随机变量及其分布知识点汇总

随机变量及其分布知识点整理推荐

随机变量及其分布知识点整理以及高考训练一、离散型随机变量的分布列一般地，设离散型随机变量X 可能取的值为12,,,,,i n x x x x ⋅⋅⋅⋅⋅⋅，X 取每一个值(1,2,,)i x i n =⋅⋅⋅的概率()i i P X x p ==，则称以下表格Xx 1 x 2 … x i … x n Pp 1 p 2 … p i … p n为随机变量X 的概率分布列，简称X 的分布列. 离散型随机变量的分布列具有下述两个性质：（1）0,1,2,,i P i n =⋅⋅⋅≥ （2）121n p p p ++⋅⋅⋅+= 两点分布如果随机变量X 的分布列为 X1P 1-p p则称X 服从两点分布。

()()()A B P AB P A P B ⇔=即、相互独立一般地，如果事件A 1,A 2,…,A n 两两相互独立，那么这n 个事件同时发生的概率，等于每个事件发生的概率的积，即1212(...)()()...()n n P A A A P A P A P A =.注：(1)互斥事件：指同一次试验中的两个事件不可能同时发生；(2)相互独立事件：指在不同试验下的两个事件互不影响. 四、n 次独立重复试验一般地，在相同条件下，重复做的n 次试验称为n 次独立重复试验.在n 次独立重复试验中，记i A 是“第i 次试验的结果”，显然，1212()()()()n n P A A A P A P A P A ⋅⋅⋅=⋅⋅⋅ “相同条件下”等价于各次试验的结果不会受其他试验的影响注: 独立重复试验模型满足以下三方面特征第一：每次试验是在同样条件下进行；第二：各次试验中的事件是相互独立的；第三：每次试验都只有两种结果，即事件要么发生，要么不发生. n 次独立重复试验的公式：n A X A p n A k 一般地，在次独立重复试验中，设事件发生的次数为，在每次试验中事件发生的概率为，那么在次独立重复试验中，事件恰好发生次的概率为()(1),0,1,2,...,.(1)k k n k k k n kn n P X k C p p C p q k n q p --==-===-其中，而称p 为成功概率.五、二项分布一般地，在n 次独立重复试验中，用X 表示事件A 发生的次数，设每次试验中事件A 发生的概率为p ，则()(1)0,1,2,,k kn k n P X k C p p k n -==-=⋅⋅⋅，X 01… k … nP00nn C p q111n n C p q -…k k n kn C p q - …n n n C p q此时称随机变量X 服从二项分布，记作~(,)X B n p ，并称p 为成功概率. 六、离散随机变量的均值（数学期望）一般地，随机变量X 的概率分布列为 Xx 1 x 2 … x i … x n Pp 1 p 2 … p i … p n则称1122()i i n n E X x p x p x p x p =+++++为X 的数学期望或均值，简称为期望.它反映了离散型随机变量取值的平均水平. 七、离散型随机变量取值的方差和标准差一般地,若离散型随机变量x 的概率分布列为 Xx 1 x 2 … x i … x n Pp 1 p 2 … p i … p n2221122(())(())(())..n n DX x E X p x E X p x E X p X DX X =-+-+⋅⋅⋅+-则称为随机变量的方差并称为随机变量的标准差例题练习11年山东数学高考红队队员甲、乙、丙与蓝队队员A 、B 、C 进行围棋比赛，甲对A ，乙对B ，丙对C 各一盘，已知甲胜A ，乙胜B ，丙胜C 的概率分别为0.6,0.5,0.5，假设各盘比赛结果相互独立. （Ⅰ）求红队至少两名队员获胜的概率；（Ⅱ）用ξ表示红队队员获胜的总盘数，求ξ的分布列和数学期望E ξ.12年山东数学高考先在甲、乙两个靶.某射手向甲靶射击一次，命中的概率为34，命中得1分，没有命中得0分；向乙靶射击两次，每次命中的概率为23,每命中一次得2分，没有命中得0分.该射手每次射击的结果相互独立.假设该射手完成以上三次射击.（Ⅰ）求该射手恰好命中一次得的概率；（Ⅱ）求该射手的总得分X的分布列及数学期望EX.13年山东数学高考甲、乙两支排球队进行比赛，约定先胜3局者获得比赛的胜利，比赛随即结束.除第五局甲队获胜的概率是12外，其余每局比赛甲队获胜的概率是23.假设每局比赛结果互相独立.（1）分别求甲队以3：0，3：1，3：2胜利的概率（2）若比赛结果为3：0或3：1，则胜利方得3分，对方得0分；若比赛结果为3：2，则胜利方得2分、对方得1分，求乙队得分x的分布列及数学期望.13年天津数学高考一个盒子里装有7张卡片, 其中有红色卡片4张, 编号分别为1, 2, 3, 4; 白色卡片3张, 编号分别为2, 3, 4. 从盒子中任取4张卡片(假设取到任何一张卡片的可能性相同).(Ⅰ) 求取出的4张卡片中, 含有编号为3的卡片的概率.(Ⅱ) 再取出的4张卡片中, 红色卡片编号的最大值设为X, 求随机变量X的分布列和数学期望.13年北京数学高考下图是某市3月1日至14日的空气质量指数趋势图，空气质量指数小于100表示空气质量优良，空气质量指数大于200表示空气重度污染，某人随机选择3月1日至3月13日中的某一天到达该市，并停留2天（Ⅰ）求此人到达当日空气重度污染的概率（Ⅱ）设X是此人停留期间空气质量优良的天数，求X的分布列与数学期望。

