连续型随机变量与其概率密度.pptVIP

正态分布是最常见最重要的一种分布,例如 测量误差, 人的生理特征尺寸如身高、体重等 ; 正常情况下生产的产品尺寸:直径、长度、重量 高度等都近似服从正态分布. 正态分布的应用与背景 正态分布的概率计算等有关问题在第４章讲解． 三、小结 常见连续型随机变量的分布 均匀分布 正态分布(或高斯分布) 指数分布 课堂思考 　某公共汽车站从上午7时起，每15分钟来一班车，即 7:00，7:15，7:30, 7:45 等时刻有汽车到达此站，如果乘客到达此站时间 X 是7:00 到 7:30 之间的均匀随机变量, 试求他候车时间少于5 分钟的概率. 解： 依题意， X ～ U ( 0, 30 ) 以7:00为起点0，以分为单位 为使候车时间X少于 5 分钟，乘客必须在 7:10 到 7:15 之间，或在7:25 到 7:30 之间到达车站. 所求概率为： 从上午7时起，每15分钟来一班车，即 7:00，7:15，7:30等时刻有汽车到达汽车站， 即乘客候车时间少于5 分钟的概率是1/3. 区间( 0, 1)上的均匀分布U(0,1)在计算机模拟中起着重要的作用. 实用中，用计算机程序可以在短时间内产生大量服从 ( 0, 1)上均匀分布的随机数. 它是由一种迭代过程产生的. 严格地说，计算机中产生的U (0,1) 随机数并非完全随机，但很接近随机，故常称为伪随机数. 知识拓展 作业 P68: 8、11 Born: 30 Apr. 1777 in Brunswick, Duchy of Brunswick (now Germany) Died: 23 Feb. 1855 in G?ttingen, Hanover (now Germany) Carl Friedrich Gauss 高斯资料 * 书例２ 有关要点回顾 2．连续型随机变量 随机变量所取的可能值可以连续地充满某个区间,叫做连续型随机变量. 1．离散型随机变量 随机变量所取的可能值是有限多个或无限可列个, 叫做离散型随机变量. ３. 离散型随机变量的分布律为 1. 2. （非负性） （归一性） 其中 连续型随机变量X所有可能取值充满一个区间, 对这种类型的随机变量, 不能象离散型随机变量那样, 以指定它取每个值概率的方式, 去给出其概率分布, 而是通过给出所谓“概率密度函数”的方式来描述其概率分布. 下面学习连续型随机变量及其概率密度． １．连续型随机变量的概念 ２．三种重要的连续型随机变量 ３．小结 2.3　连续型随机变量及其概率密度 设离散型随机变量X在［a, b］内取n个值: x1=a, x2, x3, x4,… ,xn=b． X 即小矩形的面积为Ｘ取对应点的概率 x1=a P x2 x3 s1 s2 s3 sn ……. xn=b ＝折线下面积之和！ １．连续型随机变量的概念 X的概率 直方图： (1) 定义的引出 若X为连续型随机变量，由于X在［a, b］内取连续取无穷多个值，折线将变为一条光滑曲线 而且： X a P ……. b 由此推出连续 型随机变量 的定义 　设X是随机变量，如果存在定义在整个实数轴上的函数f(x)，满足条件 1. 2. 对于任意的 3. 则称X是连续型随机变量， 称为X的概率密度函数,简称概率密度. (2) 连续型随机变量的定义 概率密度函数的性质 1) 2) 1 这两条性质是判定一 个函数 f(x)是否为某 个随机变量X的概率 密度函数的充要条件. 3) X落入区间［a,b］内的概率＝ 注意 对于任意可能值 a ,连续型随机变量取 a 的概率等于零.即 连续型随机变量取值落在某一 区间的概率与区间的开闭无关 由此可得 这是因为 故 X的密度 f(x) 在 x 这一点的值，恰好是 X落在区间 上的概率与区间长度 之比的极限. 这里，如果把概率理解为质量， f (x)相当于线密度. 若x是 f(x)的连续点，则： =f(x) (３) 对 f(x)的进一步理解 密度函数 f (x)在某点处a的高度，并不反映X取值的概率. 但是，这个高度越大，则X取a附近的值的概率就越大. 也可以说，在某点密度曲线的高度反映了概率集中在该点附近的程度. 1 问题１：f (a)是Ｘ=a的概率吗？ 事实上，若不计高阶无穷小，有： 它表示随机变量 X 取值于 的概率近似等