随机变量，x 为任意实数，X的概率密度函数记为f(x)，它满足条件 ? 密度函数 f(x)表示X 的所有取值 x 及其频数f(x) ? 在平面直角坐标系中画出f(x)的图形，则对于任何实数 x1 x2，P(x1 X? x2)是该曲线下从x1 到 x2的