MBA管理统计学(中科大万红燕)第六章 随机变量及其概率分布.pptVIP

第六章 随机变量及其概率分布 第一节 随机变量的基本概念 第二节 离散型随机变量的分布 第三节 连续型随机变量的分布 第四节 随机变量的数字特征 第五节 中心极限定理 第一节 随机变量的基本概念 一.随机变量的概念 随机变量是随机试验结果的数量化。 特点: (1)取值随机会而定。由于随机变量取某个值对应于一个随机事件，因此随机变量取某个值有一定的概率。 (2)随机变量有一定的取值范围，它对应于我们关心哪些随机事件 随机变量按其可能取值全体的性质，区分为两大类：离散型随机变量和连续型随机变量。 研究随机变量主要研究：随机变量可能取哪些值或取值范围以及取这些值的概率。 第一节 随机变量的基本概念 二.分布函数 第一节 随机变量的基本概念 三.概率密度函数 定义：设随机变量的分布函数为F(x) ，若f(x)是定义在整个实数轴上的非负可积函数（满足两个条件： f(x) ≥0 ，∞-∞f(x)dx=1，即f(x) 与横轴所夹面积为1）使得F(x) = x-∞f(t)dt,则称X为连续型随机变量，称f(x)为随机变量X的概率密度函数（或概率密度或密度函数）。 第一节 随机变量的基本概念 概率密度函数的性质： (1) f(x) ≥0（-∞≤x≤∞) (2) = 1 (3) F’(x)= f(x) ,即概率密度函数是分布函数导数 （4）对任意两个实数a与b，其中a≤b，有P(a≤X≤b)= P(a＜X＜b)= P(a＜X≤b)= P(a≤X＜b)=F(b)-F(a)= ∫ba f(x)dx 第二节 离散型随机变量的分布 定义：设离散型随机变量X的所有可能取值是x1,x2, …,xn, …，且P(X=xi)=Pi,则这组概率｛Pi｝为该随机变量X的概率分布（或概率函数），其中Pi（i=1，2， …）满足：Pi≥0(i=1，2， …）且∑ Pi =1。 第二节 离散型随机变量的分布 一.离散均匀分布 P（X=xi）=1/n，(i=1,2, …，n） 例2（P53）掷一个均匀骰子，以X= i表示骰子向上这一事件，则X为随机变量，且P（X=i）=1/6， (i=1,2, …，6） 例3（P54）从10人中任取2人，以X=i表示第i种取法, P（X=i）=1/45,(i=1,2, …，45） 第二节 离散型随机变量的分布 二.二项分布（Binomial Distribution) n重贝努里试验：一种常见的随机模型 （1）贝努里试验：只有两个结果的试验 （2）在一次贝努里试验中，设成功的概率为P，即P（A）=P，P（-A） =1-P （3） n重贝努里试验：由n个（次）相同的、独立的贝努里试验组成的随机试验。 n重贝努里试验的特点： 重复进行n次相互独立的试验；每次试验只可能有两个结果：成功与失败；每次出现成功的概率相同； 第二节 离散型随机变量的分布 定义：如果随机变量X有概率函数： 其中0p1，q=1-p。则称X服从参数为n,p的二项分布，记为 X ～ B（n,p) 。 特别地，如果一个随机变量X只取0和1这两个值，即当n=1时，二项分布（1，P）化为 P（X=K）=pkq1-k(k=0,1)，则随机变量X服从0-1分布。 第二节 离散型随机变量的分布 例4（P54）产量质量控制中，我们关心抽取样本中的次品数X，如果次品率为10%，则抽出的10个样品中有2个次品的概率是多少？有至少2个次品的概率是多少？ 第二节 离散型随机变量的分布 三.泊松分布(Poisson Distribution) 设离散型随机变量X的分布为： P（X=k)=e-λ λk/k!,(λ ＞0,k=0,1,2…),则称X服从参数为λ的泊松分布。 它常常被用来描述稀有事件发生的概率。 泊松逼近定理: 在二项分布B(n,p)中，若n很大, np≤5，记 则有如下的近似公式： 第二节 离散型随机变量的分布 例6（P56）在第二次世界大战中，苏联因缺少高射炮而用步枪打飞机。现设有100人同时向一架飞机射击，设每人打中飞机的概率为0.02。问至少有两人打中飞机的概率。 例 过去的记录表明某一个高速公路收费站，在早上6：00—7：00每分钟交费通过的轿车平均数是5辆，轿车通过数量服从泊松分布。在理想状态下，问每分钟通过的轿车数量是3辆的概率是多少？ 第三节 连续型随机变量的分布 正态分布(Normal Distribution) 正态分布是最重要、最常见的一种连续型分布。这条曲线为来自许多不同学科的数据的相对频数提供了一个恰当的模型。 一.定义 定义：若随机变量X的概率密度函数为f(x)=  则 X 称为正态随机变量，记为 X ～ 正态分布在概率论和数理统计的理论与应用中都是最重要最常用的分布，概率论