随机变量及其分布.pptxVIP

第二章随机变量及其分布

关于随机变量(及向量)的研究，是概率论的中心内容．这是因为，对于一个随机试验，我们所关心的往往是与所研究的特定问题有关的某个或某些量，而这些量就是随机变量．也可以说：随机事件是从静态的观点来研究随机现象，而随机变量则是一种动态的观点，一如数学分析中的常量与变量的区分那样．变量概念是高等数学有别于初等数学的基础概念．同样，概率论能从计算一些孤立事件的概念发展为一个更高的理论体系，其基础概念是

随机变量

第二章随机变量及其分布

1随机变量

为了全面地研究随机试验的结果,揭示客观存在着的统计规律性,我们将随机试验的结果与实数对应起来,将随机试验的结果数量化,引入随机变量的概念.

§1随机变量

*常见的两类试验结果：

示数的——降雨量；候车人数；发生交通事故的次数…

示性的——明天天气（晴，多云…）；化验结果（阳性，阴性）…

e

s

x

X=f(e)－－为S上的单值函数，X为实数

*中心问题：将试验结果数量化

*定义：随试验结果而变的量X为随机变量

随机变量的概念

定义.设S={e}是试验的样本空间，如果量X是定义在S上的一个单值实值函数即对于每一个eS，有一实数X=X(e)与之对应，则称X为随机变量

随机变量常用X、Y、Z或、、等表示。

随机变量的特点:

1X的全部可能取值是互斥且完备的

2X的部分可能取值描述随机事件

随机变量

随机变量的分类：

2离散型随机变量及其分布

分布律还可以简单地表示为：

分布律具有以下性质:

例:设一汽车在开往目的地的道路上需经过四个信号灯,每个信号灯以1/2的概率允许或禁止汽车通过.以X表示汽车首次停下时,它已通过的信号灯数(设各信号灯的工作是相互独立的),求X的分布律.

解以p表示每个信号灯禁止汽车通过的概率,易知X的分布律为

或写成P{X=k}=(1-p)kp,k=0,1,2,3;P{X=4}=(1-p)4.

以p=1/2代入得

从而

0-1分布(两点分布)

X

0

1

Pk

1-p

p

X

0

1

Pk

0.55

0.45

X

0

1

Pk

0.1

0.6+0.3

例:在100件产品中,有95件正品,5件次品.现从中随机地取一件,假如取到每件产品的机会都相等.

若定义随机变量Y为

则有P{X=0}=0.05,P{X=1}=0.95

若定义随机变量X为

从中看到X,Y都服从(0-1)分布

则有P{Y=0}=0.95,P{Y=1}=0.05

（二）伯努里试验、二项分布

（二）伯努里试验、二项分布

P{X=k}=C5k0.25k(1-0.25)5-k

k=0,1,…,5

X的概率分布表如下:

例:在初三的一个班中,有1/4的学生成绩优秀.如果从班中随机地找出5名学生,那么其中“成绩优秀的学生数”X服从二项分布X~B(5,1/4).

即

X

0

1

2

3

4

5

6

7

8

P

0.0007

0.0079

0.0413

0.1239

0.2322

0.2787

0.2090

0.0896

0.0168

0-1分布和二项分布的关系

X

0

1

Pi

1-p

p

（三）泊松分布

易知

解

01

泊松定理:

02

其中

3.2二项分布的泊松逼近

例:设某人每次射击的命中率为0.02.独立射击400次,试求至少击中两次的概率.

解:将每次射击看成一次试验.设击中的次数为X,则X~B(400,0.02).

X的分布律为

P{X=k}=C400k×0.02k×0.98400-k,k=0,1,2,…,400

于是所求概率为

P{X≥2}=1-P{X=0}-P{X=1}

=1-0.98400-400×0.02×0.98399

=1-0.000309-400×0.02×0.000316

=0.997163

直接计算上式很麻烦.

例:设有80台同类型设备,各台工作是相互独立的,发生故障的概率都是0.01,且一台设备的故障由一人处理.考虑两种配备维修工人的方法:一是由4人维护,每人负责20台;二是由三人共同维护80台.试比较这两种方法在设备发生故障时不能及时维修的概率的大小.

即有P{A1+A2+A3+A4}≥0.0175

解按第一种方法.以X记“第1人维护的20台中同一时刻发生故障的台数”,以事件Ai={第i人维护的20台中发生故障不能及时维修}(i=1,2,3,4),则知80台中发生故障不能及时维修的概率为

P{A1+A2+A3+A4}≥P{A1}=P{X≥2}而X~B(20,0.01),这时λ=np=0.2,故有

解按第二种方法.以Y记80台中在同一时刻发和故障的台数.此时Y~B(80,0.01),λ=