《姚孟臣概率统计第二章》由会员分享，可在线阅读，更多相关《姚孟臣概率统计第二章（161页珍藏版）》请在金锄头文库上搜索。
1、,1,2,3,4,5,随机变量与分布函数,离散型随机变量及其分布,连续型随机变量及其分布,随机变量函数的分布,二维随机变量,2.1,随机变量与分布函数,随机变量的概念,分布函数,概率论是从数量上来研究随机现象内在规律性的，为了更方便有力的研究随机现象，就要用数学分析的方法来研究， 因此为了便于数学上的推导和计算，就需将任意的随机事件数量化当把一些非数量表示的随机事件用数字来表示时， 就建立起了随机变量的概念,为什么引入随机变量,随机变量的概念,抛掷骰子,观察出现的点数.,样本空间1，2，3，4，5，6,样本点本身就是数量,且有,则有,随机变量的概念,掷一个硬币, 观察出现的面 , 共有两个结果
2、:,若用 X 表示掷一个硬币出现正面的次数, 则有,是一个随机变量.,随机变量的概念,设某射手每次射击打中目标的概率是0.8, 现该射手不断向目标射击, 直到击中目标为止,则,是一个随机变量.,且 X(e) 的所有可能取值为:,随机变量的概念,某公共汽车站每隔 5 分钟有一辆汽车通过, 如果某人到达该车站的时刻是随机的, 则,是一个随机变量.,且 X(e) 的所有可能取值为:,随机变量的概念,随机变量,随机变量的概念,随机变量随着试验的结果不同而取不同的值, 由于试验的各个结果的出现具有一定的概率, 因此随机变量的取值也有一定的概率规律.,(2) 随机变量的取值具有一定的概率规律,随机变量是一
3、个函数 , 但它与普通的函数有着本质的差别 ,普通函数是定义在实数轴上的,而随机变量是定义在样本空间上的 (样本空间的元素不一定是实数).,说明,(1) 随机变量与普通的函数不同,随机变量的概念,随机事件包容在随机变量这个范围更广的概念之内.或者说 : 随机事件是从静态的观点来研究随机现象,而随机变量则是从动态的观点来研究随机现象.,(3)随机变量与随机事件的关系,随机变量的概念,随机变量的分类,离散型,随机变量,连续型,非离散型,混合型,随机变量的概念,按随机变量的取值范围:,一维,随机变量,二维,多维,三维,按描述问题所需变量个数:,离散型 随机变量所取的可能值是有限多个或无限 可列个,
4、叫做离散型随机变量.,观察掷一个骰子出现的点数.,随机变量 X 的可能值是 :,实例,1, 2, 3, 4, 5, 6.,随机变量的概念,实例 随机变量 X 为“灯泡的寿命”.,连续型 随机变量所取的可能值可以连续地充满某个区间,叫做连续型随机变量.,则 X 的取值范围为,对于随机变量X, 我们不仅要知道X 取哪些值, 要知道 X 取这些值的概率 ; 而且更重要的是想知 道 X 在任意有限区间(a, b)内取值的概率.,分布 函数,例如,概念的引入,分布函数,说明,(1) 分布函数主要研究变量在某一区间内取值的概率.,分布函数,分布函数,分布函数,分布函数的性质,重要公式,证明,分布函数,分布
5、函数,解,分布函数,2.2,离散型随机变量及其分布,离散型随机变量的分布律也可表示为,分布阵,分布列,或,设随机变量X的分布列如下表所示：,求：,（1）常数,解,解,设随机变量X 只可能取0与1两个值, 它的分布律为,则称X 服从(0-1)分布或两点分布.记为,实例 200件产品中, 有190 件合格品, 10 件不合格品, 现从中随机抽取一件, 那么, 若规定,则随机变量 X 服从0-1分布.,2.3,连续型随机变量及其分布,二、概率密度的概念与性质,一、连续型随机变量,连续型随机变量及其概率密度,一、连续型随机变量,实例2 随机变量 X 为“测量某零件尺寸时的测量 误差”.,则 X 的取值
6、范围为 (a, b) .,实例1 随机变量 X 为“灯泡的寿命”.,定义 随机变量所取的可能值可以连续地充满某个区间,叫做连续型随机变量.,则 X 的取值范围为,二、概率密度的概念与性质,1.定义,1,证明,性质,证明,同时得以下计算公式,注意 对于任意可能值 a ,连续型随机变量取 a 的概率等于零.即,证明,由此可得,连续型随机变量取值落在某一 区间的概率与区间的开闭无关,若X是连续型随机变量， X=a 是不 可能事件，则有,若 X 为离散型随机变量,注意,连 续 型,离 散 型,解,例1,例2,故有,解,(1) 因为 X 是连续型随机变量,常见连续型随机变量的分布,1. 均匀分布,概率密
