2.1随机变量直观意义2(连续型变量).pptVIP

二、连续型随机变量及密度函数;连续型随机变量的定义;连续型随机变量的性质;连续型随机变量的例子;均匀分布;具有均匀分布的随机变量ξ的意义是：ξ 取值大于ｂ 或小于ａ 的概率为０，ξ概率为１的在区间 ［ａ，ｂ］ 中取值，并且ξ的值落入［ａ，ｂ］中任一区间 ［c，d］中的概率与区间 ［c，d］ 的长度成正比． ;在数值计算中，舍入误差可以作为常见的均匀分布随机变量的例子。例如我们在运算中，数据只保留小数点后五位，而小数点第五位后的数字按四舍五入处理，若以x表示真值，以 表示舍入后的值，则误差 一般假定为 上均匀分布的随机变量。 有了这个假定，就能对大量运算后的数据进行误差分析，这种误差分析在数字计算机解题时，是非常必要的，因为数字计算机字长总是有限的。;例2.1.18 正态分布;;正态分布的定义;;例子;标准分的计算原理;若随机变量ξ服从正态分布N(a,σ)的正态分布曲线中，a决定了正态曲线的位置， σ决定了正态曲线是陡峭还是平坦。;服从Ｎ（０，１）的随机变量ξ 的直观意义是：它以很大的概率于０的附近取值，而取正值与取负值的可能性（概率）相同，取值于充分大的数的一个邻域内的可能性是很小的。 ;用式子表示就是：若ξ服从正态Ｎ（０，１），则： １°Ｐ（－３＜ξ＜３）＝0.997≈１ ２° 对于任意的０＜ａ＜ｂ，有Ｐ｛ａ＜ξ＜ｂ｝ ＝Ｐ ｛ －ｂ＜ξ＜－ａ｝ ． ３° 当Ｍ0 足够大时，Ｐ ｛ |ξ| ＞Ｍ｝ 便足够小． ;正态分布是概率论中最重要的分布;以上的例子之所以能够相当近似地服从正态分布，就是因为它们都有一个共同的特点：它们都可以看作许多微小的、独立的随机因素作用的总后果，而每一个因素的影响都很小．例如，射击的误差就受着许多随机因素诸如空气的温湿度、风速、气压、射击仪器的随机抖动、瞄准者情绪的随机波动等等的综合影响。这一点可以通过概率论的极限定理加以证明。;二项分布、Poisson分布的正态近似; 设某事件 Ａ 出现的概率为常数ｐ（０＜ｐ＜１，在ｎ 次独立试验中事件Ａ 恰好出现ｋ 次的概率记为Ｐｎ（ｋ），现任取一个区间 ［ａ，ｂ］，记： 则有：凡k使得 ，必成立 其中q=1-p，并且，这个收敛在区间[a,b]上是一致的。;;;定理2.1.4（棣莫弗－拉普拉斯积分极限定理）;例2.1.20 在上例中求废品数不大于70的概率。 ;例2.1.21随机抛硬币100次，设出现证明的概率为0.5，问正面出现的次数小于60、大于50的概率是多少？;;;泊松分布的正态逼近;;;在实际工作中，一般认为：;韦布尔（Weibull）分布;韦布尔（Weibull）分布的几何意义;;可以证明，上面给出的f(x)满足（2.1.17）式。 即满足：;Weibull分布的物理模型;下面求P(ξx)的表达式;;;若随机变量ξ由下式给出：;;;;;;对数正态分布;参数的几何意义;;对数正态分布的物理模型;;三、分布函数及其基本性质;当ab时，;连续型变量的分布函数;;;;;;既不是连续型也不是离散型的随机变量;