概率论第二章第三讲A.pptVIP

第2.4节　连续型随机变量 一、概率密度的概念与性质 说 明 ⑴ 由上述性质可知，对于连续型随机变量，我 们关心它在某一点取值的问题没有太大的意义； 我们所关心的是它在某一区间上取值的问题． 二、常见连续型随机变量及其分布 密度函数的验证: 均匀分布的概率背景: 正态分布的重要性: 例10 备份题 Gauss 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、长度、重量 高度等都近似服从正态分布. 正态分布的应用与背景 应用场合: 若随机变量 X 受到众多相互独立的随机 因素的影响，而每一个别因素的影响都是 微小的，且这些影响可以叠加, 则 X 服 从正态分布. 正态分布是概率论中最重要的分布，这可以由以下 情形加以说明： ⑴ 正态分布是自然界及工程技术中最常见的分布之 一，大量的随机现象都是服从或近似服从正态分布 的．可以证明，如果一个随机指标受到诸多因素的 影响，但其中任何一个因素都不起决定性作用，则 该随机指标一定服从或近似服从正态分布． ⑵ 正态分布有许多良好的性质，这些性质是其它许 多分布所不具备的． ⑶ 正态分布可以作为许多分布的近似分布． 标准正态分布的概率密度表示为 一种非常重要的正态分布----标准正态分布: 标准正态分布的分布函数表示为 标准正态分布的图形 例9 证明 证明 标准正态分布的重要性在于，任何一个一般的正态分布都可以通过线性变换转化为标准正态分布. ,则 设 定理 根据定理,只要将标准正态分布的分布函数 制成表，就可以解决一般正态分布的概率问题。 书末附有标准正态分布函数数值表，有了它，可以解决一般正态分布的概率计算查表。 若 若 该公式给出了一般正态分布分布函数值的求法 例11 一、概率密度的概念与性质 二、常见连续型随机变量的分布 三、小结 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, 指出它取每个值的概率, 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. 性质 1.定义 证明 同时可得以下计算公式 （5）设X为连续型随机变量，a为任意实数 , 则 证明 由此可得 连续型随机变量的概率与区间的开闭无关 此公式非常重要！ 设X为连续型随机变量 ，{X=a} 是不可能 事件,则有 若 X 为离散型随机变量, 注意 连 续 型 离 散 型 在概率论中，概率为零的事件称为零概率事件。 注意区分零概率事件与不可能事件！不可能 事件是零概率事件，而零概率事件不全是不可能 事件。 在概率论中，概率为1的事件称为几乎必然 发生的事件。 注意区分几乎必然事件与必然事件！必然 事件的概率为1，但是概率为1的事件未必是必 然事件。 例2 故有 解 (1) 因为 X 是连续型随机变量, 例3.已知随机变量X的概率密度为 1)求X的分布函数F(x), 2)求P{X?(0.5,1.5)} 1. 均匀分布 概率密度 函数图形 X X a b x l l 0 分布函数 解 则有实根的概率为 例8 2. 指数分布 指数分布密度 函数图形演示 某些元件或设备的寿命服从指数分布.例如无线电元件的寿命 , 电力设备的寿命, 动物的寿命等都服从指数分布. 应用与背景 分布函数 例13 设某类日光灯管的使用寿命 X 服从参数为 2000的指数分布(单位:小时) (1)任取一只这种灯管, 求能正常使用1000小时以 上的概率. (2) 有一只这种灯管已经正常使用了1000 小时以 上,求还能使用1000小时以上的概率. X 的分布函数为 解 指数分布的重要性质 :“无记忆性”. 2. 正态分布(或高斯分布) 高斯资料 证明： 作变量代换 左边 化为极坐标 其中 密度函数的验证: 正态概率密度函数的几何特征 正态分布密度函数图形演示 正态分布的分布函数