随机变量与及离散型随机变量 .ppt

一、随机变量 二、随机变量的分布函数 (一) 分布函数的概念. （二）、分布函数的性质 1.5离散型随机变量 若以X表示n重贝努里试验事件A发生的次数，则称X服从参数为n,p的二项分布。记作X?B（n,p),其分布律为： * * 关于随机变量的研究，是概率论的中心内容． 1.4 随机变量 在随机现象中，有很大一部分问题与数值发生关系。例如，在产品检验问题中出现的废品数；在车间供电问题中某一时刻正在工作的车床数；测量的误差；灯泡的寿命等都与数值有关。 因此，在随机试验中，我们的观测对象常常是一个或若干随机取值的变量。 有些初看起来与数值无关的随机现象，也常常能用数值来描述。 例如，在掷一枚硬币问题中，每次出现的结果为正面（记为H）或反面（记为T），与数值没有关系，但是我们可以用下面方法使它与数值联系起来，当出现正面时对应数“1”，而出现反面时对应数“0”， 即相当于引入一个定义在样本空间 上的变量 ，其中 由于试验结果的出现是随机的，因而 的取值也是随机的。 通过以上的分析，我们可以看到：一类试验的结果，自然地对应着一个实数；而另一类试验的结果需要人为地建立试验结果与数值的关系。 由此可见，无论是那一种情况，都是试验结果（即样本点 ）和实数 之间 的一个对应关系。 定义. 设? ={?}是试验的样本空间，如果量X是定义在?上的一个单值实值函数即对于每一个? ? ? ，有一实数X=X(?)与之对应，则称X为随机变量。直观上讲，随机变量就是随着试验结果的不同而取不同数值的量。 随机变量常用X、Y、Z 或 ?、?、?等表示。 例3-1有5件产品，其中2件是次品（用a1，a２表示）， 3件是正品（用b１，b２，b３表示）。从中任意取出2件， 此时随机试验的样本空间为: Ω＝｛（a１，a２），（a１，b１），（a１，b２）， （a１，b３），（a２，b１），（a２，b２）， 我们将Ω中的样本点依次记为: （a２，b３），（b１，b２），（b１，b３）， （b２，b３）｝ 考虑抽取的两件产品中次品的个数X，显然X是定义在Ω上的 一个随机变量，即Ｘ＝Ｘ（ω）。可具体表示为: 随机变量Ｘ＝Ｘ（ω）取不同数值的概率为： 通常记为： 称为随机变量的概率分布。 根据概率分布，可以清楚地看到随机变量Ｘ的取值和概率。 例如： 为此我们引入随机变量分布函数的定义。 Ｘ 0 1 2 P 定义 设X是随机变量，对任意实数x，事件{X?x}的概率P{X?x}称为随机变量X的分布函数。 记为F(x)，即 F(x)＝P {X?x}. 易知，对任意实数a, b (ab), P {aX?b}＝P{X?b}－P{X?a}＝ F(b)－F(a). 1、单调不减性：若x1x2, 则F(x1)?F(x2); 2、归一 性：对任意实数x，0?F(x)?1，且 3、右连续性：对任意实数x， 反之，具有上述三个性质的实函数，必是某个随机变量的分布函数。故该三个性质是分布函数的充分必要性质。 若随机变量 X 以函数Ｆ（x）为其分布函数，通常也 称 X 服从分布函数Ｆ（x），常记作Ｘ～Ｆ（x） 有些书中将分布函数定义为Ｆ（x）＝Ｐ（Ｘ＜x）， 这与我们的定义无本质区别。在此定义下，上述4个基本 性质中（1）、（2）和（3）同样成立，性质（4）则由“右 连续”变为“左连续”。 随机变量的分类： （1） 离散型随机变量：随机变量仅取数轴上的有限个或可列个点。 （2） 连续型随机变量：随机变量的可能取值充满数轴上的一个或若干区间。 （3） 奇异型随机变量：既不是离散型随机变量，也不 是连续型随机变量。 1.定义 若随机变量X取值x1, x2, …, xn, … 且取这些值的概率依次为p1, p2, …, pn, …, 则称X为离散型随机变量，而称 P{X=xk}=pk, (k=1, 2, … ) 为X的分布律或概率分布。可表为 X～ P{X=xk}=pk, (k=1, 2, … )， 或… x1 x2 … xK … Pk p1 p2 … pk … (1) pk ? 0, k＝1, 2, … ; (2) 例1 设袋中有5只球，其中有2只白3只黑。现从中任取3只球(不放回)，求抽得的白球数X为k的概率。 解 k可取值0，1，2 2. 分布律的性质 0.3