《概率论与数理统计第二章习题 》.pptVIP

第二章 随机变量及其分布;这一章里我们介绍概率统计的一个非常重要的概念: 随机变量. ; 第一节 随机变量及其分布;1. 随机变量的概念;但在很多的情况下, 样本空间的样本点本身不是数, 而且数量多, 这会对相关事件的深入研究造成麻烦. 而且, 我们感兴趣的往往不是样本点本身, 而仅仅是其某一个数字特征.;该如何简化呢? ;所以, X是样本点的函数, 根据试验结果的不同取不同的值, 我们把X称为一个随机变量. ;以上的例子表明, 在随机试验里, 有这样的一种量X, 它要么就是试验结果即样本点, 要么跟试验结果相关, 它随着试验结果的不同而取不同的值, 所以是变量. 这就是随机变量的通俗的定义. ;随机变量的定义: 设Ω={ω} 为试验的样本空间, 如果对每个ω∈Ω, 都对应一个实数X(ω), 则称这样的实值函数X(ω)为随机变量.;随机变量常用大写字母X, Y, Z等来表示, 其取值常用相应的小写字母x, y, z来表示.;变量的分类 假如一个随机变量只能取有限个或可列无穷个值, 则称其为离散随机变量(Discrete Random Variable). 假如一个随机变量的可能取值充满数轴的一个区间, 如(a,b), 则称其为连续随机变量(Continuous Random Variable).;有了随机变量的概念后, 随机事件就可以通过随机变量来表示. ;概率分布的定义 随机变量X的可能取值和它取这些值的概率称为X的概率分布. ;2. 随机变量的分布函数(Cumulative Distribution Function, 简称 cdf);分布函数刻画的是变量X落在(-∞,x]这种区间里的概率. ;例一. 连续抛一枚硬币三次, 定义X=获得的正面的次数. 求X的分布函数.;故 X是一个离散随机变量, 可求得X的概率分布为 ;当1≤x2时, F(x)=P(X≤x)=P(X=0)+P(X=1)=1/2 当2≤x3时, F(x)=P(X≤x)=P(X=0)+P(X=1)+P(X=2)=7/8 当x≥3时, F(x)=P(X≤x)=P(X=0)+P(X=1)+P(X=2)+P(X=3)=1;X的分布函数的图形为:;分布函数的三条基本性质: ;;有了X的分布函数, 那么有关X的各种事件的概率都能方便地用分布函数表示了.;;我们看一个连续随机变量分布函数的例子.;例三. 设连续型随机变量X的分布函数为;注意到F(x)是连续的;3. 离散随机变量的概率分布列;例如, 变量X=掷一颗骰子得到的数, 则X的概率分布列是;概率分布列的两条基本性质: ;它的图形是介于0,1间的阶梯函数, 它在X的???个取值点xi处有个跳跃, 其跳跃值恰为P(X=xi). (参看例二中F(x)的图形).;例四(几何分布). 某射手每次射击的命中率为p, 现对一个目标连续射击, 直到射中为止. 设X为该射手命中目标时射击的次数, 求X的分布列和分布函数.;当 x1时, F(x)=P(X≤x)=0;当 k≤xk+1时, F(x)=P(X≤x) =P(X=1)+P(X=2)+…+P(X=k) =p+pq+…+pqk-1 =p(1+q+…+qk-1) =p(1-qk)/(1-q) =1-qk;几何分布是较为常用的一种离散分布, 一般用来描述次数不限的伯努利试验中A事件“首次出现”的概率模型.;4.连续随机变量的概率密度函数(Probability Density Function, 简称 pdf);首先连续随机变量的取值是不可列的, 没法象分布列那样以可列的方式定义每个值的概率.;定义: 设随机变量X的分布函数为F(x), 如果存在一个非负可积函数p(x), 使得对任意实数x, ;密度函数p(x)的两条基本性质: ;这一结果有直观的几何意义: X落在(x1,x2]之间的概率恰好等于密度函数曲线下与x轴在(x1,x2]上包围的面积.;**由于连续随机变量取任意一点的概率恒为0, 从而在事件“a≤X≤b” 减去X=a或者X=b, 不影响概率, 即;**由定义可看出, 连续随机变量的分布函数一定是连续函数, 而密度函数只是非负可积, 未必一定连续.;由此可知, 密度函数p(x)在x处的值反映了随机变量X在x附近取值的概率的大小, 相比于概率分布列p(xi)反映一个离散变量X在xi处取值的概率的大小, 两者是很相似的.;例五. 设随机变量X具有概率密度;(2) X的分布函数为;即;例六. 设G是曲线y=1-x2与x轴所围成的区域, 在G内任取一点P, P到x轴的距离