概率论完整PPT课件第12讲.pptxVIP

下面我们就来介绍对连续型随机变量的描述方法.

连续型随机变量X所有可能取值充满一个区间,对这种类型的随机变量,不能象离散型随机变量那样,以指定它取每个值概率的方式,去给出其概率分布,而是通过给出所谓“概率密度函数”的方式.

1.实例:(见教材例1)

上海年降雨量的分布

由实例启发我们如何描述连续型随机变量.

上海99年年降雨量的数据已知

根据这些数据作频率直方图

对频率直方图进行考察

请看演示:

01

怎样画直方图

02

直方图与密度

03

2.连续型r.v及其密度函数的定义

对于随机变量X,如果存在非负可积函数f(x),x

,使得对任意,有

则称X为连续型r.v,称f(x)为X的概率密度函

数，简称为概率密度或密度.

这两条性质是判定一个

函数f(x)是否为某r.vX的

概率密度函数的充要条件.

故X的密度f(x)在x这一点的值，恰好是

X落在区间上的概率与区间长度

之比的极限.这里，如果把概率理解为质量，f(x)相当于线密度.

单击此处添加标题

若x是f(x)的连续点，则：

单击此处添加标题

=f(x)

单击此处添加标题

4.对f(x)的进一步理解:

单击此处添加标题

要注意的是，密度函数f(x)在某点处a的高度，并不反映X取值的概率.但是，这个高度越大，则X取a附近的值的概率就越大.也可以说，在某点密度曲线的高度反映了概率集中在该点附近的程度.

单击此处添加标题

f(x)

单击此处添加标题

x

单击此处添加标题

o

单击此处添加标题

若不计高阶无穷小，有：

需要指出的是:

即：

连续型r.v取任一指定值的概率为0.

这是因为

a为任一指定值

由此得，

对连续型r.vX,有

2)由P(X=a)=0可推知

而{X=a}并非不可能事件

添加标题

1

并非必然事件

添加标题

2

称A为几乎不可能事件，B为几乎必然事件.

添加标题

3

可见，

添加标题

4

由P(A)=0,不能推出

添加标题

5

由P(B)=1,不能推出B=S

添加标题

6

下面给出几个r.v的例子.

1

若r.vX的概率密度为：

2

则称X服从区间(a,b)上的均匀分布，记作：

3

X～U(a,b)

4

它的实际背景是：r.vX取值在区间

(a,b)上，并且取值在(a,b)中任意小区间

内的概率与这个小区间的长度成正比.

则X具有(a,b)上的均匀分布.

公交线路上两辆公共汽车前后通过某汽车停车站的时间，即乘客的候车时间等.

均匀分布常见于下列情形：

如在数值计算中，由于四舍五入，小数点后某一位小数引入的误差；

例1某公共汽车站从上午7时起，每15分钟来一班车，即7:00，7:15，7:30,7:45等时刻

有汽车到达此站，如果乘客到达此站时间X是7:00到7:30之间的均匀随机变量,试求他候车

时间少于5分钟的概率.

依题意，X～U(0,30)

解：

以7:00为起点0，以分为单位

1

2

3

4

为使候车时间X少于5分钟，乘客必须在7:10到7:15之间，或在7:25到7:30之间到达车站.

所求概率为：

从上午7时起，每15分钟来一班车，即7:00，7:15，7:30等时刻有汽车到达汽车站，

即乘客候车时间少于5分钟的概率是1/3.

区间(0,1)上的均匀分布U(0,1)在计算机模拟中起着重要的作用.

03

实用中，用计算机程序可以在短时间内产生大量服从(0,1)上均匀分布的随机数.它是由一种迭代过程产生的.

添加标题

严格地说，计算机中产生的U(0,1)随机数并非完全随机，但很接近随机，故常称为伪随机数.

01

添加标题

02

添加标题

如取n足够大，独立产生n个U(0,1)随机数，则从用这n个数字画出的频率直方图就可看出，它很接近于(0,1)上的均匀分布U(0,1).

常简记为X~E().

指数分布常用于可靠性统计研究中，如元件的寿命.

则称X服从参数为的指数分布.

（2）若r.vX具有概率密度

至此，我们已初步介绍了两类重要的随机变量:离散型r.v和连续型r.v

能不能对它们给出一种统一的描述方法？这就是下一讲要介绍的分布函数.

对它们分别用概率函数和密度函数描述.