[所有分类]北航概率课件25-6.pptVIP

对一般的正态分布 ：X ~ N ( ? ,? 2) 其分布函数 作变量代换 例5 设 X ~ N(1,4) , 求 P (0 ? X ? 1.6) 解 P380 附表3 例6 已知 且 P( 2 X 4 ) = 0.3, 求 P ( X 0 ). 解一 解二 图解法 0.2 由图 0.3 例 3? 原理 设 X ~ N ( ? , ? 2), 求 解 在一次试验中, X 落入区间( ? - 3? , ? +3? ) 的概率为 0.9974, 而超出此区间的可能性很小 由3? 原理知， 当 标准正态分布的 ? 分位数 z? 设 X ~ N (0,1) , 0 ? 1, 称满足 的点 z? 为X 的? 分位数 z? ? 常用的几个数据 例7 设测量的误差 X ~ N(7.5,100)(单位：米),问要 进行多少次独立测量，才能使至少有一次 误差的绝对值不超过10米的概率大于0.9 ? 解 设 A 表示进行 n 次独立测量至少有一次误差 的绝对值不超过10米 n 3 所以至少要进行 4 次独立测量才能满足要求. §2.5 连续型随机变量 定义 设 X 是一随机变量，若存在一个非负 可积函数 f ( x ), 使得 其中F ( x )是它的分布函数 则称 X 是连续型随机变量，f ( x )是它的 概率密度函数( p.d.f. )，简称为密度函数 或概率密度 连续型随机变量的概念 x f ( x) x F ( x ) 分布函数F ( x )与密度函数 f ( x )的几何意义 p.d.f. f ( x )的性质 常利用这两个性质检验一个函数能否作为连续性随机变量的密度函数，或求其 中的未知参数 在 f ( x ) 的连续点处， f ( x ) 描述了X 在 x 附近单位长度的区间内 取值的概率 积分 不是Cauchy 积分，而是Lesbesgue 意义下的 积分，所得的变上限的函数是绝对连续的， 因此几乎处处可导 线段质量 长度 密度 注意: 对于连续型随机变量X , P ( X = a) = 0 这里 a 可以是随机变量 X 的一个可能的 取值 命题 连续型随机变量取任一常数的概率为零 强调 概率为1 (零) 的事件未必发生 (不发生) 事实上 对于连续型随机变量X b x f ( x) a x f ( x) a 例1 有一批晶体管，已知每只的使用寿命 X 为 连续型随机变量，其概率密度函数为 ( c 为常数) 求常数 c (2) 已知一只收音机上装有3只这样的晶体管，每只晶体管能否正常工作相互独立，求在使用的最初1500小时只有一个损坏的概率. 解 (1) c = 1000 (2) 设事件 A 表示一只晶体管的寿命小于 1500小时 设在使用的最初1500小时三只晶体管中 损坏的只数为 Y 例2 在高为h 的 ABC 中任取一点M ,点M到 AB 的距离为X , 求X 的概率密度函数 f (x). E F A B C h .M X x 解 作 当 时 使EF 与AB间的距离为x 于是 (1) 均匀分布 ( a , b)上的均匀分布 记作 2.6 常见的连续性随机变量的分布 若 X 的密度函数为 ，则称 X 服从区间 其中 X 的分布函数为 x f ( x) a b x F( x) b a 即 X 的取值在(a,b)内任何长为 d – c 的小区间 的概率与小区间的位置无关, 只与其长度成正 比. 这正是几何概型的情形. 在进行大量数值计算时，如果在小数点后第 k 位进行四舍五入，则产生的误差可以看作 服从 应用场合 例3 秒表的最小刻度差为0.01秒. 若计时精度 是取最近的刻度值, 求使用该秒表计时产生的 随机误差X 的概率密度, 并计算误差的绝对值 不超过0.004秒的概率. 解 由题设知随机误差 X 等可能地取得区间 上的任一值，则 所以 (2) 指数分布 若 X 的密度函数为 则称 X 服从 参数为?的指数分布 记作 X 的分布函数为 ?? 0 为常数 1 x F( x) 0 x f ( x) 0 对于任意的 0 a b, 应用场合 用指数分布描述的实例有： 随机服务系统中的服务时间 电话问题中的通话时间 无线电元件的寿命 动物的寿命 指数分布常作为各种 “寿命”分布的近似 若 X ~Ｅ(?),则 所以，又把指数分布称为“永远年轻”的分布 指数分布的“无记忆性” 事实上 例4 假定一大型设备在任何长为 t 的时间内