随机变量极其分布知识点

概率论与数理统计期末复习重要知识点一维：1.离散型随机变量：设X 是一个随机变量，如果它全部可能的取值只有有限个或可数无穷个，则称X 为一个离散随机变量。

2.常用离散型分布：（1）两点分布（0-1分布）：若一个随机变量X 只有两个可能取值，且其分布为12{},{}1(01)P X x p P X x pp ====-<<，则称X 服从12,x x 处参数为p 的两点分布。

两点分布的概率分布：12{},{}1(01)P X x p P X x pp ====-<< （2）二项分布：若一个随机变量X的概率分布由式{}(1),0,1,...,.k kn k n P x k C p p k n -==-=给出，则称X 服从参数为n,p 的二项分布。

记为X~b(n,p)(或B(n,p)). 两点分布的概率分布：{}(1),0,1,...,.k kn k n P x k C p p k n -==-=（3）泊松分布：若一个随机变量X 的概率分布为{},0,0,1,2,...!kP X k ek k λλλ-==>=，则称X服从参数为λ的泊松分布，记为X~P (λ)泊松分布的概率分布：{},0,0,1,2,...!kP X k ek k λλλ-==>=4.连续型随机变量：如果对随机变量X 的分布函数F(x)，存在非负可积函数()f x ，使得对于任意实数x ，有(){}()xF x P X x f t dt-∞=≤=⎰，则称X 为连续型随机变量，称()f x 为X 的概率密度函数，简称为概率密度函数。

5.常用的连续型分布：（1）均匀分布：若连续型随机变量X 的概率密度为⎪⎩⎪⎨⎧<<-=其它,0,1)(bx a a b x f ，则称X 在区间（a,b ）上服从均匀分布，记为X~U(a,b)均匀分布的概率密度：⎪⎩⎪⎨⎧<<-=其它,0,1)(b x a a b x f 均匀分布的期望：()2a bE X +=；均匀分布的方差：2()()12b a D X -= （2）指数分布：若连续型随机变量X 的概率密度为()0xe xf x λλλ-⎧>>=⎨⎩，则称X 服从参数为λ的指数分布，记为X~e (λ)指数分布的概率密度：()0xe xf x λλλ-⎧>>=⎨⎩指数分布的期望：1()E X λ=；指数分布的方差：21()D X λ=（3）正态分布：若连续型随机变量X的概率密度为22()2()x f x x μσ--=-∞<<+∞则称X 服从参数为μ和2σ的正态分布，记为X~N(μ,2σ)正态分布的概率密度：22()2()x f x x μσ--=-∞<<+∞正态分布的期望：()E X μ=；正态分布的方差：2()D X σ=（4）标准正态分布：20,1μσ==，2222()()x t xx x e dtϕφ---∞=⎰标准正态分布表的使用：（1）0()1()x x x φφ<=--（2）~(0,1){}{}{}{}()()X N P a x b P a x b P a x b P a x b b a φφ<≤=≤≤=≤<=<<=-（3）2~(,),~(0,1),X X N Y N μμσσ-=故(){}{}()X x x F x P X x P μμμφσσσ---=≤=≤={}{}()()a b b a P a X b P Y μμμμφφσσσσ----<≤=≤≤=-定理1：设X~N(μ,2σ),则~(0,1)X Y N μσ-=6.随机变量的分布函数：设X 是一个随机变量，称(){}F x P X x =≤为X 的分布函数。

