离散型随机变量课件课件.ppt

关于离散型随机变量课件为更好地揭示随机现象的规律性并利用数学工具描述其规律,有必要引入随机变量来描述随机试验的不同结果.例1抛掷一枚均匀的硬币，可能出现正面，也可能出现反面，现在约定若试验结果出现正面，令η=0，若试验结果出现反面，令η=1，这时就有{试验结果出现正面}=（η=0），{试验结果出现反面）=（η=1）一、随机变量的定义第2页,共29页，星期六，2024年，5月例2掷一颗骰子，用X表示出现的点数，则X=1,2,3,4,5,6例3每天进入某超市的顾客数用Y表示，则Y=0,1,2,3,…例4某一时刻红绿灯前等候的汽车数用Z表示，则Z=0,1,2,…n定义2.1.1定义在样本空间Ω上，取值于实数域R，且只取有限个或可列个值的变量ξ=ξ（ω），称作是一维（实值）离散型随机变量，简称为离散型随机变量（discreterandomvariable)。对于离散型随机变量，我们更关心的是它取各个值的概率。第3页,共29页，星期六，2024年，5月例2（续）掷一颗骰子，用X表示出现的点数，则X=1,2,3,4,5,6的概率均为例5在n=5的伯努利试验中，设事件A在一次试验中出现的概率为p，令ξ=5次试验中事件A出现的次数，则有一般来说，如果离散型随机变量ξ的可能取值为ai(i=1,2,…)，其相应的概率P(ξ=ai)=pi，人们常常习惯地把它们写成下面这种表格的形式：第4页,共29页，星期六，2024年，5月或ξa1a2...pip1p2...(2.1.1)(2.1.2)并且称(2.1.1)或(2.1.2)为随机变量ξ(ω)的分布列，也称为分布律，有时就简称为分布(distribution)。于是，例5中ξ的分布列为ξ012345piq55pq410p2q310p3q25p4qp5第5页,共29页，星期六，2024年，5月由概率的性质可知，任一离散型随机变量的分布列{pi}都具有下述两个性质：反之，任意一个具有以上两个性质的数列{pi}都可能作为一个随机变量的分布列。利用分布列，对于任意的实数ab,事件(a≤ξ≤b)发生的概率均可由分布列算出，因为(2.1.3)第6页,共29页，星期六，2024年，5月于是由概率的可列可加性有(2.1.4)其中，即使对R中更复杂的集合B，也有(2.1.5)其中因此，分布列全面地描述了离散型随机变量的统计规律。第7页,共29页，星期六，2024年，5月二、离散型随机变量的典型分布1.0-1分布或二点分布ξ01pipq其中p+q=1特别地，常数a也可看作随机变量的极端情形，这时随机变量ξ的分布列为P(ξ=a)=1人们称这个分布为单点分布或退化分布。第8页,共29页，星期六，2024年，5月2.二项分布(BernoulliDistribution)如果一个随机变量ξ的概率分布满足(2.1.6)则称ξ服从二项分布，记作b(k;n,p),其中p+q=1.在n重伯努利试验中，事件A发生k次的概率为因而n重伯努利试验中事件A发生的次数ξ是一个服从二项分布的随机变量。容易验证第9页,共29页，星期六，2024年，5月3.几何分布(GeometricDistribution)在伯努利试验中，每次试验成功的概率为p，失败的概率为q=1-p(0p1),设试验进行到第ξ次才成功，则ξ的分布列为(2.1.7)称ξ的分布为几何分布。记作q(k,p).（醉汉开门的例子。）容易看到pqk-1(k=1,2,…)是几何级数的一般项。第10页,共29页，星期六，2024年，5月几何分布的无记忆性设X服从几何分布，则对任意正整数m与n,有事实上，所以对任意的正整数m与n,条件概率上式表明：在前m次试验中A没有出现的条件下，在接下去的n次试验中A仍未出现的概率只与n有关，而与以前的m次试验无关，似乎忘记了前m次试验结果，这就是无忘记性。第11页,共29页，星期六，2024年，5月４.超几何分布若随机变量ξ的分布列为(2.1.8)则称ξ服从超几何分布。它有３个参数Ｎ，Ｍ，n.由利用二项式展开，比较等式两端xn系数有第12页,共29页，星期六，2024年，5月于是关于的证明也可以从另一