第三章节连续型随机变量-仲恺农业工程学院资料.pptVIP

* * 第四节 连续随机变量及概率密度 一. 连续随机变量的定义 所有可能的取值是连续区间的随机变量 定义2.4.1 如果存在一个非负函数 p (x)，使得对任意 实数 x，X 的分布函数 F (x) 能够表示成积分形式： 则称 X 是连续随机变量，p (x) 是 X 的概率密度函数 1. 概率密度函数( probability density function：p.d.f ) 概率密度函数的意义 (1) 概率密度函数的作用类似于离散随机变量的分布律。 离散随机变量的分布函数是对分布律 “求和”， 得到的是一个阶梯形跳跃的间断函数； 连续随机变量分布函数是对密度函数 “积分”， 得到的是一个连续的函数。 (3) 分布函数、分布律、概率密度函数，都是 对随机变量的随机性质的完整刻划。 (2) 连续随机变量只能在密度函数不等于 0 的区间上取值。 (5) 连续随机变量在任何一个常数取值的概率是 0， 即对每一个常数 c ，P { X = c } = 0 。 但是 (X = c) 并不一定是一个不可能事件。 思考1 离散随机变量是否也存在这种情况？ (4) 密度函数是分布函数的一阶导数， 分布函数是密度函数的一个特殊的原函数。 F (x) = ?–x∞ p(t) dt ? p(x) = ? F (x) / ?x 这个性质用来计算随机变量函数的分布问题 2. 概率密度函数的主要性质 (1) p (x) ≥ 0 ； o x p(x) 1 y 比较，离散随机变量分布律的两个性质： pk ≥ 0 ; ∑k ≥ 1 pk = 1 也是任何一个函数成为概率密度函数的充分必要条件 3. 利用密度函数计算连续随机变量的有关概率 对任意的 x1 ＜ x2 ，有： P { x1 ＜X ≤ x2 } = F (x2) – F (x1) = o x p(x) y x1 x2 例2.4.2 确定常数 a 使得 p(x) 是一个密度函数。 a x ， 0 ＜ x ＜ 1 ， p (x) = 2 – x ，1 ≤ x ＜ 2 ， 0 ， 其它 解. 分析：要使 p (x) 成为一个密度函数，必须 而且只须满足两个条件，非负、积分为 1 。 因此首先有 a ≥ 0 ；其次，计算分段积分 = 0 + — + — + 0 = ——— ，因此 a = 1 。 a 1 a + 1 2 2 2 o x p (x) 1 1 o x F (x) 1 0.5 1 2 □ —— ， a ＜ x ＜ b p (x) = 0 ， 其它 二. 常见的连续随机变量 (一) . 均匀分布 X ~ U (a,b) 则称 X 服从区间 (a,b) 上的均匀分布 1 . 概率密度函数定义成： 1 b – a 2 . 均匀分布的分布函数 o a b x p (x) 1 b – a —— o a b x F (x) 1 0 ， x ＜ a ， F (x) = —— ，a ≤ x ＜ b ， 1 ， x ≥ b 。 x – a b – a 均匀分布随机变量落在定义域里一个小区间中 的概率只与长度有关，与这个小区间位置没有关系。 即， X ~ U (a,b) 时， 对(a,b) 区间中任意一个 长度为 d 的小区间 (c,c + d ) ，都有： P { c ＜X ≤ c + d } 3. 均匀分布中 “均匀” 的含义 均匀分布的背景材料 均匀分布在随机模拟 ( Mo