随机变量及其分布总结

随机变量及其分布1、基本概念⑴互斥事件：不可能同时发生的两个事件.如果事件A B C 、、，其中任何两个都是互斥事件，则说事件A B C 、、彼此互斥. 当A B 、是互斥事件时，那么事件A B +发生（即A B 、中有一个发生）的概率，等于事件A B 、分别发生的概率的和，即()()(P A B P A P B +=+.⑵对立事件：其中必有一个发生的两个互斥事件.事件A 的对立事件通常记着A . 对立事件的概率和等于1. ()1()P A P A =-.特别提醒：“互斥事件”与“对立事件”都是就两个事件而言的，互斥事件是不可能同时发生的两个事件，而对立事件是其中必有一个发生的互斥事件，因此，对立事件必然是互斥事件，但互斥事件不一定是对立事件，也就是说“互斥”是“对立”的必要但不充分的条件.⑶相互独立事件：事件A （或B ）是否发生对事件B （或A ）发生的概率没有影响，（即其中一个事件是否发生对另一个事件发生的概率没有影响）.这样的两个事件叫做相互独立事件.当A B 、是相互独立事件时，那么事件A B ⋅发生（即A B 、同时发生）的概率，等于事件A B 、分别发生的概率的积.即()()()P A B P A P B ⋅=⋅.若A 、B 两事件相互独立，则A 与B 、A 与B 、A 与B 也都是相互独立的.⑷独立重复试验①一般地，在相同条件下重复做的n 次试验称为n 次独立重复试验.②独立重复试验的概率公式p ，那么在n 次独立重复试验中这个试验恰好发生k 次的概率()()(1)0,12,.,k k n k n n P k n k C p p -==-⑸条件概率：对任意事件A 和事件B ，在已知事件A 发生的条件下事件B 发生的概率，叫做条件概率.记作P(B|A)，读作A 发生的条件下B 发生的概率.知识结构公式：()(),()0.()P AB P B A P A P A => 2、离散型随机变量 ⑴随机变量：如果随机试验的结果可以用一个变量来表示，那么这样的变量叫做随机变量随机变量常用字母,,,X Y ξη等表示.⑵离散型随机变量:对于随机变量可能取的值，可以按一定次序一一列出，这样的随机变量叫做离散型随机变量.⑶连续型随机变量: 对于随机变量可能取的值，可以取某一区间内的一切值，这样的变量就叫做连续型随机变量.⑷离散型随机变量与连续型随机变量的区别与联系: 离散型随机变量与连续型随机变量都是用变量表示随机试验的结果；但是离散型随机变量的结果可以按一定次序一一列出，而连续性随机变量的结果不可以一一列出.若X 是随机变量，(,Y aX b a b =+是常数）则Y 也是随机变量并且不改变其属性（离散型、连续型）.3、离散型随机变量的分布列⑴概率分布（分布列）设离散型随机变量X 可能取的不同值为12,x x ，…，i x ，…，n x ，X )i i X x p ==，则称表为随机变量的概率分布，简称的分布列.性质：①0,1,2,...;i p i n ≥= ②1 1.n i i p ==∑⑵两点分布则称X 服从两点分布，并称(1)p P X ==为成功概率.⑶二项分布如果在一次试验中某事件发生的概率是p ，那么在n 次独立重复试验中这个事件恰好发生k 次的概率是()(1).k k n k n P X k C p p -==-我们称这样的随机变量X 服从二项分布，记作()p n B X ,~，并称p 为成功概率.判断一个随机变量是否服从二项分布，关键有三点：①对立性：即一次试验中事件发生与否二者必居其一；②重复性：即试验是独立重复地进行了n 次;① 等概率性：在每次试验中事件发生的概率均相等.② 注：⑴二项分布的模型是有放回抽样；⑵二项分布中的参数是,,.p k n⑷超几何分布一般地, 在含有M 件次品的N 件产品中，任取n 件,其中恰有X 件次品数,则事件{}X k =发生的概率为()(0,1,2,,)k n k M N M n N C C P X k k m C --===,于是得到随机变量X其中{}min ,m M n =,*,,,,n N M N n M N N ∈≤≤. 我们称这样的随机变量X 的分布列为超几何分布列,且称随机变量X 服从超几何分布.注:⑴超几何分布的模型是不放回抽样；⑵超几何分布中的参数是,,.M N n 其意义分别是总体中的个体总数、N 中一类的总数、样本容量.4、离散型随机变量的均值与方差⑴离散型随机变量的均值则称()1122i i n n E X x p x p x p x p =+++++为离散型随机变量X 的均值或数学期望（简称期望）.它反映了离散型随机变量取值的平均水平.⑵离散型随机变量的方差则称21()(())n ii i D X x E X p ==-∑为离散型随机变量X 的方差，为随机变量X 的标准差.它反映了离散型随机变量取值的稳定与波动，集中与离散的程度. ()D X 越小，X 的稳定性越高，波动越小，取值越集中；()D X 越大，X 的稳定性越差，波动越大，取值越分散.。

随机变量及其分布知识点总结资料讲解.doc

圆梦教育中心随机变量及其分布知识点整理一、离散型随机量的分布列一般地，离散型随机量 X 可能取的x 1 , x 2 , , x i ,, x n ， X 取每一个 x i (i1,2, , n) 的概率P( Xx i ) p i ，称以下表格Xx 1 x 2 ⋯ x i ⋯ x n Pp 1p 2⋯p i⋯p n随机量 X 的概率分布列，称X 的分布列 .离散型随机量的分布列具有下述两个性：（ 1） P i ≥ 0, i1,2, , n （ 2） p 1 p 2 p n 11．两点分布如果随机量X 的分布列X1P 1-p p称 X 服从两点分布，并称p=P(X=1) 成功概率 .2．超几何分布一般地，在含有M 件次品的 N 件品中，任取 n 件，其中恰有 X 件次品，事件X k 生的概率：P( X k ) C M k C N n k M , k 0,1,2,3,..., mC nN 随机量 X 的概率分布列如下：X1 ⋯ mPC M 0 C N n 0MC M 1 C N n 1M⋯C M m C N n m MC N nC N nC N n其中 mmin M , n , 且nN , M N , n, M , N N * 。

