概率论_第二章随机变量及其分布jtxg.pptx

§2.1 随机变量及其分布 §2.2 随机变量的数学期望 §2.3 随机变量的方差与标准差 §2.4 常用离散分布 §2.5 常用连续分布 §2.6 随机变量函数的分布 §2.7 分布的其他特征数;§2.1 随机变量及其分布; 以上试验中，试验结果本身就是数量，容易与实数建立一种对应关系. ;例：有100件产品，其中一等品50件，二等品 45件，次品5件. 任取一件进行检验.;（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. 它是定义在随机试验的样本空间上. ;2.1.1 随机变量的定义;注 意 点 (1);注 意 点 (2);若随机变量 X 可能取值的个数为有限个或 可列个，则称 X 为离散随机变量. 若随机变量 X 的可能取值充满某个区间 [a, b]，则称 X 为连续随机变量. 前例中的 X, Y, Z 为离散随机变量； 而 T 为连续随机变量.;定义2.1.2 设X为一个随机变量，对任意实数 x， 称 F(x)=P( X? x) 为 X 的分布函数. 基本性质： (1) F(x) 单调不降； (2) 有界：0?F(x)?1，F(??)=0，F(+?)=1； (3) 右连续.;2.1.3 离散随机变量的分布列;分布列的基本性质;注 意 点 (1);例2.1.1;X 0 1 2;注 意 点 (2);例3 设10件产品中有3件次品，现依次不放回抽样, 每次抽一件, 直至抽到正品为止. 求(1)抽取次数X 的概率分布, (2)X的分布函数, (3)计算 P(X=3.5), F(3.5), P(X-2), P(1X≤3);(3) P(X=3.5)=0 F(3.5)=119/120 P(X-2)=P(X=1)+P(X=2)+P(X=3)+P(X=4)=1 P(1X≤3)=P(X=2)+P(X=3)=7/30+7/120=7/24 或 P(1X≤3)=F(3)-F(1)=119/120-7/10=7/24 ;2.1.4 连续随机变量的密度函数;定义2.1.4;密度函数的基本性质;(2);注意点(1); (4) P{aX≤b} = P{aXb} = P{a≤Xb} = P{a≤X≤b} = F(b)?F(a).; 要注意的是，密度函数 f (x)在某点处a的高度，并不反映X取值的概率. 但是，这个高度越大，则X取a附近的值的概率就越大. 也可以说，在某点密度曲线的高度反映了概率集中在该点附近的程度.;;例5 设随机变量X~f(x), 求X的分布函数.;;例2.1.3;例2.1.4;例6 随机变量X的分布函数为F(x)=A+Barctanx,;例7 设连续型随机变量X的分布函数为;课堂练习;3. X的分布函数为; 4.设X的分布函数为;求 (1)P(-2 X 3/2); (2)F(x).;求常数a 及 P{X1}.;7. 设连续型随机变量 X 的分布函数为;§2.2 随机变量的数学期望; 引例：现有两个射手，他们各射击100发子弹，其 成绩如下表，问他们谁的射击成绩好？;问题：能否说甲比乙的射击水平高？; 数学期望与前面计算的“平均成绩”具有不 同的意义. ;分赌本问题(17世纪) 甲乙两赌徒赌技相同，各出赌注50元. 无平局，谁先赢3局，则获全部赌注. 当甲赢2局、乙赢1局时，中止了赌博. 问如何分赌本?;两种分法;2.2.1 数学期望的概念;2.2.2 数学期望的定义;例2.2.1;连续随机变量的数学期望;例如: X ~;练习: 一批零件中有九个合格品及三个次品，安装机器时从这批零件中任取一个，如果每次取出的次品不再放回，求在取得合格品以前已取得的次品数的数学期望.; 数学期望简称为期望. 数学期望又称为均值. 数学期望是一种加权平均.;2.2.3 数学期望的性质;例2.2.2 设随机变量 X 的概率分布为;例2 已知;练习：;数学期望的性质;例2.2.3;如果两个射手射击的命中率如下：; 当数学期望相同时，还不能说甲、乙两人的 射击水平相同. 此时要看他们射击成绩的相对稳 定性. ; 由此可见,研究随机变量与其均值的偏离程度是十分必要的.那么,用怎样的量去