nullnull第二章 随机变量第一节 随机变量及其分布函数第二节 离散型随机变量及其分布第三节 连续型随机变量及其分布第四节 随机变量函数的分布null第一节 随机变量及其分布函数定义1:上一页下一页返回null证明:上一页下一页返回null上一页下一页返回null由概率的
连续性得:上一页下一页返回null例1: 口袋里装有3个白球2个红球,从中任取三个球,
求取出的三个球中的白球数的分布函数解: 设X
示取出的3个球中的白球数。X的可能取值为1,2,3。而且由古典概率可算得上一页下一页返回null于是,X的分布函数为:上一页下一页返回null 例2: 考虑如下试验:在区间[0,1]上任取一点,
它的坐标X。那么X是一随机变量,根据试验条件可以认为X取到[0,1]上任一点的可能性相同。求X的分布函数。 当x<0时解 : 由几何概率的计算不难求出X的分布函数所以:上一页下一页返回null上一页下一页返回null 第二节 离散型随机变量及其分布分布律常用表格形式表示如下:X x1 x2 … xk…pk p1 p2 … pk… 如果随机变量所有的可能取值为有限个或可列无限多个,则称这种随机变量为离散型随机变量。上一页下一页返回null分布律的两条基本性质:上一页下一页返回null(1)确定常数a的值;(2)求X的分布函数解:(1)由分布律的性质知X 0 1 2pa上一页下一页返回null(2)由分布函数计算公式易得X的分布函数为:上一页下一页返回null两点分布当规定x1=0,x2=1时两点分布称为(0-1)分布。
简记为X~(0-1)分布。上一页下一页返回null若离散型随机变量X的分布律为二项分布其中0
参数
为n,p的二项分布,记为X~b(n,p)。上一页下一页返回null当n=1时,二项分布化为:
P{X=k}=pk(1-p)1-k k=0,1 在n重贝努里试验中,假设A在每次试验中出现的概率为p,若以X表示n次试验中A出现的次数。那么由二项概率公式得X的分布律为:即X服从二项分布。(0-1)分布可用b(1,p)表示。即为(0-1)分布上一页下一页返回null例4: 某交互式计算机有10个终端,这些终端被各个单位独立使用,使用率均为0.7,求同时使用的终端不超过半数的概率。在涉及二项分布的概率计算时,直接计算很困难时,采用了近似计算。下面给出近似公式:解 : 设X表示10个终端中同时使用的终端数,则X~b(10,0.7)。所求的概率为 :上一页下一页返回null泊松定理 设 λ>0是一常数,n是任意整数,设npn=λ,则对任意一固定的非负整数k,有证明上一页下一页返回null定理的条件npn=λ,意味着n很大时候pn必定很小。因此当n很大,p很小时有近似公式 上一页下一页返回null例5: 有同类设备300台,各台工作状态相互独立。已知每台设备发生故障的概率为0.01,若一台设备发生故障需要一人去处理,问至少需要配备多少工人,才能保证设备发生故障而不能及时修理的概率小于0.01?查表可知,满足上式最小的N是8。
至少需配备8个工人才能满足
。 解: 设X表示同一时刻发生故障的设备台数,依题意知
X~(300,0.01),若配备N位维修人员,所需解决的问题是确定最小的N,使得:P{X>N}<0.01 (λ=np=3)上一页下一页返回null泊松(Poisson)分布上一页下一页返回null例6: 放射性物质在规定的一段时间内,其放射的粒子数X服从泊松分布。罗瑟福和盖克观察与分析了放射性物质放出的粒子个数的情况。他们做了2608次观察(每次时间为7.5秒),整理与分析如表所示:上一页下一页返回null上一页下一页返回null在1秒内放出两个或两个以上粒子的概率为0分析推导放射的粒子数为何服从泊松分布考虑单位时间1秒内放射出的粒子数X。(2)各小块是否放出粒子,是相互独立的。上一页下一页返回null在这两条假定下,1秒内这一放射性物质放出k个粒子这一事件,可近似看作该物质的n个独立的小块中,恰有k小块放出粒子。其中P{X=k}是随n而变的,它是一个近似式。放出k个粒子的概率:把物质无限细分,得到 P{X=k} 的精确式,即上一页下一页返回null第三节 连续随机变量及其分布概率密度f(x)具有以下性质:上一页下一页返回null由性质(2)知:
介于曲线y=f(x)与Ox轴之间的面积等于1(见图1)。由性质(3)知:
X落在区间(x1,x2)的概率等于区间(x1,x2)上曲线y=f(x)之下的曲边梯形的面积(见图2)。由性质(4)知:
若已知连续型随机变量X的分布函数F(x)求导得概率密度f(x)。上一页下一页返回nullf(x)在x0处的函数值f(x0)反映了概率在x0点处的“密集程度”,而不表示X在x0处的概率。设想一条极细的无穷长的金属杆,总质量为1,概率密度相当于各点的质量密度。两点说明null在计算连续型随机变量X落在某一区间的概率时,可以不必区分该区间是开区间或闭区间或半开半闭区间,即有事件{X=a} 并非不可能事件上一页下一页返回null所以 a=1/2 例1:设随机变量X具有概率密度 解:上一页下一页返回null上一页下一页返回null则称X在区间(a,b)上服从均匀分布,记为X~U(a,b),均匀分布设连续型随机变量X的概率密度函数为 X的分布函数为 :上一页下一页返回null概率密度函数f(x)与分布函数F(x)的图形可用图示上一页下一页返回null设连续型随机变量X具有概率密度则称X服从参数为的指数分布。指数分布X的分布函数为 上一页下一页返回nullf(x)和F(x)可用图形表示上一页下一页返回null正态分布上一页下一页返回null正态分布的密度函数f(x)的几何特征:上一页下一页返回null当固定,改变的值,y=f(x)的图形沿Ox轴平移而不改变形状,故 又称为位置参数。若固定,改变的值,y=f(x)的图形的形状随的增大而变得平坦。越小,X落在附近的概率越大。上一页下一页返回null上一页下一页返回null因此,对于任意的实数a,b(a