概率论与数理统计随机变量的分布函数课件.pptxVIP

概率论与数理统计随机变量的分布函数课件

?随机变量的概念contents?随机变量的分布函数?随机变量的概率密度函数?随机变量的期望和方差?随机变量的矩和中心矩?随机变量的特征函数目录

01随机变量的概念

随机变量的定义010203随机变量离散随机变量连续随机变量在概率论中，随机变量是一个定义在样本空间上的可测函数，它表示一个随机试验的结果。离散随机变量是在样本空间中取有限或可数无穷多个值的随机变量。连续随机变量是在样本空间中取连续值的随机变量。

随机变量的分类离散型随机变量离散型随机变量是在一定范围内只能取有限个值的随机变量，如投掷骰子出现的点数。连续型随机变量连续型随机变量是在一定范围内可以取任何实数值的随机变量，如人的身高、体重等。

随机变量的性质可加性可数性可逆性对于两个独立随机变量X和Y，如果X+Y是一个可测的实数，那么X+Y也是一个随机变量。对于任意两个随机变量X和Y，如果X≤Y，那么X也是一个随机变量。对于任意两个随机变量X和Y，如果X≤Y，那么Y/X也是一个随机变量。

02随机变量的分布函数

分布函数的定义分布函数是描述随机变量取值概率的函数，它表示随机变量取任意实数值的概率。分布函数的值等于随机变量小于或等于该值的概率。分布函数具有非负性、规范性、单调递增性等性质。

分布函数的性质分布函数具有非负性对于任意实数$x$，有$F(x)geq0$。分布函数具有规范性$F(-infty)=0$且$F(+infty)=1$。分布函数具有单调递增性对于任意实数$x_1x_2$，有$F(x_1)leqF(x_2)$。

常见随机变量的分布函数离散型随机变量的分布函数01离散型随机变量的分布函数由概率质量函数给出，即对于任意实数$x$，有$F(x)=sum_{i=1}^{n}P(X=x_i)$。正态分布的分布函数02正态分布的分布函数由标准正态分布表给出，即对于任意实数$x$，有$F(x)=frac{1}{sqrt{2pi}}int_{-infty}^{x}e^{-frac{t^2}{2}}dt$。二项分布的分布函数03二项分布的分布函数由二项概率公式给出，即对于任意实数$x$，有$F(x)=C_n^kp^k(1-p)^{n-k}$，其中$n$为试验次数，$k$为成功次数，$p$为单次试验成功的概率。

03随机变量的概率密度函数

概率密度函数的定义概率密度函数010203描述随机变量在各个取值区间上的概率分布情况，定义为随机变量取值在任意区间上的概率与区间长度之商。离散型随机变量的概率密度函数表示随机变量取各个可能值的概率，通常用离散型随机变量的分布律来描述。连续型随机变量的概率密度函数表示随机变量在任意实数区间上的概率，通常用连续型随机变量的分布函数来描述。

概率密度函数的性质非负性有界性概率密度函数在实数轴上是有界的，即存在正数M，使得对于任意实数x，有|f(x)|≤M。概率密度函数值非负，即对于任意实数x，有f(x)≥0。归一化整个实数轴上的概率密度函数值之和为1，即∫∞?∞f(x)dx=1。

常见随机变量的概率密度函数离散型随机变量例如二项分布、泊松分布等，其概率密度函数由分布律给出。连续型随机变量例如正态分布、指数分布、均匀分布等，其概率密度函数由相应的分布函数给出。

04随机变量的期望和方差

期望的定义和性质性质期望具有线性性质，即E(aX+b)=aE(X)+b，其中a和b是常数。定义期望是随机变量所有可能取值的概率加权和，表示为E(X)。计算方法通过概率分布表或概率密度函数计算期望值。

方差的定义和性质定义1方差是随机变量与期望值之差的平方的期望值，表示为D(X)。性质方差具有非负性，即D(X)≥0。23计算方法通过概率分布表或概率密度函数计算方差值。

常见随机变量的期望和方差离散型随机变量伯努利试验：E(X)=p，D(X)=p(1-p)0102二项分布：E(X)=np，D(X)=np(1-p)连续型随机变量0304均匀分布：E(X)=∫(-∞→∞)xf(x)dx，D(X)=∫(-∞→∞)(x-μ)^2f(x)dx正态分布：E(X)=μ，D(X)=σ^20506

05随机变量的矩和中心矩

矩的定义和性质矩的定义矩是描述随机变量分布特性的数字特征，包括原点矩和中心矩。矩的性质矩具有线性、可加性、次序性等性质，这些性质在概率论和数理统计中具有重要应用。

中心矩的定义和性质中心矩的定义中心矩是相对于均值（期望值）的矩，即随机变量与均值之差的n次方再求期望。中心矩的性质中心矩具有与原点矩类似的性质，如线性、可加性和次序性。此外，中心矩还具有对称性等其他性质。

常见随机变量的矩和中心矩离散型随机变量对于离散型随机变量，其原点矩和中心矩分别为求