第三讲_随机变量及其分布.pptVIP

概率论与数理统计3.随机变量及其分布 3.1 随机变量及其分布函数 3.2 典型的随机变量分布函数 3.3 随机变量的函数的分布 3.4 多维随机变量及其分布 3.1 随机变量及其分布函数 前面用文字描述表示随机试验中发生的各种可能结果，即随机事件，并用符号A，B等表示。尽管直观形象，但不利于更定量、深入地分析随机现象的统计规律性。 下面要引入的随机变量是对随机事件的数量化，即把随机试验的结果与一个实数对应起来。在此基础上，一方面对随机现象有了更为定量化的把握，另一方面可以利用数学分析的方法进行讨论。 下面用例子说明可以用数字表示随机试验的结果。 例1 设E1为掷骰子实验，观察出现的点数。用X表示出 现的点数，则出现m点时X=m。于是X是一个依赖 于试验结果的变量。 例2 设E2为掷硬币实验，观察出现的正反面。结果可 能为正面或者反面，令X=1表示出现正面，X=0表 示出现反面。 例3 口袋里有黑球和白球各五个，除颜色外无法加以分 辨。从口袋中随机取出两个球，有三种可能结果。 令X表示取出的黑球的数目，则X=2,1,0分别与三种 结果对应。 定义：设Ω={ω}是随机试验的样本空间，对任意ω ? Ω，X(ω)为实数，且对任意实数x，{ω: X(ω) ≤ x}是随机事件，则称X(ω)为随机变量，简记为X. X(ω)与普通函数：普通函数的的定义域是数集，而随机变量的定义域是随机试验的样本空间，样本点可以是数也可以是非数量的事件。 随机变量与其概率的关系（与X~ ω 关系相比）更类似于普通函数中自变量和函数值的关系。 离散型随机变量及其分布 定义：若随机变量的全部可能取值为有限个或可列个，则称此随机变量为离散型随机变量。 定义：设离散型随机变量X的全部可能取值为 ，且取各值的概率为 则称上式为离散型随机变量X的概率分布或分布律，简称分布。 pk满足条件: (1)非负性 pk≥0（k=1,2,…）; (2)归一性 随机变量的分布函数 定义：设X为随机变量，x是任意实数，称函数 为X的分布函数。 一个一般的随机事件总可以用随机变量取值落在 特定区间内来表示；特别是对于随机变量连续取值的 情况，讨论随机变量取某一特定值的事件的概率意义 不大；所以有必要讨论随机变量落在某区间内的概率。 分布函数的基本性质 性质1 F(x)单调不减，即当x1≤x2时，F(x1)≤F(x2). 性质2 0≤F(x)≤1，且 性质3 F(x)右连续，即 已知分布函数，任意事件的概率可由下式得到： （1）P(aX≤b)=F(b)-F(a); （2）P(X=a)=F(a)-F(a-0), 其中 的基本性质： 1. 非负性 2. 归一性 3. 4. 若 在点x处连续，则 连续型随机变量及其分布 定义：设F(x)是随机变量X的分布函数。若存在非负函数 ，对任意实数x，有 则称X为连续型随机变量，称 为X的概率密度函数或密度函数，也称为分布密度。 只要满足性质1和性质2，f(x)就可以作为某个随机变量的密度函数。 的基本性质： 1. 非负性 2. 归一性 3. 4. 若 在点x处连续，则 3.2 典型的随机变量分布函数（一）离散型随机变量的(0-1)分布 若随机试验只有两个结果，分别用0和1定义相应的随机变量X的取值，且X=1的概率为p，则X的分布律为 例如：随手掷一枚匀质硬币（p=0.5）;明天是否下雨；一粒种子能否发芽 （二）离散型随机变量的二项分布 定义n重伯努利试验中事件A发生的次数k(k=0, 1, 2, …, n)为随机变量X。则 其中k=0,1,…,n; 0p1; p+q=1. 则称X服从参数为n，p的二项分布或伯努利分 布,记为X~B(n, p). 特例：n=1时，二项分布变为(0-1)分布。 定义：设随机变量X~B(n, p)，k为0,1,…,n中的某个值。若 则称k为n次独立实验中最可能成功（或失败） 的次数。 （三）离散型随机变量的泊松分布 若随机变量X的分布率为 则称X服从参数为λ的泊松分布，记为X~π (λ) 或X~P(λ). 泊松定理：设λ0是一常数，n为正整数。若npn=λ,则对任一固定的非负整数k，有 （四）连续型随机变量的均匀分布 若连续性随机变量X的密度函数 则称X服从区间(a,b)上的均匀分布，记为 X~U (a,b). 【注：对应于一维几何概型】 由定义，X~U (a,b)的分布函数为 （五）连续型随机变量的指数分布 若连续性随机变量X的密度函数 则称X服