第4章随机变量及其分布.pptVIP

第四章随机变量及其分布 随机变量的分布函数 离散型随机变量 连续型随机变量 4.1随机变量的概念 4.2离散型随机变量 3.几个常用的离散型分布（一）贝努里(Bernoulli)概型与二项分布 2.定义 设将试验独立重复进行n次，每次试验中，事件A发生的概率均为p，则称这n次试验为n重贝努里试验 4.3 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 4.4 连续型随机变量一、概率密度 二、几个常用的连续型分布 小结 2. 指数分布 若 X ～ 则称X服从参数为?0的指数分布。 其分布函数为 例3 .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为多少？ 解 例4.某公路桥每天第一辆汽车过桥时刻为T， 设[0，t ]时段内过桥的汽车数Xt 服从 参数为?t 的泊松分布，求T的概率密度。 解 当t ≤0时， 当t 0时， =1-P {在t时刻之前无汽车过桥} 于是 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。 3. 正态分布 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的正态分布,记为N(? , ?2)，可表为X ～N(? , ?2). 若随机变量 (1) 单峰对称 密度曲线关于直线x =?对称； f(?)＝max f (x)＝ 正态分布有两个特性： * * 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．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 定义: 对于给定的随机实验，?是试验的样本空间，对?中的每一样本点ω，有且只有一个实数X(ω)与之对应，则称此定义在?上的实值函数X为随机变量。 随机变量常用X、Y、Z 或 ?、?、?等表示。 随机变量的特点: 1 X的全部可能取值是互斥且完备的 2 X的部分可能取值描述随机事件 EX．引入适当的随机变量描述下列事件： ①将3个球随机地放入三个格子中， 事件A={有1个空格}，B={有2个空格}， C={全有球}。 ②进行5次试验，事件D={试验成功一次}， F={试验至少成功一次}，G={至多成功3次} 随机变量的分类： 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… X 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 例2.某射手对目标独立射击5次，每次命中目标的概率为p，以X表示命中目标的次数，求X的分布律。 解：设Ai?第i次射击时命中目标，i=1,2,3,4,5 则A1,A2,…A5,相互独立且 P(Ai)=p , i=1,2,…5. SX={0,1,2,3,4,5}, (1-p)5 1. (0-1)分布 若以X表示进行一次试验事件A发生的次数，则称X服从(0－1)分布(两点分布) X ～P{X＝k}＝pk(1－p)1－k, (0p1) k＝0，1 或 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： 例3.从某大学到火车站途中有6个交通岗,假设在各个交通岗是否遇到红灯相互独立,并且遇到红灯的概率都是1/3. (1)设X为汽车行驶途中遇到的红灯数,求X的分布律. (2)求汽车行驶途中至少遇到5次红灯的概率. 解:(1)由题意, X ~B(6,1/3),于是,X的分布律为: 例4. 某人射击的命中率为0.02，他独立射击400次，试求其命中次数不少于