第二章 随机变量及其分布1.ppt

(2) 指数分布 若 X 的密度函数为 则称 X 服从 参数为 ? 的指数分布 记作 X 的分布函数为 ?? 0 为常数 §2.3 连续型随机变量 1 x F( x) 0 x f ( x) 0 §2.3 连续型随机变量 对于任意的 0 a b, 应用场合 用指数分布描述的实例有： 随机服务系统中的服务时间 电话问题中的通话时间 无线电元件的寿命 动物的寿命 指数分布常作为各种“寿命”分布的近似 §2.3 连续型随机变量 (3) 正态分布 若X 的密度函数为 则称 X 服从参数为 ? , ? 2 的正态分布 记作 X ~ N ( ? , ? 2 ) 为常数， 亦称高斯 (Gauss)分布 §2.3 连续型随机变量 N (-3 , 1.2 ) §2.3 连续型随机变量 f (x) 的性质： 图形关于直线 x = ? 对称, 即 在 x = ? 时, f (x) 取得最大值 在 x = ?±? 时, 曲线 y = f (x) 在对应的点处有拐点 曲线 y = f (x) 以 x 轴为渐近线 曲线 y = f (x) 的图形呈单峰状 f (? + x) = f (? - x) §2.3 连续型随机变量 §2.3 连续型随机变量 f ( x) 的两个参数： ? — 位置参数 即固定 ? , 对于不同的 ? , 对应的 f (x)的形状不变化，只是位置不同 ? — 形状参数 固定 ? ，对于不同的? ，f ( x) 的形状不同. 若 ?1 ?2 则 比x=? ? ?2 所对应的拐点更靠近直线 x=? 附近值的概率更大. x = ? ? ?1 所对应的拐点 前者取 ? §2.3 连续型随机变量 Show[fn1,fn3] ?大 ?小 几何意义 ? 大小与曲线陡峭程度成反比 数据意义 ? 大小与数据分散程度成正比 §2.3 连续型随机变量 正态变量的条件 若 r.v. X ① 受众多相互独立的随机因素影响 ② 每一因素的影响都是微小的 ③ 且这些正、负影响可以叠加 则称 X 为正态 r.v. §2.3 连续型随机变量 可用正态变量描述的实例极多： 各种测量的误差； 人体的生理特征； 工厂产品的尺寸； 农作物的收获量； 海洋波浪的高度； 金属线抗拉强度； 热噪声电流强度； 学生的考试成绩； §2.3 连续型随机变量 b x f ( x) a 0 当试验次数无限增加，直方图趋近于光滑 曲线，曲线下包围的面积表示概率。该曲线称 为概率密度函数。 复习： f ( x ) 描述了X 在x 附近单位长度的区间内取值的概率. 复习： x f ( x) x F ( x ) 复习： 常见连续型随机变量的分布 均匀分布 指数分布 正态分布 X ~ N ( ? , ? 2 ) ?大 ?小 几何意义 ? 大小与曲线陡峭程度成反比 数据意义 ? 大小与数据分散程度成正比 §2.3 连续型随机变量 — 位置参数 — 形状参数 N (-3 , 1.2 ) 一种重要的正态分布 是偶函数，分布函数记为 其值有专门的表供查. —— 标准正态分布N (0,1) 密度函数 §2.3 连续型随机变量 §2.3 连续型随机变量 X ~ N ( 0 , 1 ) -x x X ~ N ( 0 , 1 ) X ~ N ( 0 , 1 ) P (1 ? X ? 2) P (-1 ? X ? 1.5) , 则对固定的 k 设 Possion定理 Poisson定理说明若X ~ B( n, p), 则当n 较大， p 较小, 而 适中, 则可以用近似公式 问题 如何计算 ？ §2.2 离散型随机变量及其概率分布 在Poisson 定理中， 由此产生了一种离散型随机变量的概率分布 — Poisson 分布 (3) Poisson 分布 若 其中 是常数，则称 X 服从参数为 的Poisson 分布. 或 记作 §2.2 离散型随机变量及其概率分布 在某个时段内： 大卖场的顾客数； 某地区拨错号的电话呼唤次数； 市级医院急诊病人数； 某地区发生的交通事故的次数. ① ② ③ ④ ⑤ 一个容器中的细菌数； 一本书一页中的印刷错误数； 一匹布上的疵点个数； ⑥ ⑦ ⑧ 应 用 场 合 放射