即 A 、 B 相互独立P( AB) P( A) P(B)一般地，如果事件A ,A , ⋯,A n 两两相互独立，那么n 个事件同生的概率，等于每个事件生的概率的，12即 P( A 1A 2... A n ) P( A 1 ) P( A 2 )...P( A n ) .注： (1) 互斥事件：指同一次试验中的两个事件不可能同时发生；(2)相互独立事件：指在不同试验下的两个事件互不影响.四、 n 次独立重复试验一般地，在相同条件下，重复做的n 次试验称为n 次独立重复试验.在 n 次独立重复试验中，记A i是“第i次试验的结果” ，显然， P( A1 A2A n ) P( A1 )P( A2 )P( A n )“相同条件下”等价于各次试验的结果不会受其他试验的影响注: 独立重复试验模型满足以下三方面特征第一：每次试验是在同样条件下进行；第二：各次试验中的事件是相互独立的；第三：每次试验都只有两种结果，即事件要么发生，要么不发生.n次独立重复试验的公式：一般地，在 n次独立重复中，事件 A生的次数 X，在每次中事件 A生的概率 p，那么在 n次独立重复中，事件 A 恰好生 k次的概率P( X k ) C n k p k (1 p)n k C n k p k q n k , k 0,1,2,..., n.(其中 q 1 p) ，而称p为成功概率.五、二项分布一般地，在n 次独立重复试验中，用X 表示事件 A 发生的次数，设每次试验中事件 A 发生的概率为p，则P( X k ) C n k p k (1 p)n k， k 0,1,2, ,nX01⋯k⋯nP C n0 p0q n C n1 p1q n 1⋯C n k p k q n k⋯C n n p n q0此时称随机变量X 服从二项分布，记作X ~ B(n, p) ，并称p为成功概率.六、离散随机变量的均值（数学期望）一般地，随机变量X 的概率分布列为X x1 x2 ⋯x i ⋯x nP p1 p2 ⋯p i ⋯p n则称 E( X ) x1 p1 x2 p2x i p i x n p n为X 的数学期望或均值，简称为期望 . 它反映了离散型随机变量取值的平均水平 .1．若Y aX b ，其中a，b常数，则Y 也是变量Y ax1 b ax2 b ⋯ax i b ⋯ax n bP p1 p2⋯p ⋯pi n则 EY aE( X ) b ，即 E(aX b) aE ( X ) b 2．一般地，如果随机变量X 服从两点分布，那么E( X )=1 p 0 (1 p)p 3．若X ~ B(n, p)，则E( X ) np七、离散型随机变量取值的方差和标准差一般地 , 若离散型随机变量x 的概率分布列为X x1 x2 ⋯x i ⋯x nP p1 p2 ⋯p i ⋯p n则称 DX ( x1 E (X )) 2 p1 ( x2 E( X )) 2 p2 (x n E ( X 并称DX 为随机变量 X的标准差 .1．若 X 服从两点分布，则 D ( X ) p(1 p)2．若X ~ B(n, p)，则D ( X )np(1 p)3．D ( aX b)a2 D ( X )即若 X 服从两点分布，则E( X )p。

(完整版)基础随机变量及其分布知识点

随机变量及其分布一、离散型随机变量的分布列一般地，设离散型随机变量X 可能取的值为12,,,,,i n x x x x ⋅⋅⋅⋅⋅⋅，X 取每一个值(1,2,,)i x i n =⋅⋅⋅的概率()i i P X x p ==，则称以下表格为随机变量X 的概率分布列，简称X 的分布列. 离散型随机变量的分布列具有下述两个性质：（1）0,1,2,,i P i n =⋅⋅⋅≥ （2）121n p p p ++⋅⋅⋅+=常见的两种分布： 1．两点分布如果随机变量X 的分布列为则称X 服从两点分布，并称=P(X=1)p 为成功概率. 2．超几何分布一般地，在含有M 件次品的N 件产品中，任取n 件，其中恰有X 件次品，则事件{}X k =发生的概率为：(),0,1,2,3,...,k n k MN M n NC C P X k k m C--===则随机变量X 的概率分布列如下：{}*min ,,,,,,m M n n N M N n M N N =≤≤∈其中且。

