第二篇 章第四节 连续型随机变量及其密度函数 概率论课件.pptVIP

;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.;请看演示:;(II) 连续型r.v.及其概率密度函数的定义 ;连续型 r.v.的分布函数; 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.; 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.;若不计高阶无穷小，有： ;4. 连续型r.v取区间值的概率. ;5. 连续型r.v取任一指定值的概率为0. ;;2) 由P(X=a)=0 可推知;下面给出几个r.v的例子.;例2;例2;二 常见的连续型随机变量;若 r.v. X的概率密度为： ;若X ～ U(a, b)，则对于满足;因此X ～ U(a, b)的分布函数为：;均匀分布常见于下列情形：; 例3 某公共汽车站从上午7时起，每15分钟来一班车，即 7:00，7:15，7:30, 7:45 等时刻 有汽车到达此站，如果乘客到达此站时间 X 是7:00 到 7:30 之间的均匀随机变量, 试求他候车 时间少于5 分钟的概率.; 为使候车时间X少于 5 分钟，乘客必须在 7:10 到 7:15 之间，或在7:25 到 7:30 之间到达车站.;例4：设ξ服从[0,3] 上均匀分布，求方程 没有实根的概率。; 区间( 0, 1)上的均匀分布U(0,1)在计算机模拟中起着重要的作用.; 如取n足够大，独立产生n个U(0,1)随机数，则从用这 n 个数字画出的频率直方图就可看出，它很接近于( 0, 1)上的均匀分布U(0,1).;则称 X 服从参数为 的指数分布. ;指数分布常用于可靠性统计研究中，各种“寿命” 分布的近似，如电子元件的寿命，动物的寿命，电话问题中的通话时间，随机服务系统中的服务时间等都常假定服从指数分布. 例5 设某种电子元件的寿命为连续随机变量ξ，若使用了t小时的该元件在以后的?t小时内损坏的概率为 ??t+o(?t)，其中?0为常数，o(?t)表示当?t?0时较?t高阶的无穷小量，可以证明ξ服从指数分布。;证明： ξ的分布函数为：;例7;例7; 正态分布是应用最广泛的一种连续型分布.;你们是否见过街头的一种赌博游戏? 用一个钉板作赌具。;高 尔 顿 钉 板 试 验; (1)、正态分布的定义;(2)、正态分布 的图形特点; 决定了图形的中心位置， 决定了图形中峰的陡峭程度.;故f(x)以μ为对称轴，并在x=μ处达到最大值:;这说明曲线 f(x)向左右伸展时，越来越贴近x轴。即f (x)以x轴为渐近线。 ;用求导的方法可以证明，;实例 年降雨量问题，我们用上海99年年降雨量的数据画出了频率直方图。;下面是我们用某大学大学生的身高的数据画出的频率直方图。;人的身高高低不等，但中等身材的占大多数，特高和特矮的只是少数，而且较高和较矮的人数大致相近，这从一个方面反映了服从正态分布的随机变量的特点。; 除了我们在前面遇到过的年降雨量和身高外,在正常条件下各种产品的质量指标，如零件的尺寸；纤维的强度和张力；农作物的产量，小麦的穗长、株高；测量误差，射击目标的水平或垂直偏差；信号噪声等等，都服从或近似服从正态分布.; (3) 设X~ ,;(4)、标准正态分布 ;它的依据是下面的定理：; 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;由标准正态分布的查表计算可以求得，;将上述结论推广到一般的正态分布, ; 例8 （I）假设某地区成年男性的身高（单 位：cm）X～N(170,7.692)，求该地区成年 男性的身高超过175cm的概率。 ;解: (II) 设车门高度为h cm,按设计要求;因为X～N(170,7.692),;其他例子;下面我们来求几个连续型 r.v 的分布函数.;因此?的分布函数为：;例10 设r.v X 的密度函数为 f (x);对 x1， F (x) = 1 ;例11 已知连续随机变量?的分布函数为： 求?的概率密度f(x)。; 这一讲，我们介绍了连续型随机变量、概率密度函数及性