2概率统计第二讲.pptVIP

第二讲 离散型随机变量及其分布 随机变量及其分类 离散型随机变量的分布律 一维离散型随机变量的几个常用分布 常用分布间的关系 二项分布、泊松分布的最可能值 分布函数 二维离散型随机变量 离散型随机变量函数的分布律 一、 随机变量及其分类 二、离散型随机变量的分布律一、分布律 三、一维离散型r.v的几个常用分布 四、常用分布律之间的关系 五、二项分布、泊松分布的最可能值 六、分布函数 2. 分布函数的性质 七、二维离散型随机变量 3. 边缘分布律 4. 条件分布律 5. 离散型随机变量的相互独立性 八、 离散型随机变量函数的分布律 2. 多维离散型随机变量函数的分布律 [II] 例题精讲 * * * 随机变量实际上是定义在样本空间上的一个实函数。 [I] 内容提要 1.概念 定义 设随机试验E的样本空间是?，X＝X(?), ??? 是定义在?上的一个单值实函数。若对任意实数x，样本 点?的集合{?| X(?)?x}＝{X?x}是一随机事件，则X(?)称为随机变量，简记为X. 随机变量一般用英文大写字母X、Y、Z等表示 ，也可用希腊字母?、?、?等表示。 2. 随机变量的分类 随机变量 1. 定义 X～ P{X=xk}=pk, (k=1, 2, … )， X x1 x2 … xn … P p1 p2 … pn … 2. 分布律的性质 (1) pk ? 0, k＝1, 2, … ; （2） 1. 退化分布(单点分布) X～P{X＝a}＝1，其中a为常数。 2. (0－1)分布(两点分布) X～P{X＝k}＝pk(1－p)1－k, (0p1) k＝0，1 3. 几何分布 X～P{X＝k}＝ (1－p)k－1 p, (0p1) k＝1, 2, … 4. 二项分布B(n, p) X～P{X＝k}＝ pk(1－p)n－k, (0p1) k＝0, 1, 2, …, n pr(1－p)k－r, k＝r, r+1, …, ( r?1, 0p1 ) 负二项分布又叫巴斯卡(Pascal)分布，可记为NB(r, p). 6. 超几何分布 X～ 称X服从参数为(N, M, n)的超几何分布. 7. 泊松(Poisson)分布P(?) X～P{X＝k}＝ 5. 负二项分布 X～P{X＝k}＝ k＝0, 1, 2, … (??0) 1. (0－1)分布和二项分布的关系 (0－1)分布是二项分布B(n, p)中n＝1时的特款； 2. 几何分布和负二项分布的关系 几何分布是负二项分布NB(r, p)中r＝1时的特款； 3. 超几何分布和二项分布的关系 定理1 设在超几何分布中，n是一个取定的正整数，而 k＝0, 1, 2, …, n 则 4. 二项分布和泊松分布的关系 定理2 设随机变量Xn~b(n, pn), (n＝0, 1, 2, …), 且 该定理也称为泊松定理。 该定理表明，泊松分布是二项分布的极限分布，当n很大，p很小时，二项分布就可近似地看成是泊松分布，即 其中?＝np. 一般的，当n?10 ， p?0.1时就可用泊松分布近似代替二项分布。 k＝ 0, 1, 2, … ?为常数，则 最可能值：K0满足 可由右边不等式组解得 结论: 1. 定义 设X为随机变量，对任意实数x，事件{X?x}的 概率P {X?x}称为随机变量X的分布函数。记为F(x)，即 F(x)＝P {X?x}. 易知，对任意实数a, b (ab), P {aX?b}＝P{X?b