第二章随机变量及其分布doc.docVIP

第 五 次课 2学时 本次教学重点： 离散型随机变量与分布列，分布函数及其基本性质，常见的几种离散型分布 本次教学难点： 随机变量的分布函数 本次教学内容： 第二章 随机变量及其分布函数 随机变量的直观意义与定义 一、随机变量概念的引入 为全面研究随机试验的结果, 揭示随机现象的统计规律性, 需将随机试验的结果数量化，即把随机试验的结果与实数对应起来. 1. 在有些随机试验中, 试验的结果本身就由数量来表示. 如在“n重贝努里试验中，事件A出现k次”这一事件的概率，若记ξ=n重贝努里试验中A出现的次数，则上述“n重贝努里试验中，事件A出现k次”这一事件可以简记为（ξ=k）,从而有 P(ξ=k)= ?? q=1-p???????? 并且ξ的所有可能取值就是事件A可能出现的次数0，1，2，……n 2. 在另一些随机试验中, 试验结果看起来与数量无关,但可以指定一个数量来表示之. 例如抛掷一枚均匀的硬币可能出现正面，也可能出现反面，约定 若试验结果出现正面, 令η=1, 从而{试验结果出现正面}=（η=1）； 若试验结果出现反面, 令η=0, 从而{试验结果出现反面}=（η=0）。 为了计算n次投掷中出现正面数就只需计算其中“1”出现的次数了。 一般地，若A为某个随机事件，则一定可以通过如下示性函数使它与数值发生联系 在上面的例子中，我们遇到了两个随机变量ξ，η，这两个变量取什么值，在每次试验之前是不确定的，因为它的取值依赖于试验的结果，也就是说它的取值是随机的，通常称这种量为随机变量。从上面例子可以发现，有了随机变量，至少使随机事件的表达在形式上简洁得多了。 在上述前两个例子中，对每一个随机试验的结果自然地对应着一个实数，而在后两个例子中，这种对应关系是人为地建立起来，由此可见，无论哪一种性质，所谓随机变量，不过是随机试验的结果（即样本点）和实数之间的一一对应关系 二、随机变量的定义 定义 设是一概率空间，对于是一个取实值得函数；若对于任一实数是一随机事件，亦即，则称为随机变量. 为书写方便，简写为，事件记为 通常用希腊字母或大写字母X,Y,Z等表示随机变量 随机变量与高等数学中函数的比较: (1) 它们都是实值函数, 只不过在函数概念中，f(x)的自变量x为实数，而随机变量的概念中，随机变量ξ（ω）的自变量为样本点ω，因为对每个试验结果ω都有函数ξ（ω）与之对应，所以ξ（ω）的定义域是样本空间，值域是实数域。但随机变量在试验前只知道它可能取值的范围,而不能预先肯定它将取哪个值; (2) 因试验结果的出现具有一定的概率,故随机变量取每个值和每个确定范围内的值也有一定的概率. 例1：一射手对一射击目标连续射击，则他命中目标的次数为随机变量，的可能取值为0，1，2…… 例2：某一公交车站每隔5分钟有一辆汽车停靠，一位乘客不知道汽车到达的时间，则侯车时间为随机变量,的可能取值为。 例3：考察某一地区全年的温度的变化情况，则某一地区的温度为随机变量，的可能取值为? 。 例4：大炮对某一目标射击，弹着点的位置，如果建立如图所示的坐标系，则弹着点就可以用一个二维坐标（）表示出来，这时，就要用二维随机变量来描述。 三．随机变量的分类 从随机变量的取值情况来看，若随机变量的可能取值只要有限个或可列个则该随机变量为离散型随机变量，不是离散型随机变量统称为非离散型随机变量，若随机变量的取值是连续的，称为连续型随机变量，它是非离散型随机变量的特殊情形。 从随机变量的个数来分，随机变量可分为一维随机变量和多维随机变量， （一）一维随机变量及分布列 1．定义 定义2：定义在样本空间上，取值于实数域R，且只取有限个或可列个值的变量称为一维（实值）离散型随机变量，简称离散型随机变量。 讨论离散型随机变量主要要搞清楚两个方面：一是随机变量的所有可能取值；更主要的的是搞清楚随机变量取这些可能值的概率。 例5：设袋中有五个球（3个白球2个黑球）从中任取两球，则取到的黑球数为随机变量,的可能取值为0，1，2。 习惯上，把它们写成 0 1 2 2、分布律 ??? 如果离散型随机变可能取值为 相应的取值的概率 称 ???????????????????? ??? 为随机变量的分布列，也称为分布律，简称分布。 ??? 也可以用下列表格或矩阵的形式来表示，称为随机变量的分布律： 或 例6：在n=5的贝努里试验中，设随机事件A在一次试验中出现的概率p，令?=5次试验中事件A出现的次数。则 ? k=0,1,2,3,4,5 于是的分布列为 0???? 1???? ? 2????? ??3???? ? ?4???? 5 ? ????????? 3、分布列的性质 由概率的性质可知，