[理学]概率ch2.ppt

第二章 随机变量及其分布 随机变量 离散型随机变量及其分布律 随机变量的分布函数 连续型随机变量及其概率密度 随机变量的函数的分布 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． 一个随机变量是一个未知具体数值的变量，它的取值可能或代表样本空间中任何可能的元素。样本空间中的元素有一定的概率分布（概率密度）。因此我们说随机变量是以一定的概率取到不同的可能值 说 明 一、离散型随机变量的概念 二、 离散型随机变量 例 2 从1～10这10个数字中随机取出5个数字，令： X：取出的5个数字中的最大值． 试求 X 的分布律． 解： X 的取值为5，6，7，8，9，10． 并且 例 3 将 1 枚硬币掷 3 次，令： X：出现的正面次数与反面次数之差． 试求 X 的分布律． 解： X 的取值为-3，-1，1，3． 并且 例 4 设离散型随机变量 X 的分布律为 例 4（续） 例 5 设随机变量 X 的分布律为 ·几个常用的离散型分布（一）贝努里(Bernoulli)概型与二项分布 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)分布律为： 例8 一张考卷上有5道选择题，每道题列出4个可能答案， 其中只有一个答案是正确的．某学生靠猜测至少能 答对4道题的概率是多少？ 解：每答一道题相当于做一次Bernoulli试验， 例 8（续） 所以 Poisson分布的应用 Poisson分布是概率论中重要的分布之一． 自然界及工程技术中的许多随机指标都服从Poisson分布． 例如，可以证明，电话总机在某一时间间隔内收到的呼叫次数，放射物在某一时间间隔内发射的粒子数，容器在某一时间间隔内产生的细菌数，某一时间间隔内来到某服务台要求服务的人数，等等，在一定条件下，都是服从Poisson分布的． 例 9 设随机变量 X 服从参数为λ的Poisson分布，且已知 例 9（续） 得 例 10 例 10（续） 解：设 B={ 此人在一年中得3次感冒 } 4）几 何 分 布 若随机变量 X 的分布律为 5）超 几 何 分 布 如果随机变量 X 的分布律为 超几何分布的概率背景 一批产品有 N 件，其中有 M 件次品，其余 N-M 件 为正品．现从中取出 n 件． 令： X：取出 n 件产品中的次品数． 则 X 的分 布律为 2.3 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 用分布函数计算某些事件的概率 用分布函数计算某些事件的概率 用分布函数计算某些事件的概率 例 3 例