概率论课件--第3章第2讲连续型随机变量.pptVIP

　 §3.2 连续型随机变量 1、连续型随机变量的定义 2、连续型随机变量的概率密度 3、连续型随机变量的分布函数 3、常见的连续型随机变量 正态分布是概率论中最重要的一种分布，与二项分布、泊松分布并称为三大分布，它在实际应用与理论上都有很大作用。 一方面，正态分布应用很广.一般说来，若影响某一数量指标的随机因素很多，而每一因素所起的作用又不很大，则这个数量指标服从正态分布。 例如 进行测量时，由于仪器精度、人的视力、心理因素、外界干扰等多种因素影响，测量结果大致服从正态分布；测量误差也服从正态分布。另外，生物的生理尺寸如成人的身高、体重，某地区一类树木的胸径，炮弹落地点，某类产品的某个尺寸等等都近似服从正态分布. 另一方面，正态分布具有良好的性质，一定条件下，很多分布可用正态分布来近似表达，另一些分布又可以通过正态分布来导出，因此，正态分布在理论研究中也相当重要。 事实上，正态分布是19世纪初高斯（Gauss）在研究测量误差时首次引进的，故正态分布又称误差分布或高斯分布； 正态分布的概率密度函数图形 (3).指数分布 称随机变量ζ服从参数为λ的指数正态分布，如果它的密度函数为: 　　 -x x 0.1 0.2 0.3 0.4 其中: -3 -2 -1 1 2 3 0.1 0.2 0.3 0.4 对一般的正态分布 ：ζ ~ N ( ? ,? 2) 其分布函数 作变量代换 　例2　设 ζ ~ N(1，4) ，求 P (0 ? ζ ? 1.6) 解 　　例3　已知　　　　　,且 P( 2 ζ 4 ) = 0.3， 求 P ( ζ 0 )． 解一 解二 由图 0.2 -2 2 4 6 0.05 0.1 0.15 0.2 0.3 图解法 　3?原理 解 设 ζ ~ N ( α , ? 2)，求 例4 标准正态分布的上 ? 分位数z? 设 ζ ~ N (0，1) ，0 ? 1，称满足 的点 z? 为ζ的上? 分位数． 常用的几个数据 z? ? 0.1 0.2 0.3 0.4 记为: 容易验证该函数满足密度函数的两个条件. 指数分布具有类似几何分布的“无记忆性”。 事实上，设随机变量ζ服从参数为λ的指数分布，则对于任意的s0, t 0, * * 　1、连续型随机变量的定义 定义3.2 若随机变量ξ(ω)可取某个区间 （有限或无限）中的一切值， 是它的分布函数 ,若存在有一个非负的可积函数 ，使对任意的　 ,满足:　 则称ξ(ω)为连续型(continuous)随机变量， 称为ξ(ω)的概率密度函数，简称为密度函数(density function)，具有上述性质的函数处 称为是连续型分布函数。 (1) 注意: 满足性质(1)、(2)的函数都可以看为某个随机变量的概率密度. 例如: 2、连续型随机变量的密度函数 的性质 (2) 满足(1) (2) 所以 是一个概率密度函数。 x p(x) -1 1 0 F(-1) F(1) 分布函数F(x)与密度函数 p(x)的几何意义 (1)设 (或 ) 为一连续型随机变量ξ(ω) 的分布函数(或密度函数),由定义可以直接算得ξ(ω)取值于区间(a,b]的概率为: 由连续型随机变量的定义，它的分布函数具有下列良好的数学性质。 3、连续型随机变量的分布函数的性质 (2)若 绝对连续，则 必定处处连续；并且在 的连续点处， 可导，且 (3) 特别,对任意常数c, =0 因此对连续型随机变量，计算在一点的概率 是没有意义的，这也是不能用分布列描写连续型随机变量的理由之一。 但是一个可能发生的事件，这又说明对连续型随机变量,一事件A的概率为0并不表明A =φ；同样若P(A) =1，也并不表明A =Ω。 这些都是与离散型随机变量的根本区别。 例1 设连续型随机变量ζ的分布函数为