离散数学--123-4离散型随机变量--公开课件设计.pptVIP

* 12.3 离散型随机变量 12.3.1 离散型随机变量及其分布律 12.3.2 常用分布 0-1分布, 二项分布, 泊松分布, 超几何分布 几何分布, 巴斯卡分布, 负二项分布 12.3.3 数学期望 12.3.4 方差 切比雪夫不等式 * 随机变量 随机试验结果的数字化. 例如, 掷硬币试验, 令 定义12.5 设随机试验的样本空间为?, 称定义在?上的实值 函数X:?→R为随机变量. 通常把X(?)简记作X. 只可能取到有穷个或可数无穷个值(即?为离散样本空间) 的随机变量称作离散型随机变量 * 离散型随机变量的分布律 设离散型随机变量X可能取到的值为a1, a2,… (有穷个或可 数无穷个), 称 P{X=ak}=pk, k=1,2,…, 为X的概率分布律, 简称为分布律. 性质: (1) ?k, 0≤pk≤1, 例如, 掷硬币试验 P{X=1}=0.5, P{X=0}=0.5 * 实例 例1 套圈游戏. 某人反复套同一个目标, 直到套中为止, 把 套中目标所用的次数记作X. 设他每次套中目标的概率为 p(0p1)且是否套中是相互独立的, 试给出X的分布律. 解 P{X=k}=qk?1p, k=1,2,…, 其中q=1?p * 定义12.6 设X和Y的分布律分别为 P{X=ai}=pi , i=1,2,…和 P{Y=bj}=qj , j=1,2,…, 如果?i,j, 事件{X=ai}和{Y=bj}相互独立, 即 P{X=ai,Y=bj}=pi qj, i, j=1,2,…, 则称X和Y相互独立. 设X1, X2,…, Xn是n个离散型随机变量, Xi的分布律为 P{Xi=aij}=pij, j=1,2,…, i=1,2,…,n 如果?j1, j2,…, jn, 事件{X1= },…, {Xn= }相互独立, 则称X1, X2,…, Xn相互独立. 随机变量的独立性 * 常用分布 1. 0-1分布 P{X=1}=p, P{X=0}=q, 其中q=1?p, 0p1. 2. 二项分布B(n,p) 其中q=1?p, 0p1. 3. 泊松(Poisson)分布 * 常用分布(续) 4. 超几何分布 其中l = min(n,M). 设有N个球, 其中有M个红球. 从中任取n (n≤N?M)个, 记这n个球中的红球数为X, 则X服从超几何分布. 5. 几何分布 P{X=k}=qk?1p, k=1,2,…, 其中q=1?p, 设在伯努利试验中, 每次试验A发生的概率为p(0p1). 把 事件A首次发生时的试验次数记作X, 则X服从几何分布. * 常用分布(续) 6. 巴斯卡(Pascal)分布 其中q=1?p, r为正整数. 设在伯努利试验中, 每次试验A发生的概率为p(0p1). 把 A第r次发生时的试验次数记作X, 则X服从巴斯卡分布. 7. 负二项分布 设Y服从巴斯卡分布,令X=Y?r, X是在伯努利试验中事件A 第r次发生前A不发生的次数,则X服从负二项分布. * 数学期望 定义12.7 设离散型随机变量X的分布律为 P{X=ak}=pk, k=1,2,… 如果 绝对收敛, 则称它是X的数学期望, 简称期望, 记作E(X), 或EX. 即, E(X)= 例2 0-1分布的数学期望 E(X)=0×q+1×p=p. * 实例 例3 某甲练习打靶, 对一个靶标射击直到击中为止, 然后转 向下一个靶标.设甲的命中率为p(0p1), 求甲击中一个靶 标所需的平均射击次数. 解 设对一个靶标射击的次数为X, 分布律为 P{X=k}=qk?1p, k=1,2,…, 其中q=1?p * 定理12.3 设?(x)是一实函数, X是一随机变量, 其分布律为 P{X=ak}=pk, k=1,2,…, 又Y=?(X). 如果 绝对收敛, 则E(Y)= 证 设Y=?(X)的可能取值为bi, i=1,2,…, 记 pi?=P{Y=bi}, 则 随机变量函数期望的计算公式 * 期望的性质 性质12.