随机变量与概率分布.pptxVIP

随机变量与概率分布汇报人：XX2024-01-27

目录随机变量及其分类常见离散型随机变量分布常见连续型随机变量分布多维随机变量及其分布随机变量的数字特征大数定律与中心极限定理

01随机变量及其分类

03概率分布一般用概率函数或概率分布列来描述离散型随机变量的概率分布。01定义取值可数的随机变量，即可能取值的个数是有限的或者是可列无限的。02常见离散型随机变量二项分布、泊松分布、几何分布等。离散型随机变量

取值充满某个区间(a,b)的随机变量，即可能取值的个数是无限的且不可列举。定义正态分布、均匀分布、指数分布等。常见连续型随机变量一般用概率密度函数来描述连续型随机变量的概率分布。概率分布连续型随机变量

随机变量的数学期望和方差数学期望（均值）描述随机变量取值的平均水平，对于离散型随机变量是概率加权和，对于连续型随机变量是概率密度函数的加权积分。方差描述随机变量取值的离散程度，即各取值与其均值之差的平方的平均值。方差越大，说明随机变量的取值越分散；方差越小，说明随机变量的取值越集中。

02常见离散型随机变量分布

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,p)的二项分布。二项分布

定义01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。参数λ表示单位时间（或单位面积）内随机事件的平均发生率。概率质量函数02P{X=k}=λ^k/k!e^(-λ)，k=0,1,2,...。期望和方差03E(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

123在含有M个白球和N个黑球的有限总体中，不放回地随机抽取n个球，其中白球的个数X服从参数为(n,M,N)的超几何分布。定义P{X=k}=C_M^kC_N^(n-k)/C_(M+N)^n，k=0,1,2,...,min{n,M}。概率质量函数E(X)=nM/(M+N)，D(X)=(nM/N)(N/M+N)(n/M+N)(M+N-n)/(M+N)^2(M+N-1)。期望和方差超几何分布

03常见连续型随机变量分布

定义在某一区间内，随机变量的取值概率相等，即为均匀分布。期望和方差E(X)=(a+b)/2，D(X)=(b-a)^2/12。概率密度函数f(x)=1/(b-a)，a=x=b，其他情况下f(x)=0。均匀分布

定义描述两个连续事件之间的时间间隔，常用于可靠性分析和排队论等。概率密度函数f(x)=λe^(-λx)，x0，其中λ为常数，表示单位时间内事件发生的次数。期望和方差E(X)=1/λ，D(X)=1/λ^2。指数分布

一种连续型概率分布，具有钟形曲线特征，广泛应用于自然和社会科学领域。定义f(x)=(1/√(2πσ^2))*e^(-(x-μ)^2/(2σ^2))，其中μ为均值，σ为标准差。概率密度函数E(X)=μ，D(X)=σ^2。期望和方差正态分布

定义一个随机变量的对数服从正态分布，则该随机变量服从对数正态分布。概率密度函数f(x)=(1/(xσ√(2π)))*e^(-(ln(x)-μ)^2/(2σ^2))，x0，其中μ和σ分别为ln(X)的均值和标准差。期望和方差E(X)=e^(μ+σ^2/2)，D(X)=(e^(σ^2)-1)*e^(2μ+σ^2)。对数正态分布

04多维随机变量及其分布

边缘概率分布通过联合概率分布，可以得到任意一个随机变量的概率分布，即边缘概率分布。条件概率分布在已知一个随机变量取值的条件下，另一个随机变量的概率分布。联合概率分布描述两个离散型随机变量同时取值的概率分布，通常以表格形式表示。二维离散型随机变量

描述两个连续型随机变量同时取值的概率密度函数，通常以曲面图表示。联合概率密度函数边缘概率密度函数条件概率密度函数通过联合概率密度函数，可以得到任意一个随机变量的概率密度函数，即边缘概率密度函数。在已知一个随机变量取值的条件下，另一个随机变量的概率密度函数。030201二维连续型随机变量

从多维随机变量的联合分布中，可以得到任意一个随机变量的分布，即边缘分布。边缘分布可以是离散型或连续型。在多维随机变量中，当已知部分随机变量的取值时，其他随机变量的分布称为条件分布。条件分布可以是离散型或连续型。