概率论复习与R相关应用.ppt

结果：Result = 0.841313 §2.4 随机变量函数的分布 问题：已知随机变量 X 的概率特性 —— 分布 函数 或密度函数（分布律） Y = g ( X ) 求 随机因变量Y 的概率特性 方法：将与 Y 有关的事件转化成 X 的事件 §2.4 设随机变量 X 的分布律为 由已知函数 g ( x) 可求出随机变量 Y 的所有 可能取值，则 Y 的概率分布为 离散型随机变量函数的分布 已知随机变量 X 的密度函数 f (x) (或分布函数) 求 Y = g( X ) 的密度函数或分布函数 方法： （1） 从分布函数出发 （2）从密度函数出发 连续性随机变量函数的分布 例 已知随机变量X的分布函数F(x)是严格单调的连续函数, 证明Y=F(X)服从[0,1]上的均匀分布. 又由于X的分布函数F是严格递增的连续函数, 其反函数 F-1 存在且严格递增. 证明: 设Y的分布函数是G(y), 于是 对y1, G(y)=1; 对y0 , G(y)=0; 由于 对0≤y≤1, G(y)=P(Y≤ y) =P(F(X)≤ y) =P(X ≤ (y)) =F( (y))= y 即Y的分布函数是 求导得Y的密度函数 可见, Y 服从[0，1]上的均匀分布. 本例的结论在计算机模拟中有重要的应用. 注意：连续型随机变量的函数的分布函数 不一定是连续函数 例如：X ~ U (0,2) 令 Y = g ( X ) x y 1 FY (y)不是连续函数 对于连续型随机变量，在求Y=g(X) 的分布时，关键的一步是把事件 { g(X)≤ y } 转化为X在一定范围内取值的形式，从而可以利用 X 的分布来求 P { g(X)≤ y }. 这一讲我们介绍了随机变量函数的分布. 我们将介绍几个常见的分布. 作业： 要求：需给出程序、结果，存成word文档 星期日前发送到 3 用户名：ryy 密码： ryy 对于连续型随机变量X b x f ( x) a x f ( x) a (1) 均匀分布 ( a , b)上的均匀分布 记作 常见的连续性随机变量的分布 若 X 的密度函数为 ，则称 X 服从区间 其中 X 的分布函数为 x f ( x) a b x F( x) b a 即 X 的取值在(a,b)内任何长为 d – c 的小区间 的概率与小区间的位置无关, 只与其长度成正 比. 这正是几何概型的情形. 在进行大量数值计算时，如果在小数点后第 k 位进行四舍五入，则产生的误差可以看作 服从 应用场合 Uniform {stats}R DocumentationThe Uniform Distribution Description These functions provide information about the uniform distribution on the interval from min to max. dunif gives the density, punif gives the distribution function qunif gives the quantile function and runif generates random deviates. Usage dunif(x, min=0, max=1, log = FALSE) punif(q, min=0, max=1, lower.tail = TRUE, log.p = FALSE) qunif(p, min=0, max=1, lower.tail = TRUE, log.p = FALSE) runif(n, min=0, max=1) Arguments x,qvector of quantiles.pvector of probabilities.nnumber of observations. If length(n) 1, the length is taken to be the number required.min,maxlower and upper limits of the distribution.log, log.plogical; if TRUE, probabilities p are given as log(p).lower.taillogical; if TRUE (default), probabilities are P[X = x], otherwise, P[X x].