第04讲：随机变量及其分布（解析版）.docxVIP

第04讲：随机变量及其分布

1．相互独立事件

(1)概念：对任意两个事件A与B，如果P(AB)＝P(A)P(B)，则称事件A与事件B相互独立，简称为独立．

(2)性质：若事件A与B相互独立，那么A与eq\x\to(B)，eq\x\to(A)与B，eq\x\to(A)与eq\x\to(B)也都相互独立．

2．条件概率

(1)概念：一般地，设A，B为两个随机事件，且P(A)0，我们称P(B|A)＝eq\f(P?AB?,P?A?)为在事件A发生的条件下，

事件B发生的条件概率，简称条件概率．

(2)两个公式

①利用古典概型，P(B|A)＝eq\f(n?AB?,n?A?)；②概率的乘法公式：P(AB)＝P(A)P(B|A)．

3．全概率公式

一般地，设A1，A2，…，An是一组两两互斥的事件，A1∪A2∪…∪An＝Ω，且P(Ai)0，i＝1,2，…，n，

则对任意的事件B?Ω，有P(B)＝，我们称这个公式为全概率公式．

4．离散型随机变量

一般地，对于随机试验样本空间Ω中的每个样本点w，都有唯一的实数X(w)与之对应，我们称X为随机变量；可能取值为有限个或可以一一列举的随机变量称为离散型随机变量．

5．离散型随机变量的分布列

一般地，设离散型随机变量X的可能取值为x1，x2，…，xn，我们称X取每一个值xi的概率P(X＝xi)＝pi，i＝1,2，…，n为X的概率分布列，简称分布列．

6．离散型随机变量的分布列的性质：

①pi≥0(i＝1,2，…，n)；②p1＋p2＋…＋pn＝1.

7．离散型随机变量的均值与方差

若离散型随机变量X的分布列为

X

x1

x2

…

xi

…

xn

P

p1

p2

…

pi

…

pn

(1)均值

称E(X)＝x1p1＋x2p2＋…＋xipi＋…＋xnpn＝为随机变量X的均值或数学期望．

它反映了离散型随机变量取值的平均水平．

(2)方差

称D(X)＝(x1－E(X))2p1＋(x2－E(X))2p2＋…＋(xn－E(X))2pn＝为随机变量X的方差，

并称eq\r(D?X?)为随机变量X的标准差，记为σ(X)，它们都可以度量随机变量取值与其均值的偏离程度．

8．均值与方差的性质

(1)E(aX＋b)＝aE(X)＋b.

(2)D(aX＋b)＝a2D(X)(a，b为常数)．

★★求离散型随机变量ξ的均值与方差的步骤

(1)理解ξ的意义，写出ξ可能的全部值．(2)求ξ取每个值的概率．

(3)写出ξ的分布列．(4)由均值的定义求E(ξ)．(5)由方差的定义求D(ξ)．

9．伯努利试验

只包含两个可能结果的试验叫做伯努利试验；将一个伯努利试验独立地重复进行n次所组成的随机试验称为n重伯努利试验．

10．二项分布

一般地，在n重伯努利试验中，设每次试验中事件A发生的概率为p(0p1)，用X表示事件A发生的次数，

则X的分布列为P(X＝k)＝Ceq\o\al(k,n)pk(1－p)n－k，k＝0,1,2…，n.

如果随机变量X的分布列具有上式的形式，则称随机变量X服从二项分布，记作X～B(n，p)．

11．两点分布与二项分布的均值、方差

(1)若随机变量X服从两点分布，则E(X)＝p，D(X)＝p(1－p)．

(2)若X～B(n，p)，则E(X)＝np，D(X)＝np(1－p)．

12．超几何分布

一般地，假设一批产品共有N件，其中有M件次品．从N件产品中随机抽取n件(不放回)，用X表示抽取的n件产品中的次品数，则X的分布列为

P(X＝k)＝eq\f(C\o\al(k,M)C\o\al(n－k,N－M),C\o\al(n,N))，k＝m，m＋1，m＋2，…，r，其中，n，N，M∈N*，M≤N，n≤N，m＝max{0，n－N＋M}，r＝min{n，M}，如果随机变量X的分布列具有上式的形式，那么称随机变量X服从超几何分布．

13．正态分布定义

若随机变量X的概率分布密度函数为f(x)＝eq\f(1,σ\r(2π))·，x∈R，

其中，μ∈R，σ0为参数，则称随机变量X服从正态分布，记为X～N(μ，σ2)．

14．正态曲线的特点

(1)曲线是单峰的，它关于直线x＝μ对称．

(2)曲线在x＝μ处达到峰值eq\f(1,σ\r(2π)).

(3)当|x|无限增大时，曲线无限接近x轴．

15．3σ原则

(1)P(μ－σ≤X≤μ＋σ)≈0.6827；(2)P(μ－2σ≤X≤μ＋2σ)≈0.9545；(3)P(μ－3σ≤X≤μ＋3σ)≈0.9973.

16．正态分布的均值与方差

若X～N(μ，σ2)，则E(X)＝μ，D(X)＝σ2.

???解决正态分布问题有三个关键点：(1)对称轴x＝μ；(2)标准差σ；(3)分布区间．利用对称性可求指定范围内的概率值；由μ，σ，分布区间的特征进行转化，使分布区间转化为3σ