浙大第二章随机变量花及其分布.pptVIP

(2) 正态分布 的图形特点 正态分布的密度曲线是一条关于 对称的钟形曲线. 特点是“两头小，中间大，左右对称”. 应用数理学院 第二章 随机变量 一、随机变量概念的产生 在实际问题中，随机试验的结果可以用数量来表示，由此就产生了随机变量的概念. 第一节 随机变量 1、有些试验结果本身与数值有关（本身就是一个数）. 例如，掷一颗骰子面上出现的点数； 七月份郑州的最高温度； 每天从郑州下火车的人数； 昆虫的产卵数； 2、在有些试验中，试验结果看来与数值无关，但我们可以引进一个变量来表示它的各种结果.也就是说，把试验结果数值化. 正如裁判员在运动场上不叫运动员的名字而叫号码一样，二者建立了一种对应关系. 这种对应关系在数学上理解为定义了一种实值函数. e. X(e) R 这种实值函数与在高等数学中大家接触到的函数一样吗？ （1）它随试验结果的不同而取不同的值，因而在试验之前只知道它可能取值的范围，而不能预先肯定它将取哪个值. （2）由于试验结果的出现具有一定的概率，于是这种实值函数取每个值和每个确定范围内的值也有一定的概率. 称这种定义在样本空间上的实值函数为 随 量 机 变 简记为 r.v.(random variable) 有了随机变量,随机试验中的各种事件，就可以通过随机变量的关系式表达出来. 二、引入随机变量的意义 如：单位时间内某电话交换台收到的呼叫次数用X表示，它是一个随机变量. 事件{收到不少于1次呼叫} { X 1} {没有收到呼叫} {X= 0} 三、随机变量的分类 通常分为两类： 如“取到次品的个数”， “收到的呼叫数”等. 随机变量 离散型随机变量 连续型随机变量 所有取值可以逐个 一一列举 例如，“电视机的寿命”，实际中常遇到的“测量误差”等. 全部可能取值不仅 无穷多，而且还不能 一一列举，而是充满 一个区间. 这两种类型的随机变量因为都是随机变量，自然有很多相同或相似之处；但因其取值方式不同，又有其各自的特点. 随机变量 连续型随机变量 离散型随机变量 学习时请注意它们各自的特点和描述方法. 设X是一个离散型随机变量，它可能取的值是 x1, x2 , … . 为了描述随机变量 X ，我们不仅需要知道随机变量X的取值，而且还应知道X取每个值的概率. 第二节 离散型随机变量 其中 (k=1,2, …) 满足： k=1,2, … （1） （2） 定义1 ：设xk(k=1,2, …)是离散型随机变量X所取的一切可能值，称 k=1,2,… … 为离散型随机变量X的概率分布或分布律，有的书上也称概率函数. 用这两条性质判断 一个函数是否是 概率分布 一、离散型随机变量概率分布的定义 二、常见的离散型随机变量的概率分布 (I) 两点分布 ( 设E是一个只有两种可能结果的随机试验,用Ω={?1, ?2}表示其样本空间. P({?1})=p , P({?2})=1-p 　来源 X(?)= 1, ?= ?1 0, ?= ?2 每次试验成功的概率都是p，这样的n次独立重复试验称作n重贝努里试验，简称贝努里试验或贝努里概型. 用X表示n重贝努里试验中事件A（成功）出现的次数，则 称r.v.X服从参数为n和p的二项分布，记作 X~B(n,p) （II) 二项分布 注: 贝努里概型对试验结果没有等可能的要求，但有下述要求： （1）每次试验条件相同； 二项分布描述的是n重贝努里试验中出现 “成功”次数X的概率分布. （2）每次试验只考虑两个互逆结果A或 ， 且P(A)=p ， ； （3）各次试验相互独立. 泊松分布的定义及图形特点 设随机变量X所有可能取的值为0 , 1 , 2 , … , 且概率分布为： 其中 0 是常数,则称 X 服从参数为 的 泊松分布,记作X~P( ). (III) 泊松分布 由泊松定理，n重贝努里试验中稀有事件出现的次数近似地服从泊松分布. 我们把在每次试验中出现概率很小的事件称作稀有事件. 如地震、火山爆发、特大洪水、意外事故等等 连续型随机变量