浙大概率第六讲.ppt

第二章 随机变量 在第一章,我们用字母A、B、C...表示事件，并视之为样本空间S的子集；针对等可能概型，主要研究了用排列组合手段计算事件的概率. 本章，将用随机变量表示事件，以便于采用高等数学的方法描述、进而研究随机现象. 随机变量的定义: 1、直观定义：一个变量，若其取值随着试验的结果的变化而变化，即其取值具有随机性，且①能事先知道它的所有可能取值，②不能事先确定它将要取哪一个值；则称这个变量为随机变量，常用大写字母X、Y等表示。 2、数学定义： 设E是一个随机试验,其样本空间为S={e}.如果对每一个样本点e?S，总存在一个实数X(e)与之对应,则得到一个从样本空间S到实数集RX的单值实函数X= X(e),我们称X为E的一个随机变量. 简记为 R.v.X §2 离散型随机变量及其分布 (Discrete R.v.) 注： 1、随机变量X的概率分布全面表达了X的可能取值以及取各个值的概率情况； 2、分布率的常见形式，除公式法（如定义中所用）外，还有更为形象的表格法如下： 2、性质： 1． pk≥0，（k=1，2,…） 2． ∑pk = 1. 若是无穷可列情形，就表示无穷级数∑pk要收敛于1 例2 从一批次品率为p的产品中，放回抽样，直到抽到次品为止。求抽到次品时，已抽取产品的次数X的分布律。 分析：若记Ai=“第i次取到正品”,i=1,2,3,… 则 Ai , i=1,2,3,… 是相互独立的！ 且 二、几种常见的重要分布: 1 、二点分布 (0-1分布): △定义： 若随机变量X的分布律为: 2、二项分布: △定义：若随机变量X的分布律为: ①、相互独立的试验:将试验E重复进行n次,若各次试验的结果互不影响,则称这n次试验是相互独立的. ②、贝努利试验: 设随机试验E只有两种可能的结果:A及 ,且P(A)=p,在相同的条件下将E重复进行n次独立试验,则称这一串试验为n重贝努利试验，简称贝努利试验(Bernoulli). 例4 从一批由9件正品、3件次品组成的产品中,有放回地抽取5次,每次抽一件,求恰好抽到两次次品的概率. 解：有放回地抽取5件,可视为5重Bernoulii实验 （A=“一次实验中抽到次品，P(A)=3/12),p=1/4; 3、泊松分布: △定义：若R.v.X的分布律为: 可以证明，实际问题中若干R.v.X是服从或近似服从Poisson分布的。 例如： 服务台在某时间段内接待的服务次数X； 某地区在某时间段内出现故障的次数Y;… … 例6 某人骑摩托车上街,出事故率为0.02，独立重复 上街400次，求出事故至少两次的概率. 解：400次上街?400重Bernoulii实验 四、小结 泊松分布 ※ 实际应用中：当n≥20,p≤0.05时，即可用近似公式 ②有Poisson分布表可查用. 其中?=np. 泊松分布表附表3 (P302) 在例题中说明 X～?(0.4) 例5 查表计算 P{X=4} 查表 P{X=4}=0.9999 错误！ = 0.9999- 0.9992 =0.0007 记X为出事故的次数，则 所求为 P{X≥2} =1- 0.003 =0.997 另解: P{X≥2}=1-P{X≤1} 结果表明，随着实验次数的增多，小概率事件总会发生的！ * 随机变量的概念 离散型随机变量及其分布 连续型随机变量及其分布 随机变量的函数的分布 一、随机变量概念的产生 在实际问题中，随机试验的结果可以用数量来表示，由此就产生了随机变量的概念. §1 随机变量(Random Variable) 1、有些试验结果本身与数值有关（本身就是一个数）. 例如，掷一颗骰子面上出现的点数； 九月份济南的最高温度； 每天从济南下火车的人数； 昆虫的产卵数； 2、在有些试验中，试验结果看来与数值无关，但我们可以引进一个变量来表示它的各种结果.即:样本空间数量化. 正如裁判员在运动场上不叫运动员的名字而叫号码一样，二者建立了一种对应关系. 基本思想 这种对应关系在数学上理解为定义了 一种实值函数. e1. e2. 这种实值函数与在高等数学中大家接触到的函数有什么不同吗？ X(e1) R X(e2) （1）它随试验结果的不同而取不同的值，因而在试验之前只知道它可能取值的范围，而不能预先肯定它将取哪个值. （2）由于试验结果的出现具有一定的概率，于是这种实值函数取每个值和每个确定范围内的值也有一定的概率. 称这种定义在样本空间上的实值函数为 随 量 机 变 简记为 r.v. (Random variable)