第六章概率与概率分布.pptVIP

* * * * * * * * X 2 3 4 5 6 7 8 9 10 11 12 合计 P(X) 例如掷两颗骰子的试验，点数就是随机现象，它一共有11种宏观结果。我们用古典法对每种宏观结果计算P，便得到了如下表所示的概率分布。 频率分布与概率分布的区别 经验分布： 频率分布是经资料整理而来; 频率分布随样本不同而不同; 频率分布有对应的频数分布。 理论分布： 概率分布是先验的； 概率分布是唯一的； 概率分布无频率分布 所对应的频数分布。 * * 3.1 离散型随机变量的概率分布 离散型随机变量的取值是可数的，如果对X的每个可能取值xi计算其实现的概率pi ，我们便得到了离散型随机变量的概率分布，即 离散型随机变量 的概率分布也可以用 表格和图形两种形式 来表示。由于离散型 随机变量的特点，表 示离散型随机变量概 率分布多为折线图。 例：根据统计结果，男婴出生的概率为22/43；女婴出生的概率为21/43。某单位有两孕妇，求两孕妇生女婴数的概率分布。 （设X=“出生女婴数”。它的取值。） * * 【例】我们掷一枚骰子，出现的点数形成一个概率分布： (1，1/6) (2，1/6) (3，1/6) (4，1/6) (5，1/6) (6，1/6) 概率分布的性质： 1 pi≥0 2 ∑pi＝1 3.2 连续型随机变量的概率分布 只有定距变量才可能是连续的 对于连续型变量： 将这个比值称为随机变量X的概率密度 即 频率密度的概念：频率 密度等于频率除以组距。以 频率密度为纵坐标，可以作 出频率分布直方图。类似地 ，以概率密度 为纵坐 标，可以作出概率密度曲 线。所不同的是，概率密度 由于对组距求了Δx→0的极 限，其图形乃平滑曲线。 * * 所以概率密度的性质有： 因为概率不可能是负的，且 * * 3.3 分布函数 为了从数学上能够统一对随机变量的概率进行研究引入分布函 数 的概念，它被定义为 有了分布函数，就可以很容易得到随机变量X取值在任意区间 {x1 ，x2}上的概率，即 连续型随机变量 离散型随机变量 X 2 3 4 5 6 7 8 9 10 11 12 合计 P(X) F(X) —— * * [例] 求两颗骰子点数的分布函数。 3.4 数学期望（Expectation）（总体均值） 数学期望是随机变量最基本的数学特征之一，反映随机变量平均取值的大小，也称作总体均值。 也可以界定：数学期望，是反映随机变量X取值的集中趋势的理论均值(算术平均)，记作E(X)。 离散型随机变量的数学期望是 连续型随机变量的数学期望是： 【例】 甲和乙名次的概率分布 甲 1 2 3 p 0.2 0.5 0.3 乙 1 2 3 p 0.3 0.3 0.4 E(X乙)=1X0.3+2X0.3+3X0.4=2.1 E(X甲) 解： 我们可以说，两人的平均水平一样。 * * 例 谁的技术比较好? 乙射手 甲射手 解 故甲射手的技术比较好 数学期望也常常记为 μ ，在推论统计中等同总体均值的记号，而 则在推论统计中被作为样本均值的记号。数学期望和总体均值一样，都是唯一的，不过它是一个先验的理论值。由于它是用随机变量各取值分别乘以取值的概率来计算的，因此数学期望又可称为随机变量的加权算术平均数。样本均值依据统计数据计算而来，但它具有随机性。在统计推论中，E(X) 和 都是为μ服务的，E(X)是“期望”， 是“估计”。 数学期望的性质 常数的数学期望等于该常数 随机变量与常数之和的数学期望，等于随机变量的数学期望与该常数之和 随机变量与常数乘积的数学期望，等于随机变量的数学期望与该常数的乘积 两个随机变量之和的数学期望，等于它们的期望之和 两个独立随机变量乘积的期望，等于期望的乘积 * * [例] 一家保险公司在投保的50万元人寿保险的保单中，估计每 1000 保单每年有15个理赔，若每一保单每年的营运成本及利润的期 望值为200元，试求每一保单的保费。 [解] 依题意知，利润的期望值 E(X)＝200(元) 设x1表示保费，x2为理赔费[x2＝-(500000- x1)]，则可得