随机变量及其分布 (4).pptVIP

第六十二页，共95页。 (1) 均匀分布 常见的连续性随机变量的分布 若 X 的 d.f. 为 均匀分布 第六十三页，共95页。 X 的分布函数为 第六十四页，共95页。 x f ( x) a b x F( x) b a 第六十五页，共95页。 (2) 指数分布 若 X 的d.f. 为 X 的分布函数为 ?? 0 为常数 指数分布 第六十六页，共95页。 1 x F( x) 0 x f ( x) 0 第六十七页，共95页。 在Poisson 定理中， 由此产生了一种离散型随机变量的概率分布 — Poisson 分布 第三十页，共95页。 (3) Poisson 分布 若 其中 是常数，则称 X 服从参数为 的Poisson 分布. 或 记作 第三十一页，共95页。 在某个时段内： 大卖场的顾客数； 某地区拨错号的电话呼唤次数； 市级医院急诊病人数； 某地区发生的交通事故的次数. ① ② ③ ④ ⑤ 一个容器中的细菌数； 一本书一页中的印刷错误数； 一匹布上的疵点个数； ⑥ ⑦ ⑧ 应 用 场 合 放射性物质发出的 粒子数； 第三十二页，共95页。 例7 电话交换台每分钟接到的呼唤次数是随机变量X, 设X~P(4), 求： （1）1分钟内呼唤次数是8次的概率； （2）1分钟内呼唤次数不超过1次的概率。 解：（1） （2） 第三十三页，共95页。 第三十四页，共95页。 第三十五页，共95页。 §2.3 连续型随机变量 分布函数 连续型随机变量其取值不能一一列举，因此 要采用与离散型随机变量不一样方式定义。 这就是概率密度函数 第三十六页，共95页。 定义 设 X 是随机变量, 若存在一个非负 可积函数 f ( x ), 使得对任意实数a,b 则称 X 是 连续型 r.v. ，f ( x )是它的概率 密度函数( p.d.f. )，简记为d.f. 连续型 r.v.的概念 §2.3 连续 第三十七页，共95页。 x f ( x) x 面积 概率密度函数几何意义 第三十八页，共95页。 p.d.f. f ( x )的性质 （1） （2） 常利用这两个性质检验一个函数能否作为连续性 r.v.的 d.f. （3） 这说明虽然不可能事件的概率为零，但反过来，概率为零的事件未必是不可能事件。 例 判别：“若事件A的概率为零： P(A)=0, 则A为不可能事件 ”。 第三十九页，共95页。 对于连续型 r.v. X b x f ( x) a 第四十页，共95页。 x f ( x) a 第四十一页，共95页。 例1 已知某型号电子管的使用寿命 X 为连 续r.v., 其 d.f.为 (1) 求常数 c (2) 计算 例1 第四十二页，共95页。 解 (1) 令 c = 1000 (2) 第四十三页，共95页。 (1) 均匀分布 常见的连续性随机变量的分布 若 X 的 d.f. 为 则称 X 服从区间( a , b)上的均匀分布或称 X 服从参数为 a , b的均匀分布. 记作 均匀分布 第四十四页，共95页。 即 X 落在(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. 进行大量数值计算时, 若在小数点后第 k 位进行四舍五入, 则产生的误差可以看作 服从 的 r.v. 随机变量 应用场合 第四十五页，共95页。 例3 秒表最小刻度值为0.01秒. 若计时精 度是取最近的刻度值, 求使用该表计时产生的随机误差X 的 d.f. 并计算误差的绝对值不超过0.004秒的概率. 解 X 等可能地取得区间 所以 上的任一值，则 第四十六页，共95页。 (2) 指数分布 若 X 的d.f. 为 则称 X 服从 参数为 ? 的指数分布 记作 ?? 0 为常数 指数分布 第四十七页，共95页。 x f ( x) 0 第四十八页，共95页。 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 第四十九页，共95页。 解 (1) 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 ) ~ (?t), 求 相继两次故障的时间间隔 T 的概率分布; 设备已正常运行８小时的情况下,再正常 　 运行 10 小时的概率. 例4 第五十页