第二章--随机变量及其分布.pptVIP

 §1 随机变量 随机变量的引入与 例1 、例2 定义: 设随机实验的样本空间为S={e}，X=X(e)是定义在样本空间S上的实值单值函数,，X=X(e)为随机变量。  说明 举例与示意图2.2 返回目录  §2 离散型随机变量及其分布 定义：若随机变量的取值是有限个或可列个，则称之为离散型随机变量 。 说明 要掌握离散型随机变量X的统计规律： ① 知道X所有可能的取值; ②且知每一可能取值的概率。 分布律 定义：设离散型随机变量X所有可能取值为xk , 且 P{X= xk}= pk, k=1,2,…（2.1）我们称（2.1）式为离散型随机变量X的分布律。 由概率定义我们得到以下两性质： 1. pk ≧0, k=1,2,…（2.2）  2. (2.3) 离散型随机变量 a. (0—1)分布 随机变量X只可能取0与1两个 值，其分布律表格形式为： （0p1） 表达式：P{X=k} = p k (1-p)1-k, k=0,1 则称X服从参数为p的 (0—1)分布重要或两点分布。 （说明） b. 伯努利实验、二项分布 说明 举例 二、二项分布 定义：如果随机变量X的分布如下：P ( X=k ) = C nk p k q n-k , k=0,1,2,…n. (2.3)其中0p1,q=1-p,则称X服从参数为 n, p 的二项分布，或用记号  来表示。 二项分布的推导过程与说明 举例（ 例2，例3，例4 ） C. 泊松分布 定义：如果随机变量X的概率密度如下：  , k =0,1,2,… ( 0) , (2.4)  则称X服从参数为 的泊松分布，记作： §3 随机变量的分布函数 定义： 设X是一个随机变量，x是任意实数，函数： F(x)=P{X≦x} 称为X的分布函数。 说明 基本性质 举例（例1，例2） 返回目录 举例 抛掷一个硬币观察正面反面，就是一个伯努利实验。若抛掷n次就是n重伯努利实验。 抛掷一颗骰子，可得到6个点数，但是若我们考察结果是否为“1点”与“非1点”，则就是一个伯努利实验。若抛掷n次就是n重伯努利实验。 在一批产品中，若做n次放回抽样，观察得到的产品是否为次品, 则为n重伯努利实验; 若做n次不放回抽样，由于各次实验不相互“独立”，故不是n重伯努利实验。但是若此批产品的数目很大，抽出的数目相对很小，则此时不放回抽样可看作放回抽样, 如此n次不放回抽样也是n重伯努利实验 例2： 按规定，某种型号的电子元件的使用寿命超过 1500小时的为一级品。已知某一大批产品的一级 品率为0.2，现在从中随机地抽取20只。问20只元 件中恰有k只（k=0,1,…，20）为一级品的概率市 多少。  例3： 某人进行射击，设每次射击的命中率为0.02，独立射 击400次，试求至少击中两次的概率。 分析: 对第一种方法，“不能及时维修”等价于“4 人中任1人负责的20台中有2台或2台以上的设备 发生故障”。 对第二种方法，“不能及时维修”等价于“80 台中有4台或4台以上的设备发生故障”。（解答） 分析：由分布函数定义，可根据随机变量X的分布律 求出分布函数。再由随机变量落在任一区间上的概率 与其分布函数的关系[ 如 (3.1) ]易求解。 （解答）（结论） 解：X仅在x= -1,2,3三点的概率≠0，根据分布函数定义及 概率的有限可加性： 即： F(x)的图形如图2—5，是一条阶梯形曲线，有x= -1,2,3三 个跳跃