吴赣昌编_概率论与数理统计_第2章(new)修改.pptVIP

二、离散型随机变量及其概率分布、分布函数 离散型随机变量定义 概率分布（分布律） P(X=xk)=pk, (k=1, 2, … ) 分布函数 F(x)＝P {X?x}， x∈(-∞，+∞) 四、常见的几种分布 三、连续型随机变量及其概率分布 连续型随机变量定义、密度函数及分布函数 f(x)非负可积为密度函数，且 1、二项分布 X～B(n,p) 在伯努利概型中，X表示n次试验中事件A发生 的次数。 2、泊松分布 X～P(λ), λ0 （泊松定理）当随机变量X~B(n, p)，且n很大，p很小时，X近似服从P(np)，记?=np，即 3、均匀分布 X～U[a,b]，密度函数和分布函数如下 4、正态分布 X～N(?, ?2)，密度函数为 （其中? ，?为实数，?0） 标准正态分布 X～N(0, 1)，密度函数和分布函数如下 重要结论：若X～N(?, ?2)，则 ～N(0,1)，即 一般有 5、指数分布 X～E(λ)，λ0, 密度函数和分布函数如下 五、随机变量函数的概率分布 1、离散型随机变量Y=g(X)的概率分布 若 X～P(X＝xk)＝pk, k＝1, 2, … 2、连续型随机变量Y=g(X)的概率分布 1)、分布函数法： X~fX(x)，(-?x+?), 则Y的分布函数为 FY (y) ＝P(Y?y)＝P(g(X) ?y)＝ 从而Y的概率密度函数fY (y)为 2)、公式法： 若X~fX(x), y=g(x)是严格单调可导函数，则 其中x=h(y)为y＝g(x)的反函数，且 题型分析： 1.随机变量的分布函数以及概率密度（分布律） （1）F(x)、f(x)(分布律)中的常数求法 用性质求。F(x)的归一性、右连续性。 f(x)(分布律)中的归一性 （2）离散型随机变量的分布律 找出X所有可能取值，写出对应概率 （3）已知分布律，求离散型随机变量的分布函数 利用公式 注意区间划分，左闭右开 （4）已知分布函数，求离散型随机变量的分布律 利用公式 P(X=xi)=F(xi)-F(xi-0) （左极限） （5）已知密度函数，求连续型随机变量的分布函数 （6）已知分布函数，求连续型随机变量的密度函数 （5）、（6）中注意F(x)、f(x)的区间划分要一致 2.随机变量函数的概率密度（分布律）的求法 （1）离散型 A、若g(xk)的值全不相等，则Y的分布律中yk的数值分别为g(xk)的值，相应概率分别为xk对应的概率；B、若g(xk)的值有相等的，则把相等的取值合并，相应概率pk求和。 见内容提要五 （2）连续型 A、分布函数法-先求分布函数F(y),再对y求导得到f(y) B、公式法-直接求密度函数f(y) 注意f(y)的取值区间 * 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