常用离散型及连续型随机变量.docVIP

实用文档 常用离散型随机变量的分布函数 离散型随机 量 概念： X 是一个随机 量，如果 X 的取 是有限个或者无 可列个， 称 X 离散型随机 量。其相 的概 率 P( X xi ) pi ( i 1、2 ?? ) 称 X 的概率分 布或分布律，表格表示形式如下： X x 1 x 2 x 3 P p 1 p 2 p 3 性 ：  x p  i i pi 0 n p i 1 i 1 分布函数 F ( x ) p i x i x P{ X xi } F ( xi ) F ( xi 1) (2) 型随机 量 [1] 概念：如果 于随机 量的分布函数 F (x) ，存在非 的函数 f ( x) ，使得 于任意 数 x ，均有： x F ( x) f ( x) d x 称 X 型随机 量， f (x) 称 概率密度函 数或者密度函数。 文案大全 实用文档 连续型随机变量的密度函数的性质 f (x) 0 f ( x)dx 1 P{ a X b} F (b) F (a) f ( x) dx 若 f ( x) 在 x 点连续，则 F ( x ) f (x ) 连续型随机变量和离散型随机变量的区别： 由连续型随机变量的定义，连续型随机变量的定义域是 , ，对于任何 x，P{ X x0} F ( x0 ) F ( x0 ) 0 ； 而对于离散型随机变量的分布函数有有限个或可列个间 断点，其图形呈阶梯形。 概率密度 f ( x) 一定非负，但是可以大于 1 ，而离散型随机变量的概率分布 pi 不仅非负，而且一定不大于 1. 连续型随机变量的分布函数是连续函数，因此 X 取任何给定值的概率都为 0. 对任意两个实数 a b ，连续型随机变量 X 在 a 与 b 之 间取值的概率与区间端点无关，即： 文案大全 实用文档 P { a X b} P { a X b } P { a X b} P { a X b } F ( b ) F ( a ) b f ( x ) dx a 即： P{ X b} P{ X b} F ( x) 常用的离散型随机 量 的分布函数： [1] 0-1 分布： 只取 0、1 两个值 的随机变量，称为 0-1 分布， 它用来描述只有两种对立的结果（成功与失 败、合格与不合格、击中目标与击中目标、时 如果离散型随机 量 X 的概率分布 ： 间 A 出现与不出现）的伯努利实验。 P{ X k} p k q1 k （ K=0 、1） 0 p 1 q 1 p 称 X 服从参数 p 的 0-1 分布 。 二 分布： 如果离散型随机 量 X 的概率分布 ： P{ X k} Cnk pk qn k k 0 、1?? n 0 p 1 q 1 p 称 X 服从参数 n 、p 的二 分布 ， X ~ B(n, p) {注： 行一次 ，若 的成功率 p ， 在一次 中成 功的次数 X 服从参数 p 的 0-1 分布 } {二 分布 描述 n 重伯努利 ，若每次 的成功率 p ， 行 n 次独立重复 ， 成功的 次数 X 服从参数 n 、p 的 二 分布 } {如果 X 服从二 分布 X ~ B(n, p) ， Y=n-X 服从二 分布 文案大全 实用文档 ~ B(n,1 p) } 超几何分布： 如果离散型随机 量 X 的概率分布 ： m n m C N1 C N 2 P{ X m} C Nn 1 N 2 0、1?? n 称 X 服从参数 n, N1 、 N 2 的超几何分布，其中 n, N1 、 N 2 都 正整数，且 n ≤ N1 + N 2 {当 n N 2 ，去正概率的 X 不是从 0 开始，而是从 n N 2 开 始；当 n N1 ，去正概率的 X 最大不是 n, 而是 N1 } [4] 泊松分布（ Poisson ） 如果随机 量 X 的概率分布 ： k P{ X k} e k ! k 0 、1?? n 称随机 量 X 服从参数 的泊松分布， X ~ P( ) . ：在离散型的几个常用分布中， 二 分布 与其他几个分布关系最 密切： 参数 p 的 0-1 分布，就是参数 n 、 p 的二 分布 B ( n , p ) 当 n=1 的特例； 常用 型随机 量 的分布函数 均匀分布： 文案大全 实用文档 若连续型随机变量 X 的概率密度为： 1 a x b f ( x ) b a 其他 0 则称 X 服从区间 [ a, b] 上的均匀分布，其分布函数为： 0 a x F ( x ) x a a x b b a b x 1 在 [a,b] 上服从均匀分布的随机