随机变量及其分布讲义.ppt

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 统计中常用的 p - 分位数 (1) N(0, 1)： Z? , U? (2) ?2(n)： (3) t (n)： (4) F (n, m)： * Thank you! * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 随机变量的标准化 设 Var(X)0, 令 则有 E(Y)=0, Var(Y)=1. 称 Y 为 X 的标准化. §4 常用离散分布 4.1 二项分布 记为 X ~ b(n, p). X为n重伯努里试验中“成功”的次数, 当n=1时，称 b(1, p) 为 0-1分布. 试验次数为 n=4, “成功”即取得合格品的概率为 p=0.8, 所以, X ~ b(4, 0.8) 思考： 若 Y 为不合格品件数，Y ?？ Y ~ b(4, 0.2) 一批产品的合格率为0.8, 有放回地抽取4次, 每次一件, 则取得合格品件数 X 服从二项分布. 若随机变量 X 的概率分布为 则称 X 服从参数为? 的泊松分布, 记为 X ~ P(?). 4.2 泊松分布 记为 X ~ h(n, N, M). 超几何分布对应于不返回抽样模型 ： N 个产品中有 M 个不合格品， 从中抽取n个，不合格品的个数为X . 4.3 超几何分布 记为 X ~ Ge(p) X 为独立重复的伯努里试验中， “首次成功”时的试验次数. 几何分布具有无记忆性，即： P( X m+n | X m ) = P( X n ) 4.4 几何分布 注 意 点 (1) 二项随机变量是独立 0-1 随机变量之和. (2) 负二项随机变量是独立几何随机变量之和. 常用离散分布的数学期望 几何分布Ge(p) 的数学期望 = 1/p 0-1 分布的数学期望 = p 二项分布 b(n, p)的数学期望 = np 泊松分布 P(?) 的数学期望 = ? 常用离散分布的方差 0-1 分布的方差 = p(1?p) 二项分布 b(n, p)的方差 = np(1?p) 泊松分布 P(?) 的方差= ? 几何分布Ge(p) 的方差 = (1?p)/p2 §5 常用连续分布 正态分布、均匀分布、指数分布、 伽玛分布、贝塔分布。 记为X ~ N(?, ?2), 其中? 0， ? 是任意实数. ? 是位置参数. ? 是尺度参数. 5.1 正态分布 y x O μ 正态分布的性质 (1) p(x) 关于? 是对称的. p(x) x 0 μ 在? 点 p(x) 取得最大值. (2) 若? 固定, ? 改变, (3) 若? 固定, ? 改变, σ小 σ大 p(x)左右移动, 形状保持不变. ? 越大曲线越平坦; ? 越小曲线越陡峭. p(x) x 0 x ?x 标准正态分布N(0, 1) 密度函数记为 ?(x), 分布函数记为 ?(x). 一般正态分布的标准化 定理5.1 设 X ~ N(?, ? 2), 则 Y ~ N(0, 1). 推论: 若 X ~ N(?, ? 2), 则 若 X ~ N(?, ?2), 则 P(Xa) = ， P(Xa) = 设 X ~ N(10, 4), 求 P(10X13), P(|X?10|2). 解: P(10X13) = ?(1.5)??(0) = 0.9332 ? 0.5 P(|X??10|2) = P(8X12) = 2?(1)?1 = 0.6826 = 0.4332 例5.3 正态分布的 3? 原则 设 X ~ N(?, ?2), 则 P( | X?? | ? ) = 0.6828. P( | X?? | 2? ) = 0.9545. P( | X?? | 3? ) = 0.9973. 记为X ~ U(a, b) 5.2 均匀分布 X ~ U(2, 5). 现在对 X 进行三次独立观测，试求至少有两次观测值大于 3 的概率. 解： 记 A = { X 3 }, 则 P(A) = P( X 3) = 2/3 设 Y 表示三次独立观测中 A 出现的次数, 则 Y~ b(3, 2/3)，所求概率为 P(Y≥2) = P(Y=2)+P(Y=3) =20/27 例5.5 5.3 指数分