概统教案Ch2.pptVIP

第二章 离散型随机变量 例 掷一粒质地均匀的骰子，可能的结果有1点，2点，…，6点. 若把1点对应于1，2点对应于2，…，6点对应于6. 这样随机试验的结果与数量发生联系，且不同的随机事件对应着不同的数量. * * 概率论与数理统计 Probability Mathematical Statistics 袁永生 教授 目前概率计算中所使用的数学手段…… ＋－×÷ 基础上的极限运算…… §2.1 随机变量的概念 定义 设随机试验E的样本空间?, 若对每个???,有一个实数X(?)与之对应, 随机变量与普通实函数的主要区别： ① 定义域不尽相同; ② 随机变量取值有一定概率； 因r.v.X的取值X(?)与?对应, 而?与概率对应. 这样得到的定义在?上的单值实函数X＝X(? )称为随机变量, 简记为 r.v. X. ③ 单值(实函数).可以多对一, 不可一对多. 如果试验的结果就是用数量表示的, 表示这个结果的字母, 即随机试验中的数量指标… 随机试验中的数量指标, 就是随机变量. r.v.特性: 可能取多值, 不同取值有不同可能性. 引进随机变量后随机事件的形式： 关于r.v.的等式或不等式即为随机事件; 有关r.v.的等式或不等式的恒等变形, 即为事件的恒等变形. 与前面随机事件定义的吻合性： 实质上, {X=a} ={? | X (? )= a} {aX≤b} ={? | aX (? ) ≤b } {X= x1} 是否为基本事件？ 若x1≠ x2, 则{X= x1}∩{X= x2}= ? (x1, x2)∩(x3, x4)= ?, 则{x1X x2}∩{x3X x4}= ? 不需关心描述性的“出现正面”、“出现偶数点”，只需关心关于r.v.的等式或不等式. 不一定 随机变量是事件的推广; 随机变量的分布是事件概率的推广. 随机变量是描述事件的数学模型, 也是研究随机现象的思想方法. 引入r.v.为研究复杂随机现象提供了工具. 引入随机变量后，对随机试验的研究更加突出了数量这一侧面。对随机试验的研究, 转化为对随机变量的研究. §2.2 一维离散型随机变量的分布律 定义 全部可能取值为有限个或可列无限个的随机变量为离散型随机变量。 若X为离散型随机变量，取值为x1, …, xn, …, 称pk= P{ X= xk}, k =1, 2, … 为离散型随机变量X 的分布律, 或概率分布. 数学实质及表格表示. 也可表为 X～ P{X=xk}=pk, (k=1, 2, … ) X x1 x2 … xn … P p1 p2 … pn … 概率分布表 或 (1) pk ? 0, k＝1, 2, … ; 分布律的性质 证明(2) 例 设袋中有5只球, 编号为1、2、3、4、5, 在袋中同时取3只球, 以X表示取出的3只球的最大号码. 试写出X的分布律. 计算中注意，找等价的随机试验以方便计算. 注意按分布律实质计算. §2.3 几个常见的离散型分布(几个特殊分布律) 1. (0－1)分布(两点分布) 或 X～P{X＝k}＝pk(1－p)1－k, (0 p 1) k＝0，1 X 0 1 P 1-p p 2. 二项分布B(n, p) ? 贝努利(Bernoulli)概型(或贝努利概型) 将同一试验E 重复进行n次，若每次的试验结果互不影响，则称这n次试验相互独立。 (n重)贝努里试验实质： 设试验 E 只有两个可能结果 A 和 A，且P(A)=p, P(A)=1-p (0p1), 把 E 独立地重复进行 n 次，这 n 次重复试验作为一个整体称为 n 重贝努里试验. 两态独立重复(n次) 即 若试验可以看成或分解成独立重复进行的试验，且每次试验只需考虑两个结果A与A, 则该试验就是一个贝努里试验或贝努里概型。 如, 公交车有客下停, 无客下不停, 观察停车情况? 观察某车间若干台设备中，某时刻坏的情况? n重贝努里试验的几个相关问题： ① 试验结果的形式？ ② 试验结果的个数？ ③ 每个结果发生的概率是否一样？ ④ 恰含k 个A 的结果数？ ⑤ 恰含k 个A 的结果发生的概率是否一样？ ⑥ 如何求恰含k 个A 的结果发生的概率？ 以X 记n重贝努里试验中A发生的次数，则X 的分布律为： 称 X 服从参数为(n，p)的二项分布，记为X~B(n, p) 二项分布律中，应注