概率论与数理统计课本_百度文库.DOCVIP

第二章 随机变量及其分布 第一节 随机变量及其分布函数 一、随机变量 随机试验的结果是事件，就“事件”这一概念而言，它是定性的。要定量地研究随机现象，事件的数量化是一个基本前提。很自然的想法是，既然试验的所有可能的结果是知道的，我们就可以对每一个结果赋予一个相应的值，在结果(本事件)数值之间建立起一定的对应关系，从而对一个随机试验进行定量的描述。 例2-1 将一枚硬币掷一次，观察出现正面H、反面T的情况。这一试验 有两个结果：“出现H”或“出现T”。为了便于研究，我们将每一个结果用一个实数来代表。比如，用数“1”代表“出现H”，用数“0”代表“出现T”。这样，当我们讨论试验结果时，就可以简单地说成结果是1或0。建立这种数量化的关系，实际上就相当于引入一个变量X，对于试验的两个结果，将X的值分别规定为1或0。如果与样本空间??{?}?{H,T}联系起来，那么，对于样本空间的不同元素，变量X可以取不同的值。因此，X是定义在样本空间上的函数，具体地说是 ?1,当??H X?X(?)?? ?0,当??T 由于试验结果的出现是随机的，因而X(ω)的取值也是随机的，为此我们称X(?)X(ω)为随 机变量。 例2-2 在一批灯泡中任意取一只，测试它的寿命。这一试验的结果（寿命）本身就是用数值描述的。我们以X记灯泡的寿命，它的取值由试验的结果所确定，随着试 验结果的不同而取不同的值，X是定义在样本空间??{t|t?0}上的函数 X?X(t)?t,t?? 因此X也是一个随机变量。一般地有 定义2-1 设?为一个随机试验的样本空间，如果对于?中的每一个元素?，都有一个实数X(?)与之相对应，则称X为随机变量。 一旦定义了随机变量X后，就可以用它来描述事件。通常，对于任意实数集合L,X在 L上的取值，记为{X?L}，它表示事件{?|X(?)?L}，即{X?L}?{?|X(?)?L}。 例2-3 将一枚硬币掷三次，观察出现正、反面的情况。设X为“正面出现”的次数，则X是一个随机变量。显然，X的取值为0，1，2，3。X的取值与样本点之间的对应关系如表2-1所示。 表2-1 表2-1 从上表中可以看出，事件｛X＝0｝＝｛TTT｝，｛X＝1｝＝｛HTT，THT，TTH｝，｛X＝2｝＝｛HHT，HTH，THH｝，｛X＝3｝＝｛HHH｝，由古典概型的概率计算公式得 P{X=0}=1/8,P{X=0}=1/8,P{X=1}=3/8,P{X=3}=1/8。 例2-4 设一袋中共有4个白球5个黑球，随机地摸出4球，用X表示摸出的 4球中“白球的数目”，则X是一个随机变量。显然X的取值为0，1，2，3，4，而且{X≤3}表示摸出的4球中“最多有3个白球”的事件，{X31}表示摸出的4球中“白球数大于3”的事件，此时当然有{X3}={X=4}。因此有P{X≤3}=1-P{X3}=1-P{X=4} 404= 1C4C5/C9＝125/126。 由此可见，在随机试验中引入随机变量，对随机事件的研究就可以转化为对随机变量的研究 。随机变量在试验前只能知道它的取值范围，但不能预言它取什么值，它随试验结果的不同 而取不同的值；随机变量取某些值或某一区间都表示随机事件，因而具有确定的概率。 二、分布函数 设X是一个随机变量，对于任一实数X，相应事件“{X≤x}”的概率P{X≤x}是存在的。只要给出P{X≤x}的值，就可以由此计算出X在任意区间(a,b)的概率P{aX≤b}。这是 因为事件 {aX≤b}={X≤b}-{X≤a} 而且 {X≤a}{X≤b} （2-1） 由概率的性质知 P{aX≤b}=P{X≤b}-P{X≤a} 的分布函数的概念。 定义2-2 设X是一个随机变量，x是任意实数，函数 由此可见，概率P{X≤x}成为计算任何我们感兴趣的概率的基础。为此我们引入随机变量 F(x)=P{X≤x}, 称为随机变量X的分布函数。 由上述定义及（2-1）式立即得到 (-∞x+∞) （2-2） P{aX≤b}=F(b)-F(a) 特别需要强调的是，分布函数的概念看起来很抽象，实际上它却有明确的概率意义。分 布函数F(x)是一种概率：对于任一实数x,{X≤x}是一个随机事件，而分布函数F(x)正是这一事件的概率。换言之，F(x)表示X落入区间(-∞,x]这一事件的概率。 分布在函数F(x)具有以下性质： （1）单调性：当a≤b，则F(a)≤F(b)； （2）有界性： 0≤F(x)≤1； （3）F(-∞)=limF(x)=0,F(+∞)=limF(x)=1; x→-∞x→+∞ （4）F(x+0)=F(x)，即F(x)是右连续的。 0 X x 图2-1 性质（1）与性质（2）显然成立，性质（4）的证明从略，性质（3）我们不作严格证明，只从几何上加以说明。在图2-1中，若将区间(-∞,x]的端