概率论与数理统计之离散型随机变量.pptxVIP

概率论与数理统计之离散型随机变量汇报人：AA2024-01-19AAREPORTING2023WORKSUMMARY

目录CATALOGUE离散型随机变量基本概念离散型随机变量数学期望与方差离散型随机变量常见分布类型多维离散型随机变量及其分布离散型随机变量在实际问题中应用举例总结与展望AA

PART01离散型随机变量基本概念

定义与性质定义离散型随机变量是指其可能取值的个数是有限的或可列的随机变量。性质离散型随机变量具有可数性和间断性。可数性是指其可能取值的个数是有限的或可列的；间断性是指其可能取值之间存在“间隔”或“跳跃”。

二项分布在n次独立重复的伯努利试验中，事件A恰好发生k次的概率分布。几何分布在n次独立重复的伯努利试验中，首次出现事件A所需试验次数X的概率分布。泊松分布描述单位时间内随机事件发生的次数的概率分布，常用于描述稀有事件的发生。0-1分布随机变量只取0和1两个值，且取1的概率为p，取0的概率为1-p。常见离散型随机变量类型

描述离散型随机变量取各个可能值的概率，通常用一个概率分布表或概率分布图来表示。分布律描述离散型随机变量取某个特定值的概率，通常表示为P(X=x)。PMF满足非负性和规范性，即对于所有可能的x值，P(X=x)≥0，且所有可能取值的概率之和等于1。概率质量函数（PMF）分布律与概率质量函数

PART02离散型随机变量数学期望与方差

VS离散型随机变量的数学期望（均值）是所有可能取值与其对应概率的乘积之和。数学期望性质数学期望具有线性性质，即对于任意常数a,b及随机变量X,Y，有E(aX+bY)=aE(X)+bE(Y)。数学期望定义数学期望定义及性质

方差定义离散型随机变量的方差是各取值与其均值之差的平方和的平均值，用于衡量随机变量取值的离散程度。方差性质方差具有非负性，即对于任意随机变量X，有D(X)≥0；且当且仅当X为常数时，D(X)=0。方差定义及性质

二项分布若随机变量X服从参数为λ的泊松分布，则E(X)=λ，D(X)=λ。泊松分布几何分布超几何分布若随机变量X服从参数为n,p的二项分布，则E(X)=np，D(X)=np(1-p)。若随机变量X服从参数为N,M,n的超几何分布，则E(X)=nM/N，D(X)=nM(N-M)(N-n)/N2(N-1)。若随机变量X服从参数为p的几何分布，则E(X)=1/p，D(X)=(1-p)/p2。常见离散型随机变量数学期望与方差求解

PART03离散型随机变量常见分布类型

概率质量函数P{X=k}=C_n^kp^k(1-p)^(n-k)，k=0,1,2,...,n。期望和方差E(X)=np，D(X)=np(1-p)。定义在n次独立重复的伯努利试验中，设每次试验成功的概率为p，则成功次数X服从参数为n和p的二项分布。二项分布

010203定义泊松分布是一种描述单位时间内随机事件发生的次数的概率分布。泊松分布的参数是单位时间（或单位面积）内随机事件的平均发生率λ。概率质量函数P{X=k}=λ^k/k!e^(-λ)，k=0,1,2,...。期望和方差E(X)=λ，D(X)=λ。泊松分布

定义在伯努利试验中，记每次试验中事件A发生的概率为p，试验进行到事件A首次出现为止，此时所进行的试验次数X服从参数为p的几何分布。概率质量函数P{X=k}=(1-p)^(k-1)p，k=1,2,3,...。期望和方差E(X)=1/p，D(X)=(1-p)/p^2。几何分布

超几何分布在含有M件次品的N件产品中，任取n件，其中恰有X件次品的概率分布称为超几何分布。超几何分布的参数是N,M和n。概率质量函数P{X=k}=C_M^kC_(N-M)^(n-k)/C_N^n，k=0,1,2,...,min{M,n}。期望和方差E(X)=n*M/N，D(X)=n*M/N*(N-M)/N*(N-n)/(N-1)。定义

PART04多维离散型随机变量及其分布

多维离散型随机变量是指取值在多维整数空间上的随机变量，其取值具有离散性。多维离散型随机变量的性质包括取值可列、概率非负、概率和为1等。定义性质多维离散型随机变量定义及性质

联合分布律描述多维离散型随机变量同时取值的概率分布规律，用联合概率函数表示。边缘分布律描述多维离散型随机变量中某一维随机变量的概率分布规律，通过求和或积分得到。联合分布律与边缘分布律

条件分布律与独立性在多维离散型随机变量中，当已知某些随机变量的取值时，其他随机变量的条件概率分布规律。条件分布律多维离散型随机变量中各随机变量之间相互独立，即一个随机变量的取值不影响其他随机变量的取值。独立性

PART05离散型随机变量在实际问题中应用举例

在一定条件下进行的相互独立的、结果只有两种可能性的试验。伯努利试验定义通过二项分布公式计算成功次数为k次的概