注：超几何分布的模型是不放回抽样二、条件概率一般地，设A,B 为两个事件,且()0P A >,称()(|)()P AB P B A P A =为在事件A发生的条件下,事件B 发生的条件概率. 0(|)1P B A ≤≤三、相互独立事件设A ，B 两个事件，如果事件A 是否发生对事件B 发生的概率没有影响(即()()()P AB P A P B =),则称事件A 与事件B 相互独立。

()()()A B P AB P A P B ⇔=即、相互独立一般地，如果事件A 1,A 2,…,A n 两两相互独立，那么这n 个事件同时发生的概率，等于每个事件发生的概率的积，即1212(...)()()...()n n P A A A P A P A P A =. 注：(1)互斥事件：指同一次试验中的两个事件不可能同时发生；(2) 相互独立事件：指在不同试验下的两个事件互不影响.四、n 次独立重复试验一般地，在相同条件下，重复做的n 次试验称为n 次独立重复试验. 在n次独立重复试验中，记iA 是“第i 次试验的结果”，显然，1212()()()()n n P A A A P A P A P A ⋅⋅⋅=⋅⋅⋅“相同条件下”等价于各次试验的结果不会受其他试验的影响注: 独立重复试验模型满足以下三方面特征第一：每次试验是在同样条件下进行；第二：各次试验中的事件是相互独立的；第三：每次试验都只有两种结果，即事件要么发生，要么不发生.五、二项分布一般地，在n 次独立重复试验中，用X 表示事件A 发生的次数，设每次试验中事件A 发生的概率为p ，则()(1)0,1,2,,k kn k n P X k C p p k n -==-=⋅⋅⋅，此时称随机变量X 服从二项分布，记作~(,)X B n p ，并称p 为成功概率.六、离散随机变量的均值（数学期望）一般地，随机变量X 的概率分布列为则称1122()i i n n E X x p x p x p x p =+++++为X 的数学期望或均值，简称为期望.它反映了离散型随机变量取值的平均水平.1．若Y aX b =+，其中a ，b 为常数，则Y 也是变量则()EY aE X b =+，即()()E aX b aE X b +=+2．一般地，如果随机变量X 服从两点分布，那么()=10(1)E X p p p ⨯+⨯-=即若X 服从两点分布，则()E X p = 3．若~(,)X B n p ，则()E X np =七、离散型随机变量取值的方差和标准差一般地,若离散型随机变量x 的概率分布列为 2221122(())(())(())..n n DX x E X p x E X p x E X p X X =-+-+⋅⋅⋅+-则称为随机变量的方差的标准差1．若X 服从两点分布，则()(1)D X p p =- 2．若~(,)X B n p ，则()(1)D X np p =- 3．2()()D aX b a D X +=八、正态分布1.正态分布一般记为N(μ，σ2)．μ为正态分布的均值；σ是正态分布的标准差2．结合正态曲线，归纳其以下性质：(1)曲线在x轴的上方，与x轴不相交．(2)曲线关于直线x＝μ对称．(3)当x＝μ时，曲线位于最高点．(4)当x＜μ时，曲线上升(增函数)；当x＞μ时，曲线下降(减函数)．并且当曲线向左、右两边无限延伸时，以x轴为渐近线，向它无限靠近．(5)μ一定时，曲线的形状由σ确定．σ越大，曲线越“矮胖”，总体分布越分散；σ越小，曲线越“高”，总体分布越集中；3．3σ原则：对于正态总体),(2σμN 取值的概率：练习：1.正态分布有两个参数μ与σ，( )相应的正态曲线的形状越扁平。

高中数学知识点总结：随机变量及其分布

高中数学知识点总结：随机变量及其分布随机变量及其分布1、随机变量：如果随机试验可能出现的结果可以用一个变量X 来表示，并且X 是随着试验的结果的不同而变化，那么这样的变量叫做随机变量．随机变量常用大写字母X 、Y 等或希腊字母 ξ、η等表示。

2、离散型随机变量：在上面的射击、产品检验等例子中，对于随机变量X 可能取的值，我们可以按一定次序一一列出，这样的随机变量叫做离散型随机变量．3、离散型随机变量的分布列：一般的,设离散型随机变量X 可能取的值为x 1,x 2,..... ,x i ,......,x n X 取每一个值 x i (i=1,2,......）的概率P(ξ=x i ）＝P i ，则称表为离散型随机变量X 的概率分布，简称分布列4、分布列性质① p i ≥0, i =1，2， … ； ② p 1 + p 2 +…+p n = 1．5、二点分布：如果随机变量X 的分布列为：其中0<p<1，q=1-p ，则称离散型随机变量X 服从参数p 的二点分布6、超几何分布：一般地, 设总数为N 件的两类物品，其中一类有M 件，从所有物品中任取n(n ≤N)件,这n 件中所含这类物品件数X 是一个离散型随机变量，则它取值为k 时的概率为()(0,1,2,,)k n k M N M n N C C P X k k m C --===，其中{}min ,m M n =,且*,,,,n N M N n M N N ∈≤≤7、条件概率：对任意事件A 和事件B ，在已知事件A 发生的条件下事件B 发生的概率，叫做条件概率.记作P(B|A)，读作A 发生的条件下B 的概率8、公式： .0)(,)()()|(>=A P A P AB P A B P9、相互独立事件：事件A(或B)是否发生对事件B(或A)发生的概率没有影响,这样的两个事件叫做相互独立事件。

