2-3连续型随机变量及其密度函数.pptVIP

* §2.3连续型随机变量及其密度函数 连续型随机变量X所有可能取值充满一个区间, 对这种类型的随机变量, 不能象离散型随机变量那样, 以指定它取每个值概率的方式, 去给出其概率分布, 而是通过给出所谓“概率密度函数”的方式. 下面我们就来介绍对连续型随机变量的描述方法. 对于随机变量 X 的分布函数F(x),如果存在非负可积函数 f(x)，使得对于任意实数 x 有: ------ 一、 连续型r.v及其密度函数 1. 连续型r.v密度函数的定义 则称 X 为连续型变量，称 f(x)为 X 的概率密度函数，简称为概率密度或密度. 2. 概率密度函数的性质 这两条性质是判定一个 函数 f(x)是否为某r.vX的 概率密度函数的充要条件. f (x) x o 面积为1 (3) 对任意实数x1, x2 (x1 x2) 几何 意义: (4) f(x)在连续点上, 物理 意义: 故 X 的密度 f (x) 在 x 这一点的值，恰好是 X落在区间 上的概率与区间长度 之比的极限. 这里，如果把概率理解为质量， f (x)相当于线密度，故称 f (x)为概率密度函数。 不计高阶 无穷小 (相当于积分中值定理 ) 注： 这表示落在区间 上的概率近似等于 ， 的值的大小直接影响关系到概率的大小，所以 的确描述了连续型随机变量的概率分布的情况。 但要注意的是：密度函数 f (x)在某点处 a 的高度， 并不反映X 取值的概率. 但是，这个高度越大， 则 X 取 a 附近的值的概 率就越大. 也可以说， 在某点密度曲线的高度 反映了概率集中在该点 附近的程度. f (x) x o 在连续型 随机型变量理论中所 的作用与 在离散型随机变量理 论中所起的作用相类似 连续型r.v取任一指定值的概率为0. 即： a为任一指定值 这是因为 需要指出的是: 这里,事件{X=a}并非不可能事件,但有P{X=a}=0, 就是说,若A是不可能事件,则有P(A)=0,反之若P(A)=0,并不意味着A是不可能事件. 同理概率为1的事件也不一定是必然事件. 注意不可能事件的定义是在随机试验中不可能发生的事件。 对连续型 r.v X,有 连续型随机量X在某区间上取值的概率只与区间长度有关,而与区间是闭,开,半开半闭无关, 即有: 几何意义 若 r.vX的概率密度为： 则称X服从区间( a, b)上的均匀分布，记作： X ～ U(a, b) 它的实际背景是： r.v X 落在 区间(a, b) 内任意相同长度区间 内的可能性是相同的。 二、 常用的连续型随机变量的概率分布 1. 均匀分布 公交线路上两辆公共汽车前后通过某汽车停车站的时间，即乘客的候车时间等. 均匀分布常见于下列情形： 如在数值计算中，由于四舍五 入，小数点后某一位小数引入的误差； 均匀分布的分布函数为: 解 设X表示他等车时间（以分计），则X是一个随机变量，且X~U(0,10)， 例1（等待时间）公共汽车每10分钟按时通过一车站，一乘客随机到达车站.求他等车时间不超过3分钟的概率. 所求概率为 则X的密度函数为： 则称 X 服从参数为λ的指数分布. 指数分布常用于可靠性统计研究中，如元件的寿命. 若 r.v X具有概率密度 常简记为 X~E(λ ) . 2、指数分布 指数分布的分布函数为: 例2 设某电话交换台等候第1个呼叫来到的时间X服从参数为λ的指数分布。若已知第1个 呼叫在5分钟到10分钟之间来到的概率为 ，求第1个呼叫在20分钟以后才来到的概率。 解 所以 （P44，例1） 正态分布是应用最广泛的一种连续型分布. 正态分布在十九世纪前叶由数学家高斯加以推广，所以通常也称为高斯分布. 德莫佛 数学家德莫佛最早发现了二项分布的一个近似公式，这一公式被认为是正态分布的首次露面. 高斯 3、正态分布 正态分布是最常见最重要的一种分布,例如 测量误差, 人的生理特征尺寸如身高、体重等 ; 正常情况下生产的产品尺寸:直径、长