概率论与数理统计3.3随机变量的分布函数.pptxVIP

概率论与数理统计3.3随机变量的分布函数汇报人：AA2024-01-19

随机变量及其分布函数概念常见离散型随机变量分布常见连续型随机变量分布随机变量函数的分布多维随机变量及其分布大数定律与中心极限定理简介contents目录

01随机变量及其分布函数概念

随机变量定义与性质随机变量定义随机变量是定义在样本空间上的实值函数，它将样本空间中的每一个样本点映射到一个实数。随机变量性质随机变量具有可测性，即对于任意实数x，随机变量的取值小于等于x的事件是一个可测事件。

分布函数定义分布函数是一个描述随机变量取值概率的函数，对于任意实数x，分布函数F(x)表示随机变量X取值小于等于x的概率。分布函数性质分布函数具有单调不减性、右连续性以及取值范围在0和1之间等性质。分布函数定义及性质

离散型随机变量的取值是有限个或可列个，其分布函数是阶梯状的，跳跃点对应着随机变量的取值。离散型随机变量连续型随机变量的取值是连续的，其分布函数是连续的，不存在跳跃点。连续型随机变量的概率密度函数描述了随机变量取值的概率分布情况。连续型随机变量离散型与连续型随机变量

02常见离散型随机变量分布

VS随机变量X只有两个可能的取值0和1，且概率分别为1-p和p（0p1）。数学期望与方差E(X)=p，D(X)=p(1-p)。分布律0-1分布

二项分布在n次独立重复的伯努利试验中，事件A发生的次数X服从二项分布B(n,p)，其中n为试验次数，p为事件A发生的概率。分布律E(X)=np，D(X)=np(1-p)。数学期望与方差

泊松分布是一种描述稀有事件的概率分布，常用于描述单位时间内随机事件发生的次数。其概率质量函数为P(X=k)=λ^k/k!*e^(-λ)，其中λ0是常数，表示单位时间内随机事件的平均发生率。E(X)=λ，D(X)=λ。分布律数学期望与方差泊松分布

几何分布在伯努利试验中，首次成功所需的试验次数X服从几何分布，其概率质量函数为P(X=k)=(1-p)^(k-1)*p，其中0p1，k=1,2,...。超几何分布从N个物品中（其中包含M个指定种类的物品）不放回地抽取n个物品，抽中指定种类物品个数X服从超几何分布。其概率质量函数较复杂，一般通过组合数计算。数学期望与方差E(X)=n*M/N，D(X)的公式较复杂，一般通过查表或近似计算得到。数学期望与方差E(X)=1/p，D(X)=(1-p)/p^2。几何分布与超几何分布

03常见连续型随机变量分布

定义在区间[a,b]内，若随机变量X的概率密度函数为f(x)=1/(b-a)，则称X服从[a,b]上的均匀分布，记为X~U[a,b]。性质均匀分布具有等可能性，即每个子区间上的概率只与子区间的长度有关，而与子区间的位置无关。应用均匀分布常用于描述某些随机现象在区间[a,b]内等可能出现的情况，如随机投点问题。均匀分布

性质指数分布具有无记忆性，即对于任意正数s,t，有P{Xs+t|Xs}=P{Xt}。应用指数分布常用于描述某些随机现象的发生时间间隔，如电子元件的寿命、电话通话时间等。定义若随机变量X的概率密度函数为f(x)=λe^(-λx)，x0，其中λ0为常数，则称X服从参数为λ的指数分布，记为X~E(λ)。指数分布

定义若随机变量X的概率密度函数为f(x)=(1/√(2πσ^2))e^[-(x-μ)^2/(2σ^2)]，其中μ和σ^2为常数，且σ0，则称X服从参数为μ和σ^2的正态分布或高斯分布，记为X~N(μ,σ^2)。性质正态分布具有对称性、集中性和可加性。其概率密度函数的图形关于直线x=μ对称；当μ=0，σ=1时，称为标准正态分布。应用正态分布是概率论与数理统计中最重要的连续型分布之一。它在自然科学、社会科学、工程技术以及经济管理等领域都有广泛的应用。正态分布

其他连续型分布β分布常用于描述某些具有偏态和峰态特性的随机现象。Γ分布是一种具有两个参数的连续型分布，常用于描述某些等待时间或寿命的分布。对数正态分布如果随机变量X的对数服从正态分布，则称X服从对数正态分布。该分布在经济、金融等领域有广泛应用。威布尔分布是一种具有三个参数的连续型分布，常用于描述某些寿命数据或可靠性数据的分布情况。

04随机变量函数的分布

分布律的求法通过已知随机变量的取值及其概率，利用概率的加法公式和乘法公式，可以求出离散型随机变量函数的分布律。要点一要点二常见离散型随机变量函数的分布包括二项分布、泊松分布、几何分布等，这些分布具有特定的概率质量函数和期望、方差等数字特征。离散型随机变量函数的分布

概率密度的求法通过已知随机变量的概率密度函数，利用变量替换和微积分的基本定理，可以求出连续型随机变量函数的概率密度函数。常见连续型随机变量函数的分布包括正态分布、均匀分布、指数分布等，这些分布具有特定的概率密度函数和期望、方