)()()(B P A P B A P ⋅=⋅10、n 次独立重复事件：在同等条件下进行的，各次之间相互独立的一种试验11、二项分布：设在n 次独立重复试验中某个事件A 发生的次数，A 发生次数ξ是一个随机变量．如果在一次试验中某事件发生的概率是p ，事件A 不发生的概率为q=1-p ，那么在n 次独立重复试验中)(k P =ξk n k k n q p C -=（其中 k=0,1, ……,n ，q=1-p ）于是可得随机变量ξ的概率分布如下：这样的随机变量ξ服从二项分布，记作ξ～B(n ，p) ，其中n ，p 为参数12、数学期望：一般地，若离散型随机变量ξ的概率分布为则称 E ξ＝x1p1＋x2p2＋…＋xnpn ＋… 为ξ的数学期望或平均数、均值，数学期望又简称为期望．是离散型随机变量。

随机变量及其分布考点总结

第二章随机变量及其分布复习一、随机变量.1. 随机试验的结构应该是不确定的.试验如果满足下述条件：①试验可以在相同的情形下重复进行；②试验的所有可能结果是明确可知的，并且不止一个；③每次试验总是恰好出现这些结果中的一个，但在一次试验之前却不能肯定这次试验会出现哪一个结果. 它就被称为一个随机试验.2. 离散型随机变量：如果对于随机变量可能取的值，可以按一定次序一一列出，这样的随机变量叫做离散型随机变量.若ξ是一个随机变量，a ，b 是常数.则b a +=ξη也是一个随机变量.一般地，若ξ是随机变量，)(x f 是连续函数或单调函数，则)(ξf 也是随机变量.也就是说，随机变量的某些函数也是随机变量.3、分布列：设离散型随机变量ξ可能取的值为： ,,,,21i x x xξ取每一个值),2,1( =i x 的概率p x P ==)(，则表称为随机变量ξ的概率分布，简称ξ的分布列.1=≥i p ； ②121=++++ i p p p .注意：若随机变量可以取某一区间的一切值，这样的变量叫做连续型随机变量.例如：]5,0[∈ξ即ξ可以取0～5之间的一切数，包括整数、小数、无理数. 典型例题：1、随机变量ξ的分布列为(),1,2,3(1)cP k k k k ξ===+……，则P(13)____ξ≤≤=2、袋中装有黑球和白球共7个，从中任取两个球都是白球的概率为17，现在甲乙两人从袋中轮流摸去一球，甲先取，乙后取，然后甲再取……，取后不放回，直到两人中有一人取到白球时终止，用ξ表示取球的次数。

（1）求ξ的分布列（2）求甲取到白球的的概率3、5封不同的信，放入三个不同的信箱，且每封信投入每个信箱的机会均等，X 表示三哥信箱中放有信件树木的最大值，求X 的分布列。

4已知在全部50人中随机抽取1人抽到喜爱打篮球的学生的概率为5．（1）请将上面的列联表补充完整；（2）是否有99.5％的把握认为喜爱打篮球与性别有关？说明你的理由；（3）已知喜爱打篮球的10位女生中，12345,,A A A A A ，，还喜欢打羽毛球，123B B B ，，还喜欢打乒乓球，12C C ，还喜欢踢足球，现再从喜欢打羽毛球、喜欢打乒乓球、喜欢踢足球的女生中各选出1名进行其他方面的调查，求1B 和1C 不全被选中的概率．k2.072 2.7063.841 5.024 6.635 7.879 10.828(参考公式：2()()()()()n ad bc K a b c d a c b d -=++++，其中n a b c d =+++)二、几种常见概率1、条件概率与事件的独立性（1）B|A 与AB 的区别：__________________（2）P(B|A)的计算公式_____________,注意分子分母事件的性质相同（3）P(AB)的计算公式_____________注意三点：前提，目标，一般情况___________________ （4）P （A+B ）的计算公式__________注意三点：前提，目标，一般情况____________________ 典型例题：1、市场上供应的灯泡，甲厂产品占70%，乙厂产品占30%，甲厂产品的合格率是95%，乙厂产品的合格率80%，则从市场上买到一个是甲厂产的合格品的概率是多少？2、把一副扑克52随即均分给钱四家，A={家得到六章草花}，B={家得到3草花}，计算P(B|A)，P(AB)3、从混有5假钞的20百元钞票中任取两，将其中1在验钞机上检验发现是假钞，求两都是假钞的概率。

