概率论与数理统计---一维随机变量及其分布离散型随机变量.pptxVIP

概率论与数理统计---一维随机变量及其分布离散型随机变量汇报人：AA2024-01-20

目录CONTENTS离散型随机变量基本概念一维离散型随机变量常见分布多维离散型随机变量及其分布离散型随机变量数字特征离散型随机变量在实际问题中应用案例分析：离散型随机变量在实际问题中应用举例

01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列个可能取值，且每个可能取值对应的概率是非负的，所有可能取值的概率之和等于1。

010203040-1分布二项分布泊松分布几何分布常见离散型随机变量类型随机变量只取0和1两个值，且取1的概率为p，取0的概率为1-p。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。在伯努利试验中，首次成功出现之前的失败次数服从几何分布。描述单位时间内随机事件发生的次数，且事件发生的时间间隔服从指数分布。

分布律01离散型随机变量的概率分布可以用分布律来描述，即列出所有可能取值及其对应的概率。分布函数02对于离散型随机变量X，其分布函数F(x)定义为F(x)=P{X≤x}，表示随机变量X取值小于等于x的概率。关系03分布律和分布函数是描述离散型随机变量的两种不同方式，它们之间存在一一对应的关系。通过分布律可以求得分布函数，反之亦然。分布律与分布函数关系

02一维离散型随机变量常见分布

0-1分布0-1分布具有无记忆性，即无论之前进行了多少次试验，下一次试验成功的概率仍然为p。性质0-1分布是二项分布的一个特例，即进行一次伯努利试验，若事件A发生的概率为p(0p1)，则事件A发生的次数X服从0-1分布。定义P{X=k}=p^k(1-p)^(1-k)，k=0,1。分布律

定义分布律性质二项分布在n次独立重复的伯努利试验中，设每次试验中事件A发生的概率为p，则事件A恰好发生k次的概率服从二项分布，记为B(n,p)。P{X=k}=C(n,k)p^k(1-p)^(n-k)，k=0,1,2,...,n。二项分布的期望E(X)=np，方差D(X)=np(1-p)。当n很大、p很小，且np大小适中时，二项分布可近似为泊松分布。

123分布律定义性质泊松分布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，常用于描述稀有事件的概率。泊松分布的参数λ表示单位时间内随机事件的平均发生率。P{X=k}=(λ^k/k!)e^(-λ)，k=0,1,2,...。泊松分布的期望E(X)=λ，方差D(X)=λ。泊松分布具有可加性，即若两个独立随机事件分别服从参数为λ1和λ2的泊松分布，则它们的和服从参数为λ1+λ2的泊松分布。

几何分布分布律P{X=k}=(1-p)^(k-1)p，k=1,2,3,...。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，则首次出现事件A所需进行的试验次数X服从几何分布，记为Geo(p)。性质几何分布的期望E(X)=1/p，方差D(X)=(1-p)/p^2。几何分布具有无记忆性，即无论之前进行了多少次试验，下一次试验成功的概率仍然为p。

03多维离散型随机变量及其分布

定义多维离散型随机变量是指多个离散型随机变量的组合，每个随机变量都有自己的取值范围和概率分布。表示方法多维离散型随机变量通常用向量或矩阵表示，例如二维离散型随机变量可以表示为(X,Y)，其中X和Y分别表示两个离散型随机变量。多维离散型随机变量定义

联合分布律边缘分布律联合分布律及边缘分布律多维离散型随机变量的边缘分布律描述了其中一个或几个随机变量取值的概率分布，而忽略其他随机变量的取值。对于二维离散型随机变量(X,Y)，X的边缘分布律可以表示为P{X=xi}，Y的边缘分布律可以表示为P{Y=yj}。多维离散型随机变量的联合分布律描述了这些随机变量同时取值的概率分布。对于二维离散型随机变量(X,Y)，其联合分布律可以表示为P{X=xi,Y=yj}，其中xi和yj分别是X和Y的取值。

多维离散型随机变量的条件分布律描述了在一个或多个随机变量取特定值的条件下，其他随机变量的概率分布。对于二维离散型随机变量(X,Y)，在X=xi的条件下，Y的条件分布律可以表示为P{Y=yj|X=xi}。条件分布律多维离散型随机变量的独立性是指这些随机变量的取值相互独立，即一个随机变量的取值不会影响其他随机变量的取值。对于二维离散型随机变量(X,Y)，如果P{X=xi,Y=yj}=P{X=xi}P{Y=yj}对所有的xi和yj都成立，则称X和Y是相互独立的。独立性条件分布律及独立性

04离散型随机变量数字特征

描述随机变量取值的“平均值”，反映随机变量取值的“中心位置”。数学期望描述随机变量取值的离散程度，即各取值与数学期望的偏离程度。方差方差的算术平方根，用于衡量数据的