概率论与数理统计：2.5,2.6 连续型随机变量及其概率密度函数.pptVIP

(2) 指数分布 若 X 的概率密度为 则称 X 服从 参数为?的指数分布 X 的分布函数为 ?? 0 为常数 1 x F( x) 0 x f ( x) 0 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 若 X服从指数分布,则 所以，又把指数分布称为“永远年轻”的分布 指数分布的“无记忆性” 事实上 例4 假定一大型设备在任何长为 t 的时间内发生 　故障的次数 N( t ) 服从参数为?t 的Poisson分布, 求相继两次故障的时间间隔 T 的概率分布. 解 即T服从指数分布 §2.7 正态分布 若X 的概率密度为 则称 X 服从参数为 ? , ? 2 的正态分布 记作 X ~ N ( ? , ? 2 ) 为常数， N (-3 , 1.2 ) f (x) 的性质： 图形关于直线 x = ? 对称: f (? +a ) = f (? - a) 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) 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 ? Show[fn1,fn3] ?大 ?小 应用场合 若随机变量 X 受到众多相互独立的随机因 素的影响，而每一个别因素的影响都是微小的， 且这些影响可以叠加, 则 X 服从正态分布. 可用正态变量描述的实例非常之多： 各种测量的误差； 人的生理特征； 工厂产品的尺寸； 农作物的收获量； 海洋波浪的高度； 金属线的抗拉强度； 热噪声电流强度； 学生们的考试成绩； 一种重要的正态分布：N (0,1) — 标准正态分布 它的分布函数记为? (x)，其值有专门的表可查 ? (x) 是偶函数，其图形关于纵轴对称 -x x 对一般的正态分布 ：X ~ N ( ? ,? 2) 其分布函数 作变量代换 例5 设 X ~ N(1,4) , 求 P (0 ? X ? 1.6) 解 P380 附表3 例6 已知 且 P( 2 X 4 ) = 0.3, 求 P ( X 0 ). 解一 解二 图解法 0.2 由图 0.3 例 3? 原理 设 X ~ N ( ? , ? 2), 求 解 在一次试验中, X 落入区间( ? - 3? , ? +3? ) 的概率为 0.9974, 而超出此区间的可能性很小 由3? 原理知， 当 标准正态分布的 ? 分位数 z? 设 X ~ N (0,1) , 0 ? 1, 称满足 的点 z? 为X 的? 分位数 z? ? 常用的几个数据 正态分布的分位点的性质: (1) (2) (3) 例7 某汽车设计手册指出,人的身高服从 正态分布 根据各个国家的 统计资料,可得各国,各民族的 和 对于中国人, 试问: 公共汽车的车门至少需要多高才能使 上下车时低头的人不超过0.5%?(单位:米) 解: 人的身高, 车门的高度, 例8 设测量的误差 X ~ N(7.5,100)(单位：米),问要 进行多少次独立测量，才能使至少有一次 误差的绝对值不超过10米的概率大于0.9 ? 解 设 A 表示进行 n 次独立测量至少有一次误差 的绝对值不超过10米 n 3 所以至少要进行 4 次独立测量才能满足要求. 作业：习题2.5 P55 1，3, 4，5, 6 习题2.6 P59 2， 4， 习题2.6 P67 1, 3, 4，6 §2.5 连续型随机变量及其概率密度函数 定义 设 X 是一随机变量，若存在一个非负 可积函数 f ( x ), 使得 其中F ( x )是它的分布函数 则称 X 是连续型随机变量，f ( x )是它的 概率密度函数( p.d.f. )，简称为密度函数 或概率密度 连续型随机变量的概念 x f ( x) x F ( x ) 分布函数F ( x )与密度函数 f ( x )的几何意义 p.d.f.