随机变量及其分布知识点总结

随机变量及其分布知识点总结随机变量是数学中的一个基本概念,描述了一个随机事件的可能结果。

在概率论和统计学中,随机变量的分布是研究随机变量性质的重要工具。

本文将总结随机变量及其分布的相关知识,包括随机变量的定义、表示、分布、期望、方差等。

一、随机变量的定义随机变量是一种描述随机事件可能的变量,通常用符号 $X$ 表示。

随机变量的取值可以是离散的或连续的。

离散的随机变量只取有限或可数个取值,而连续的随机变量则取无限个取值。

二、随机变量的表示随机变量的表示通常用概率密度函数 $f_X(x)$ 或概率质量函数$g_X(x)$ 表示。

概率密度函数是描述随机变量取值分布的函数,通常用$f_X(x)$ 表示。

概率质量函数是描述随机变量离散程度的函数,通常用$g_X(x)$ 表示。

三、随机变量的分布随机变量的分布描述了随机变量取值的概率分布。

离散分布描述了随机变量只取有限或可数个取值的概率分布,连续分布描述了随机变量取无限个取值的概率分布。

1. 离散分布离散分布通常用 $P(X=x)$ 表示,其中 $x$ 是随机变量的取值。

离散分布的概率质量函数通常用 $g_X(x)$ 表示。

例如,正态分布的概率质量函数为:$$g_X(x) = frac{sqrt{2pi}}{x!}e^{-frac{(x-1)^2}{2}}$$2. 连续分布连续分布通常用 $P(X leq x)$ 表示,其中 $x$ 是随机变量的取值。

连续分布的概率质量函数通常用 $f_X(x)$ 表示。

例如,均匀分布的概率质量函数为: $$f_X(x) = begin{cases}1, & x in [0,1],0, & x in [1,2],end{cases}$$四、期望和方差随机变量的期望是随机变量的取值的总和。

