第2章_随机变量及其分布.ppt

* 顾名思义，随机变量就是“其值随机会而定”的变量，正如随机事件是“其发生与否随机会而定”的事件．机会表现为试验结果，一个随机试验有许多可能的结果，到底出现哪一个要看机会，即有一 定的概率．最简单的例子如掷骰子，掷出的点数X是一个随机变量，它可以取1，…，6等6个值．到底是哪一个，要等掷了骰子以后才知道．因此又可以说，随机变量就是试验结果的函数．从这一点看，它与通常的函数概念又没有什么不同．把握这个概念的关键之点在于试验前后之分：在试验前我们不能预知它将取何值，这要凭机会，“随机”的意思就在这里，一旦试验后，取值就确定了．比如你在星期一买了—张奖券，到星期五开奖．在开奖之前，你这张奖券中奖的金额X是一个随机变量，其值耍到星期五的“抽奖试验”做过以后才能知道． 明白了这一点就不难举出一大堆随机变量的例子．比如，你在某厂大批产品中随机地抽出100个，其中所含废品数X；一月内某交通路口的事故数X；用天平秤量某物体的重量的误差X；随意在市场上买来一架电视机，其使用寿命X等等，都是随机变量． 若把随机变量X取所有可能值的概率计算出来，列成一个表格，则很容易算出任何一个由X取值落在某一区域表示的事件，如掷骰子，至少掷出1点的概率。 关于随机变量(及向量)的研究，是概率论的中心内容．这是因为，对于一个随机试验，我们所关心的往往是与所研究的特定问题有关的某个或某些量，而这些量就是随机变量．当然，有时我们所关心的是某个或某些特定的随机事件．例如，在特定一群人中，年收入十万元以上的高收入者，及年收入在8000元以下的低收入者，各自的比率如何，这看上去像是两个孤立的事件．可是，若我们引进一个随机变量的X： X＝随机抽出一个人其年收入，则X是我们关心的随机变量．上述两个事件可分别表为X＞10万和X＜0.8万．这就看出：随机事件这个概念实际上是包容在随机变量这个更广的概念之内．也可以说：随机事件是从静态的观点来研究随机现象，而随机变量则是一种动态的观点，一如数学分析中的常量与变量的区分那样．变量概念是高等数学有别于初等数学的基础概念．同样，概率论能从计算一些孤立事件的概念发展为一个更高的理论体系，其基础概念是随机变量． * 1、定义 对于随机变量X，若存在非负函数f(x)，(-?x+?)，使对任意实数x，都有 则称X为连续型随机变量，f(x)为X的概率密度函数，简称概率密度或密度函数. 常记为 X～ f(x) , (-?x+?) 一、概率密度 密度函数的几何意义为 2、密度函数的性质 (1)非负性 f(x)?0，(-?x?)； (2)归一性 性质(1)、(2)也是密度函数的充要性质； 设随机变量X的概率密度为 求常数a. (3) 对任意实数b，若X～ f(x)，(-?x?)，则 P{X=b}＝0, 于是： (4) 若x是f(x)的连续点，则 设随机变量X的分布函数 求其概率密度函数f(x)． 注1 描述一个随机变量，可以用分布函数，也可以用概率密度或分布律； 注２ 以后当我们提到一个随机变量X的“概率分布”时，指的是它的分布函数；或者，当X是连续型随机变量时，指的是它的概率密度，当X是离散型随机变量时，指的是它的分布律。 已知随机变量X的概率密度为 (1)确定常数k; (2)求X的分布函数F(x); (3)求P{X?(1,7/2)} 1、均匀分布 则称X在(a, b)内服从均匀分布，记作X~U(a, b) 对任意实数c, d (acdb)，都有 若X～f(x)＝ 例1 长途汽车起点站于每时的10分、25分、55分发车，设乘客不知发车时间，于每小时的任意时刻随机地到达车站，求乘客候车时间超过10分钟的概率 15 45 解：设随机变量X表示乘客到达的时刻(分钟数),由题意知：X?U(0,60)。若以事件A表示乘客候车时间超过10分钟，则 2、指数分布 则称X服从参数为θ0的指数分布。 若 X～ 其分布函数 例2 设某电子元件的寿命X(年)服从参数为3的指数分布, (1)求该电子元件寿命超过2年的概率； (2)已知该电子元件已使用了1.5年，求它还能使用两年的概率。 解: 由题意知 指数分布的无记忆性: 设随机变量X服从参数为θ的指数分布,则 此即表明:已知元件使用了s小时,它总共能使用至少s+t小时的条件概率,与从开始使用时算起它至少能用t小时的概率相等. 也就是说:元件能使用的时间与新旧无关. 无记忆性是指数分布的特性，自然界中仅指数分布具有无记忆性。 正态分布是实践中应用最为广泛，在理论上研究最多的分布之一，故它在概率统计中占有特别重要的地位。也是我们整个课程中最重要的分布。 A B A，B间真实距离为?，测量值为X。X的概率密度应该是什么形态？ 其中?为实数，?0，则称X服从参数为? ,?2的