设随机变量X具有概率密度.PPTVIP

用随机变量表示事件 若L?R，那么随机变量X在L的取值{X∈L} 随机变量的类型 随机变量的分布函数 设X为一随机变量,则对任意实数x，(X≤x)是一个随机事件，称 分布函数的性质 单调不减性 引进分布函数F(x)后，事件的概率都可以用F(x)的函数值来表示。 随机变量X的概率分布全面表达了X的所有可能取 值以及取各个值的概率情况 三、 几种常见的离散型分布 0-1分布(二点分布 ) 由于元件的总数很大，而抽取的数相对较小，故可当作是 有放回抽样来处理。这时可认为每只元件是一级品的概率是 p=0.2,不是一级品的概率是1-p=0.8，而元件之间的检查是相互 独立的，故可将检查一只元件是否为一级品看作是一次伯努利 试验，检查20只元件相当于是做20重伯努利试验。现设X为20 只元件含一级品的只数，则 泊松分布 Poisson distribution 若随机变量 X 的分布律为: 服务台在某时间段内接待的服务次数X； 候车的旅客数Y; 矿井在某段时间发生事故的次数; 显微镜下相同大小的方格内微生物的数目； 单位体积空气中含有某种微粒的数目 举例 　设每分钟通过某交通道口的汽车流量X服从泊松分布， 且已知在一分钟内无汽车通过与恰有一辆汽车通过的概率相等，求一分钟内至少有两辆汽车通过的概率。 解：设 X～P（λ）， 由 P（X=0）= P（X=1），知 故有 λ= 1 ， 因此所求概率为 P（X≥2） = 1―P（X=0）― P（X=1） 一电话总机每分钟收到呼唤的次数X服从 的泊 松分布，分别 求（1）某一分钟内恰好接到8次呼唤的概率； （2）某一分钟的呼唤次数大于3的概率。 泊松定理 实际应用中：当n较大,p较小，np适中时，即可用泊松公式近似替换二项概率公式 二项分布的泊松近似 The Poisson Approximation to the Binomial Distribution 设保险公司的某种人寿保险有1000人投保，每人一年内的死亡率为0.005，求这1000人中死亡人数不超过10人的概率。 设X为这1000人中一年内的死亡数， 则X～B（1000，0.005），故所求概率为 几何分布 若随机变量X的分布律为 则称X服从几何分布。 P{X=k}= 其中p+q=1,0p1 例12　在一个贝努里试验中，每次试验成功的概率为p，失败的概率为q=1-p(0p1),设试验进行到第X次才出现成功，求X的分布率。 X的取值为1,2，…，且相应的概率为 P47　11 第三节 连续型随机变量 定义 设X为一随机变量，分布函数为F(x),若存在非负实函数 f (x) , 使对任意实数 x ，有 则称X为连续型随机变量， f (x) 称为X 的概率密 度函数,简称概率密度或密度函数. 一、概率密度函数的定义 二、概率密度函数的性质 1、非负性 2、规范性 可以根据这两个性质来判断一个函数是不是某个 连续型随机变量的密度函数。 3、密度函数在区间上的积分 = 随机变量在区间上取值的概率 4、密度函数和分布函数的关系 积分关系 导数关系 连续型随机变量的分布函数在实数域内处处连续 P{X=a}=0 P{a ? X b}= P{aX?b}=P{a ? X ? b}=P{aXb} X取值在某区间的概率等于密度函数在此区间上的定积分 三、 连续型随机变量的分布函数的性质 因此，连续型随机变量取任意指定实数值a的概率为0 =F(b)-F(a) 已知分布函数求密度函数 求X的概率密度f(x) 随机变量X的分布函数为 Step1: 利用密度函数的性质求出 A 已知密度函数求概率及分布函数 Step2: 密度函数在区间的积分得到此区间的概率 　设连续型随机变量X的密度函数为 求：（1）、 c 的值； （2）、F(x)； （3）、P（－1＜X＜1） （1） 因为 t 0 2 （2） t 0 2 积分区域：（－∞,x] x t t 0 2 x x x t 0 2 t 0 2 （1） （2） （3） （3） P（－1＜X＜1） ＝F（1）－F（－1） ＝1/8. 或利用密度函数求概率： P（－1＜X＜1） 设随机变量X具有概率密度 (1)确定常数k；(2)求X的分布函数F(x); (3)求P(1X≤3.5)。 0 3 4 f(t) t 当x0时， f(t)=0,t∈(－∞，x),故 当0≤x3时， 0 3 4 f(t) t x 在(－∞，x)上，有 0 3 4 f(t) t 0 3 4 f(t) t 当3≤x4时， x 当4≤x时， 在(－∞，x)