概率论与数理统计教案-第2章 随机变量及其分布.docVIP

PAGE PAGE 35 随机变量及其分布 内容 提要 本章主要讲述随机变量与分布函数，一维离散型随机变量，连续型随机变量的概率密度，二维随机变量及其分布，边缘分布与随机变量的独立性， 随机变量函数的分布等内容。 重点 分析 了解随机变量的概念、离散型随机变量及概率函数（分布列）的概念和性质、连续型随机变量及概率密度的概念和性质。 了解分布函数的概念与性质，会利用概率分布计算有关事件的概率。 掌握二项分布、泊松分布、正态分布，了解均匀分布与指数分布。 会求简单随机变量函数的概率分布。 了解多维随机变量的概念，了解二维随机变量的联合分布函数、联合概率函数、联合概率密度的概念和性质。 了解二维随机变量的边缘分布。 了解随机变量的独立性。 会求两个独立随机变量和的分布。 难点 分析 随机变量与分布函数、分布律与密度函数的概念、性质的理解。 二项分布、泊松分布、正态分布的掌握。 求简单随机变量函数的概率分布。 习题 布置 习题2 (2,4,6,8,10,13,15,17,20 ,22) 备注 教 学 内 容( Contents ) Chapter Two 随机变量及其分布(Random Variable and Distribution) §2.1 一维随机变量(One-dimension Random Variable) 一、 随机变量与分布函数（Random variable and distribution function） 我们讨论过不少随机试验，其中有些实验的结果就是数量，有些虽然本身不是数量，但可以用数量来表示实验的结果。 Example 2.1 从一批废品率为的产品中有放回地抽取次，每次取一件产品，及录取到废品的次数，这一试验的样本空间为.如果用表示取到废品的次数，那末，的取值依赖于实验结果，当实验结果确定了，的取值也就随之确定了。比如，进行了一次这样的随机试验，实验结果，即在次抽取中，只有一次取到了废品，那末 . Example 2.2 掷一枚匀称的硬币，观察正面、背面的出现情况。这一试验的样本空间为，其中表示“正面朝上” ，表示“背面朝上” 。如果引入变量，对实验的两个结果，将的值分别规定为和，即 ： 。一旦实验的结果确定了，的取值也就随之确定了。 从上述两个例子可以看出：无论随机试验的结果本身与数量有无联系，我们都能把实验的结果与实数对应起来，即可把实验的结果数量化。由于这样的数量依赖实验的结果，而对随机试验来说，在每次试验之前无法断言会出现何种结果，因而也就无法确定它会取什麽值，即它的取值具有随机性，我们称这样的变量为随机变量。事实上，随机变量就是随试验结果的不同而变化的量。因此可以说，随机变量是随试验结果的函数。我们可以把例2.1 中的写成 ,其中.把例2.2 中的写成 .一般的，我们有以下定义： Definition 2.1 设为一随机试验,为他的样本空间,若,为单值实函数，且对于任意实数，集合 都是随机事件，则称为随机变量。(Let a random experiment, is its sample space, if, is a single value real function and the set are all random occurrence for arbitrary real value, then define is random variable.) 随机变量与普通实函数这两个概念既有联系又有区别，他们都是从一个集合到另一个集合的映射，它们的区别主要在于：普通实函数无需做试验便可依据自变量的值确定函数值，而随机变量的取值在做实验之前是不确定的，只有在做了试验之后，依据所出现的结果才能确定。定义中要求对任一实数， 都是事件，这说明并非任何定义在上的函数都是随机变量，而是对着函数有一定的要求。定义中的要求无非是说，当我们把随机试验的结果数量化时，不可随心所欲，而是应该合乎概率公理体系的规范。今后，在不必强调时，常省去，简记为，而的集合所表示的事件简记为 . 引入了随机变量之后，随机事件就可以用随机变量来描述，例如，在某城市中考察人口的年龄结构，年龄在80岁以上的长寿者，年龄介于18岁至35岁之间的年轻人，以及不到12岁的儿童，它们各自的比率如何。从表面上看，这些是孤立事件，但若我们引进一个随机变量： 表示随机抽取一个人的年龄 ； 那末，上述几个事件可以分别表示成 、 及.由此可见，随机事件的概念是被包容在随机变量这个更广的概念之内的。 对于随机变量，我们不只是看它取哪些值，更重要的是看它以多大的概率取那些值。由随机变量的定义可知，对于每一个实数， 都是一个事件，因此有一个确定的概率与相对应，所以，概率是的函数。这个函数在理论和