水文学课件-随机变量及其分布.pptVIP

泊松定理 设一串随机变量Xn（n=1，2，…）服从二项分布，其分布律为 因此，当n很大时，二项分布的计算很麻烦， 在这种情况下，可通过泊松分布来求出二项分 布的近似值。 例：为了保证设备正常工作，需要配备适量维修工人（工人配备多了就浪费，配备少了又要影响生产），现有同类型设备300台，各台工作是相互独立的，发生故障的概率都是0.01，在通常情况下一台设备的故障可由一个人来处理（我们也只考虑这种情况），问至少需要多少工人，才能保证当设备发生故障，但不能及时维修的概率小于0.01？ 解：设需要配备N人，记同一时刻发生故障的设备台数为X，那么，X~B(300,0.01)，所要解决的问题是确定N使得 P(XN)≤0.01 由泊松定理（这里λ＝np＝3） P(XN)=1-P(X≤N) 于是 解上式得最小的N应该是8。 因此达到上述要求至少需配备8各人。 §2－3 连续型随机变量的分布密度 连续型随机变量和分布密度 几种重要的连续型随机变量的分布 均匀分布 正态分布 皮尔逊Ⅲ型分布 连续型随机变量和分布密度 设随机变量X的分布函数为F(x) ，如果存在非负函数f(x)，使对任意实数x，有 密度函数的性质 密度函数的两条基本性质: 连续型随机变量X落在[a，b]区间的概率 密度函数和分布函数的关系 密度函数的意义 注意: 连续型随机变量取单个值的概率为0。因此，在讨论连续型随机变量的概率时，总是考虑它取值于某个区间的概率，而不考虑它取某一特定值的概率。而且在进行概率计算时，区间的端点包不包括在内是无关紧要的，这是连续型随机变量与离散型随机变量的重大区别。 超过累积频率 在水文计算中，常常关心某些水文特征值超过某一标准的概率，在描述水文变量的概率分布时，常常不采用上述定义的分布函数，而采用它的余量。 几种重要的连续型随机变量的分布 均匀分布 正态分布 皮尔逊Ⅲ型分布  随 机 变 量 及 其 分 布 §2－1 随机变量与分布函数 随机变量 随机变量的两种基本类型 分布函数 随机变量 如果随机试验的所有结果可以用一个变量X的各种不同取值来表示，则这种变量称为随机变量或随机变数。 例如，有一批产品共100件，其中有5件次品，今从中任取2件，我们可用X来表示任取的2件产品中次品的件数。 用“X=0”表示“没有取到次品”；“X=1”表示“取到1件次品”；“X=2”表示“取到2件次品”。 例如，我们若用Y表示长江某站的年最高水位，则“Y=8”表示“年最高水位等于8米”；“Y 11”表示“年最高水位不超过11米”；“7Y9”表示“年最高水位在7～9米”之间。 结果不是数量性的随机试验，也可以用一个变量来表示这个试验的结果。例如抛掷硬币，可用“Z=1”表示“正面朝上”；“Z=0”表示“反面朝上”。 随机变量的定义 如果对试验E的每一个结果赋予一个实数X（w），且对任意实数，｛ X（w）x｝有着确定的概率，则称X（w）为随机变量。 可以用右图说明上述X（ w ）与w的关系。其中w是试验E的任一事件，X（ w ）为在数轴上与w对应的的一个实数。 把随机变量X（w）简写成X; 用X,Y,Z……表示随机变量； 用小写的英文字母x,y,z…… 表示随机变量的取值。 随机变量的两种基本类型 离散型随机变量 非离散型随机变量 离散型随机变量 随机变量X的全体可能取值为有限个，或无限多个但可以一一列举的数。 例如，掷一颗骰子，用X表示其出现的点数，则X的可能取值为有限个数：1,2,3,4,5,6； 记录某电话总机在24小时内接到的呼唤次数，以Z表示呼唤次数，则Z的可能取值有无限多个，但可以一一列举出来：0,1,2…… 非离散型随机变量 若随机变量X的可能取值不能列举（即非有限，非可列），则称X为非离散型随机变量，非离散型随机变量范围很广，其中最重要最常见的是所谓连续型随机变量。 连续性随机变量的严格定义将在后面给出，这里只是指出它的一个最重要特征，即它的可能取值充满数轴上一个有限或无限区间。例如，年降水量、年最大洪峰流量、峰现时间、测量误差等。 注意： 对连续型随机变量，我们所关心的往往不是它取某个特定值的概率（以后将证明，它取任一特定值的概率为0），而是它的取值落在某个区间内的概率。例如，年雨量在800至1000毫米间的概率，洪峰流量大于某个数值的概率等。 分布函数： 设X为一