随机变量及其分布列 1 版块三 离散型随机变量的期望与方差1 学生版.docxVIP

随机变量及其分布列 1 版块三 离散型随机变量的期望与方差1 学生版 随机变量及其分布列lbrack;1rsqb;period;版块三period;离散型随机变量的期望与方差1period;学生版 1． 离散型随机变量及其分布列 ⑴离散型随机变量 如果在试验中，试验可能出现的结果可以用一个变量X来表示，并且X是随着试验的结果的不同而变化的，我们把这样的变量X叫做一个随机变量．随机变量常用大写字母X,Y,表示． 如果随机变量X的所有可能的取值都能一一列举出来，则称X为离散型随机变量． ⑵离散型随机变量的分布列 将离散型随机变量X所有可能的取值 x与该取值对应的概率p(i=1,2,,n)列表表示： 2．几类典型的随机分布 如果随机变量X的分布列为 二点分布举例：某次抽查活动中，一件产品合格记为1，不合格记为0，已知产品的合格率为80%，随机变量XX的分布列满足二点分布． 两点分布又称0-1布又称为伯努利分布． ⑵超几何分布 一般地，设有总数为N件的两类物品，其中一类有M件，从所有物品中任取n件(n≤N)， 这n件中所含这类物品件数X是一个离散型随机变量，它取值为m时的概率为 CmMCN-M (0≤m≤l，l为n和M中较小的一个)． P(X=m)= 我们称离散型随机变量X的这种形式的概率分布为超几何分布，也称X服从参数为N， M，n的超几何分布．在超几何分布中，只要知道N，M和n，就可以根据公式求出X取不同值时的概率P(X=m)，从而列出X的分布列． ⑶二项分布 1．独立重复试验 如果每次试验，只考虑有两个可能的结果A及A，并且事件A发生的概率相同．在相同的条件下，重复地做n次试验，各次试验的结果相互独立，那么一般就称它们为n次独立重复试验．n次独立重复试验中，事件A恰好发生k次的概率为 (k=0,1,2,,n)． Pn(k)=Cknp(1-p) 若将事件A发生的次数设为X，事件A不发生的概率为q=1-p，那么在n次独立重复 试验中，事件A恰好发生k次的概率是P(X=k)=Ck，其中k=0,1,2,npq是得到 0n-1nkn p=)0C+p+Cn+1p1q-n+kCk pqCpnqnnqn 各对应项的值，所以称这样的散型随机变量X服从参数为n，p的二项分布， 记作X~B(n,p)． 二项分布的均值与方差： 若离散型随机变量X服从参数为n和p的二项分布，则 E(X)=np，D(x)=npq(q=1-p)． 1． 概率密度曲线：样本数据的频率分布直方图，在样本容量越来越大时， 直方图上面的折线所接近的曲线．在随机变量中，如果把样本中的任一数据看作随机变量X，则这条曲线称为X的概率密度曲线． 曲线位于横轴的上方，它与横轴一起所围成的面积是1，而随机变量X落在指定的两个 b之间的概率就是对应的曲边梯形的面积． 数a， 2．正态分布 ⑴定义：如果随机现象是由一些互相独立的偶然因素所引起的，而且每一个偶然因素在总体的变化中都只是起着均匀、微小的作用，则表示这样的随机现象的随机变量的概率分布近似服从正态分布． 服从正态分布的随机变量叫做正态随机变量，简称正态变量． 正态变量概率密度曲线的函数表达式为f(x)x∈R ，其中μ，σ是参数，且σ0，-∞ -(x-μ)22σ2 式中的参数μ和σ分别为正态变量的数学期望和标准差．期望 为μ、标准差为σ的正态分布通常记作N(μ,σ2)． 正态变量的概率密度函数的图象叫做正态曲线． ⑵标准正态分布：我们把数学期望为0，标准差为1的正态分布叫做标准正态分布． ⑶重要结论： ①正态变量在区间(μ-σ,μ+σ)，(μ-2σ,μ+2σ)，(μ-3σ,μ+3σ)内，取值的概率分别是68.3%，95.4%，99.7%． +∞)内的取值的概率为1，在区间(μ-3σ，μ+3σ)之外的取值的概率②正态变量在(-∞， 是0.3%，故正态变量的取值几乎都在距x=μ三倍标准差之内，这就是正态分布的3σ原则． ⑷若ξ~N(μ，则称F(x)=P(ξ≤x)=?-∞f(t)dt为概率分布σ2)，f(x)为其概率密度函数， x-t2ξ-μ2 dt为标准正态分布函数． 函数，特别的，~N(0， 1)，称φ(x)=?σx-μ 标准正态分布的值可以通过标准正态分布表查得． 分布函数新课标不作要求，适当了解以加深对密度曲线的理解即可． 3．离散型随机变量的期望与方差 1．离散型随机变量的数学期望