概率论与数理统计B教案第二章PPT.ppt

第二章 随机变量及其分布 随机变量 离散型随机变量 随机变量的分布函数 连续型随机变量 随机变量的函数的分布 2.1随机变量的概念 有关随机变量定义的几点说明： (1)随机变量X不是自变量的函数而是样本点e的函数，常用大写字母X、Y、Z 或小写希腊字母?、?、? 等表示。 (2)随机变量X随着试验结果而取不同的值，因而在试验结束之前，只知道其可能的取值范围，而事先不能预知它取什么值，对任意实数区间(a,b)，“aXb”的概率是确定的； (3)随机变量X(e)的值域即为其一切可能取值的全体构成的集合； (4)引入随机变量后，就可以用随机变量描述事件，而且事件的讨论，可以纳入随机变量的讨论中。 例2.1 一批产品中任意抽取20件作质量检验，作为检验结果的合格品的件数用X表示，则X是随机变量。X的一切可能取值为 0，1，2，…，20 {X=0}表示事件“抽检的20件产品中没有合格品”； {X=1}表示事件“抽检的20件产品中恰有1件合格品”； …… {X=k}表示事件“抽检的20件产品中恰有k件合格品”。 例2.2 将一颗骰子投掷两次，观察所的点数，以X表示所得点数之和，则X的可能取值为2，3，4，…，12，而且 {X=2}={(1,1)}, {X=3}={(1,2),(2,1)}, {X=4}={(1,3),(2,2),(3,1)}, …… {X=12}={(6,6)}。 例2.3 一正整数n等可能地取1,2,3,…,15共十五个值，且设X=X(n)是除得尽n的正整数的个数，则X是一个随机变量，且有下表： 例2.4 一个地铁车站，每隔5分钟有一列地铁通过该站。一位乘客不知列车通过该站的时间，他在一个任意时刻到达该站，则他候车的时间X是一个随机变量，而且X的取值范围是 [0，5] 2.2 离散型随机变量 2、分布律(P.33) 设离散型随机变量X，其所有可能取值为x1, x2, …, xk, …, 且取这些值的概率依次为p1, p2, …, pk, …, 即 二、几个常用的离散型随机变量的概率分布律 2、二项分布 (1)贝努里(Bernoulli)试验模型。 设随机试验满足： 1°在相同条件下进行n次重复试验； 2°每次试验只有两种可能结果，A发生或A不发生； 3°在每次试验中，A发生的概率均一样，即P(A)=p； 4°各次试验是相互独立的， 则称这种试验为贝努里概型或n重贝努里试验。 在n重贝努里试验中，人们感兴趣的是事件A发生的次数。 （2）二项分布定义（P.35） 3、泊松(Poisson)分布 若随机变量X所有可能取值为0,1,2,…，且 泊松分布产生的条件： 随机事件流：在随机时刻相继出现的事件所形成的序列。 若随机事件流具有平稳性、无后效性、普通性，则称该事件流为泊松流。 例如：某网站在一定时间内收到的点击次数；某超市收银台接待的顾客数；某机场降落的飞机数。 4、几何分布 设随机变量X的可能取值是1,2,3,…,且 P(X=k)=(1-p)k-1p=qk-1p，k=1，2，3，… , 其中0p1是参数，则称随机变量X服从参数p为的几何分布。 2.3 随机变量的分布函数 前一节介绍的离散型随机变量，我们可用分布律来完整地描述。而对于非离散型随机变量，由于其取值不可能一个一个列举出来，而且它们取某个值的概率可能是零。例如：在测试灯泡的寿命时，可以认为寿命X的取值充满了区间[0,+∞)，事件X=x0表示灯泡的寿命正好是x0,在实际中，即使测试数百万只灯泡的寿命，可能也不会有一只的寿命正好是x0，也就是说，事件(X=x0)发生的频率在零附近波动，自然可以认为P(X=x0)=0。 由于许多随机变量的概率分布情况不能以其取某个值的概率来表示，因此我们往往关心随机变量X取值落在某区间 (a,b]上的概率(a≤b)。 由于{ax≤b}={x≤b}-{x≤a},(a≤b)，因此对任意x∈R，只要知道事件{X≤x}发生的概率，则X落在(a,b]的概率就立刻可得。因此我们用P(X≤x)来讨论随机变量X的概率分布情况。P(X≤x)：“随机变量X取值不超过x的概率”。 一、分布函数的概念 二、分布函数的性质(P41) 2.4 连续型随机变量 2、密度函数的性质(p44) 二、几个常用的连续型随机变量的分布 3、指数分布 设连续型随机变量X具有概率密度 2.5 随机变量的函数的分布 二、连续型随机变量的函数的分布 小结. 正态随机变量的3?原则：设X?N(?,?2) 在工程应用中，通常认为P{|X|≤3}≈1，忽略{|X|3}的值。 如在质量控制中，常用标准指标值±3?作两条线，当生产过程的