同济大学概率论及数理统计第四章课件.pptVIP

例9(泊松分布与马踏死人数据)(P37): 一个典型的应用泊松分布的例子. Solution ? = 0.61(?) 拟合频数? 例10(P38) Solution X ~ P(?) P(X = 0) = P(X = 1): 第三节 连续型随机变量 随机变量X的取值为一个区间(或若干个区间的并)? 火车到达车站的时间; 电子元件的使用寿命… 一、密度函数及其性质 例11(P38) 连续型随机变量的定义: 称f(x)为X的密度函数(Probability Density Function). 几何意义: (1) 显然! 与离散型随机变量的根本区别. 不可能事件的概率为0, 由(1)知: 概率为0的事件并不意味着是不可能事件. 同样, 概率为1的事件不仅有必然事件, 还可能有非必然事件. 如取出寿命为1200.521小时的灯管的概率是0. 圆盘上的旋转指针落在某一个具体位置30o30′的概率是0. (2) 概率密度的定义与物理学中的线密度的定义类似: Clearly, 由于f(x) ? 0, F(x)是(-?, +?)上的连续函数. Proof 令h?0. 非离散型和非连续型随机变量的例子: 显然, 密度函数有性质(1)—(4)(P39). (1) f(x) ? 0. (2) (3) Proof (4)若f(x)在x点处连续, 则 例12(P40) Solution (1) (2) 二、常用连续型分布 1. 均匀分布(Uniform Distribution) X ~ R(a, b): X ~ U(a, b). 例13(P41) Solution X ~ U(0, 30). (1) P(10 X 15) + P(25 X 30) (2) P(0 X 5) + P(15 X 20) = 1/3. 2.指数分布(Exponential Distribution) X ~ E(?). 例14(P42) Solution X ~ E (0.2). 3.正态分布(Normal Distribution) (1) 很多连续型随机变量都服从或近似服从正态分布(Ch7) X ~ N(?, ?2) Figure 4.4: ? ? (2) 标准正态分布 X ~ N(0, 1)? X ~ N(0, 1): 标准正态分布N(0,1) 的?分位点: u?称为N(0,1)的?分位点. Proof (I) (II) 例15(P44) 例16(P45) 例17(P45) 作业: P46, 3, 7, 12, 15; 19, 22, 23. 第四章 随机变量及其分布 本章内容： 在概率论中, 随机变量是一个与事件和概率同样重要的基本概念. 本章介绍任意一个随机变量的有关内容: 分布函数, 分布律和密度函数等. 第一节 随机变量及其分布函数 一、随机变量 为何要研究随机变量? 1. 整个随机现象的统计规律性. 2. 量化指标: 这样可以用数学的方法, 从定量的角度研究随机事件的统计规律性. 例1(P30) m个红球, n个白球, 任取一球观察其颜色, 进而可分别求出取到红球和白球的概率. 可直接计算? 设X是变量, 当取到红球时X = 1; 当取到白球时X = 0. X是随机变量? (1) 随机变量是变量, 与普通变量一样,它要取值. (2)随机变量的取值视随机试验结果而定, 因而是随机的, 并因此而得名. 事实上, 随机变量是由随机事件转换而来的. {X = 1} ? A = “抽到红球”; {X = 0} ? B = “抽到白球”. {Y ≥2} ? C = “次品数为2, 3, …, n”. {Y ≤k} ? D = “次品数为0,1, 2, …, k”. (3) 随机变量取到某值或在某范围内取值是与概率有关的. 例2(P31) N, 次品率为p. Y: 不放回取n个中的次品数目. Def (Random Variable X) 要求: 每出现一个随机变量都要思考为何“随机”. 随机变量通常用大写英文字母X, Y, Z, …表示, 其取值通常用小写字母x, y, z, …表示. 希腊字母?, ?,…或?2 = U, 有时候也可以用小写英文字母如t = T表示.(P107) 二、随机变量的分布函数 任意随机变量都可以借助于分布函数加以讨论. Def(分布函数的定义) 当有两个随机变量X和Y的分布函数需要讨论时: 例3(P31) Solution 用X为所取球的标号, X = -1, 2, 3, 其分布函数讨论如下: (1) x