7、度函数图形,均匀分布的意义,分布函数,解,由题意, R的概率密度为,故有,设电阻值 R 是一个随机变量，均匀分布在 1100 . 求 R 的概率密度及 R 落在 950 1050 的概率,例1,设随机变量 X 在 2, 5 上服从均匀分布, 现对 X 进行三次独立观测 ,试求至少有两次观测值大于3 的概率.,X 的分布密度函数为,设 A 表示“对 X 的观测值大于 3 的次数”,解,即 A= X 3 .,例2,因而有,设Y 表示3次独立观测中观测值大于3的次数,则,2. 指数分布,定义,某些元件或设备的寿命服从指数分布.例如无线电元件的寿命 、电力设备的寿命、动物的寿命等都服从指数分布.,应用
8、与背景,分布函数,设某类日光灯管的使用寿命 X 服从参数为 =2000的指数分布(单位:小时). (1) 任取一只这种灯管, 求能正常使用1000小时以上的概率. (2) 有一只这种灯管已经正常使用了1000 小时以上,求还能使用1000小时以上的概率.,X 的分布函数为,解,例3,指数分布的重要性质 :“无记忆性”.,3. 正态分布(或高斯分布),定义,正态概率密度函数的几何特征,正态分布的分布函数,正态分布是最常见最重要的一种分布,例如测量误差, 人的生理特征尺寸如身高、体重等 ; 正常情况下生产的产品尺寸:直径、长度、重量高度等都近似服从正态分布.,正态分布的应用与背景,正态分布下的概率
9、计算,原函数不是 初等函数,方法一:利用MATLAB软件包计算,方法二:转化为标准正态分布查表计算,标准正态分布的概率密度表示为,标准正态分布,标准正态分布的分布函数表示为,标准正态分布的图形,解,例4,证明,解,例5,例6,证明,(1) 所求概率为,解,例7,常见连续型随机变量的分布,正态分布有极其广泛的实际背景, 例如测量误差, 人的生理特征尺寸如身高、体重等 ,正常情况下生产的产品尺寸:直径、长度、质量、高度,炮弹的弹落点的分布等, 都服从或近似服从正态分布.,正态分布是概率论中最重要的分布,正态分布是自然界和社会现象中最为常见的一种分布, 一个变量如果受到大量微小的、独立的随机因素的影
10、响, 那么这个变量一般是一个正态随机变量.,另一方面,有些分布(如二项分布、泊松分布)的极限分布是正态分布.所以,无论在实践中,还是在理论上,正态分布是概率论中最重要的一种分布.,二项分布向正态分布的转换,2.4,二维随机变量,1、离散型随机变量的边缘分布律,2、连续型随机变量的边缘分布,3、边缘分布函数,（一）联合分布和边缘分布,1、离散型随机变量的边缘分布律,因此得离散型随机变量关于X 和Y 的边缘分布函数分别为,例1 已知下列分布律求其边缘分布律.,注意,联合分布,边缘分布,解,解,例2,2、连续型随机变量的边缘分布,同理可得 Y 的边缘分布函数,Y 的边缘概率密度.,解,例3,例4,解
11、,由于,则有,即,二维正态分布的两个边缘分布都是一维正态分布,同理可得,因此边缘分布均为正态分布的随机变量,其联合分布不一定是二维正态分布.,3、边缘分布函数,为随机变量 ( X, Y ) 关于Y 的边缘分布函数.,（二）相互独立的随机变量,1. 定义,2.说明,(1) 若离散型随机变量 ( X, Y ) 的分布律为,解,例1,(1)由分布律的性质知,特别有,(2) 因为 X 与 Y 相互独立, 所以有,解,由于X 与Y 相互独立,例2,因为 X 与 Y 相互独立,解,所以,求随机变量 ( X, Y ) 的分布律.,例3,例4 一负责人到达办公室的时间均匀分布在8-12时,他的秘书到达办公室的
12、时间均匀分布在7-9时,设他们两人到达的时间相互独立, 求他们到达办公室的时间相差不超过 5 分钟的概率.,解,于是,1、离散型随机变量的条件分布,2、连续型随机变量的条件分布,（三）二维随机变量的条件分布,1、离散型随机变量的条件分布,定义,例1,解,由上述分布律的表格可得,例2 一射手进行射击,击中目标的概率为p (0p1), 射击到击中目标两次为止.设以 X 表示首次击中目 标所进行的射击次数, 以Y 表示总共进行的射击次数.试求X 和Y 的联合分布律及条件分布律.,解,现在求条件分布律,由于,定义,2、连续型随机变量的条件分布,说明,联合分布、边缘分布、条件分布的关系如下,联合分布,条件分布函数与条件密度函数的关系,解,例3,又知边缘概率密度为,解,例4,2.5,随机变量函数的分布,一、离散型随机变量的函数的分布,二、连续型随机变量的函数的分布,随机变量的函数的分布,问题,一、离散型随机变量的函数的分布,Y 的可能值为,即 0, 1, 4.,解,例1,故Y 的分布律为,由此归纳出离散型随机变量函数的分布的求法.,离散型随机变量的函数的分布,Y 的分布律为,例2,解,第一步,解,二、连续型随机变量的函数的分布,例3,第二步 由分布函数求概率密度.,解,例4,再由分布函数求概率密度.,定理,证明,X 的概率密度为,例5,解,例6,例如，,所以,