离散分布的期望通常用$E(X)$ 表示,连续分布的期望通常用 $E[X]$ 表示。

期望的概率质量函数通常用$f_X(x)$ 表示。

《概率论与数理统计》第二章随机变量及其分布知识点

第二章随机变量及其分布2.1随机变量为全面研究随机试验的结果，皆是随机现象的统计规律性，需要将随机试验的结果数量化，即把随机试验的结果与实数对应起来.2.1.1随机变量的定义定义一：设Ω为随机试验E 的样本空间，若对Ω中的每一个样本点ω都有一个确定的实数)(ωX 与之对应，则称)(ωX X =为定义在Ω上的随机变量.随机变量通常用大写字母X、Y、Z 或希腊字母ηξ，等表示，而表示随机变量所取的值时，一般用小写字母x,y,z 等表示.2.1.2引入随机变量的意义随机变量因其取值方式不同，通常分为离散型和非离散型两类.非离散型随机变量最重要的是连续型随机变量.2.1.3随机变量的分布函数定义二：设X 是一个随机变量，称+∞<<-∞≤=x x X P x F },{)(为X 的分布函数.对任意实数)(,2121x x x x <，随机点落在区间（21,x x ]内的概率为：)()(}{}{)(121221x F x F x X P x X P x X x P -=≤-≤=<<分布函数的性质：(1)1)(0≤≤x F (2)非减(3),0)(lim )(==-∞-∞→x F F x ,1)(lim )(==+∞+∞→x F F x 事实上，由事件+∞≤-∞≤x x 和分别是不可能事件和必然事件(4)右连续)()(lim 00x F x F x x =+→2.2离散型随机变量及其概率分布2.2.1离散型随机扮靓及其概率分布定义三：设X 是一个随机变量，如果他的全部可能取值只有有限个或可数无穷多个，则称X 是离散型随机变量.设随机变量X 的全部可能取值为，，，，，n i x i ...21=X 取各个可能取值的概率n i x p x X P i i ，，，，...21)()(===，则称为随机变量X 的分布律，离散型随机变量X 的分布律也可以表示为：X X1X2...Xn ...P(X)P(x1)P(x2)...P(xn)...离散型随机变量X 的分布律满足：(1)),...(,...,2,1,0)(非负性n i x p i =≥(2))(1)(1规范性=∑+∞=i i x p 易得X 的分布函数为：)(}{}{)(∑∑≤≤===≤=xx i xx i i i x p x X P x X P x F 即，当i x x <时，0)(=x F ；当1x x <时，0)(=x F ；当21x x x <<时，)()(1x p x F =；当32x x x <<时，)()()(21x p x p x F +=；......当n n x x x <<-1时，)(.....)()()(21n x p x p x p x F +++=；......2.2.2常用离散型随机变量的分布1.两点分布（“0-1”分布）定义四：若一个随机变量X 只有两个可能取值21x x ，，且其分布为：10,1)(,)(21<<-====p p x X P p x X P 则称X 服从21x x ，处参数为p 的两点分布.2.二项分布若随机变量X 的全部可能取值为0，1，2，...，n，且其分布律为，，，，，n k q p C p k X P k n k k n ...,210,)(===-其中，0<p<1,q+p=1,则称为X 服从参数为n，p 的二项分布，或称X 服从参数为n，p 的伯努利分布，记为)(~p n B X ，3.泊松分布定义五：若一个随机变量X 的分布律为：...210,0,!)(，，，=>==-k k e k X P kλλλ则称X 服从参数为λ的泊松分布，记作)(~λP X .易见：(1)...210,0)(，，，=≥=k k X P (2)1!!}{00=====-+∞=-+∞=-+∞=∑∑∑λλλλλλe e k e k ek X P k k k k k 4.二项分布的泊松近似引言：对于二项分布B(n,p)，当实验次数n 很大时，计算其概率很麻烦.例如:10001,5000(~B X 定理1：（泊松定理）在n 次伯努利试验中，事件A 在每次试验中发生的概率为n p （注意这与实验的次数有关），如果∞→n 时，λ→n np （λ》0为常数），则对于任意给定的k,有!)1(lim k ep p C kkn kk nn λλ--∞→=-(np =λ)2.3连续型随机变量及其概率密度2.3.1连续型随机变量及其概率密度定义六：设)(x F 为随机变量X 的分布函数，若存在非负函数)(x f ，对任意实数x ，有⎰∞-=x dt t f x F )()(，则称X 为连续型随机变量，称)(x f 为X 的概率密度函数或分布密度函数，简称概率密度.概率密度具有下列性质：(1)0)(≥x f (2)1)(=⎰+∞∞-dx x f 连续型随机变量的性质：(1)连续型随机变量X ，若已知其密度函数)(x f ，则根据定义，可求其分布函数)(x F ，同时，还可求得X 的取值落在任意区间(a,b]上的概率为⎰=-=≤<ba dxx f a F b F b X a P )()()(}{(2)连续型随机变量X 取任意指定值)(R a a ∈的概率为零，因为⎰∆-→∆→∆=<<∆-==axa x x dxx f a X x a P a X P )(lim }{lim }{00故对连续型随机变量X ，则有⎰=-=<<=≤≤ba dxx f a F b F b X a P b X a P )()()(}{}{(3)若)(x f 在点x 处连续，则)()('x f x F =2.3.2常用连续型随机变量的分布1.均匀分布定义七：若连续型随机变量X 的概率密度=)(x f 其他bx a ab <<⎪⎩⎪⎨⎧-,,01则称X 在区间（a,b）上服从均匀分布，记作),(~b a U X 易见：(1)；0)(≥x f (2)1)(=⎰+∞∞-dx x f 求得其分布函数：.;;,,,10)(b x b x a a x a b ax x F ≥<<≤⎪⎩⎪⎨⎧--=2.指数分布定义八：若随机变量X 的概率密度为⎩⎨⎧>=-其他,00,)(x e x f x λλ其中，0>λ是常数，则称X 服从参数λ的指数分布，简记为)(~λe X .易见：(1)；0)(≥x f (2)1)(=⎰+∞∞-dx x f 易求出其分布函数：⎩⎨⎧>-=-其他。

随机变量及其分布知识点总结

圆梦教育中心随机变量及其分布知识点整理一、离散型随机变量的分布列一般地，设离散型随机变量X 可能取的值为12,,,,,i n x x x x ⋅⋅⋅⋅⋅⋅，X 取每一个值(1,2,,)i x i n =⋅⋅⋅的概率()i i P X x p ==，则称以下表格Xx 1 x 2 … x i … x n Pp 1 p 2 … p i … p n为随机变量X 的概率分布列，简称X 的分布列. 离散型随机变量的分布列具有下述两个性质：（1）0,1,2,,i P i n =⋅⋅⋅≥ （2）121n p p p ++⋅⋅⋅+= 1．两点分布如果随机变量X 的分布列为 X1P 1-p p则称X 服从两点分布，并称=P(X=1)p 为成功概率. 2．超几何分布一般地，在含有M 件次品的N 件产品中，任取n 件，其中恰有X 件次品，则事件{}X k =发生的概率为：(),0,1,2,3,...,k n k M N MnNC C P X k k m C --=== 则随机变量X 的概率分布列如下： X1… mP00n M N MnNC C C -- 11n M N MnNC C C -- …m n m M N MnNC C C -- {}*min ,,,,,,m M n n N M N n M N N =≤≤∈其中且。

()()()A B P AB P A P B ⇔=即、相互独立一般地，如果事件A 1,A 2,…,A n 两两相互独立，那么这n 个事件同时发生的概率，等于每个事件发生的概率的积，即1212(...)()()...()n n P A A A P A P A P A =.注：(1)互斥事件：指同一次试验中的两个事件不可能同时发生；(2)相互独立事件：指在不同试验下的两个事件互不影响. 四、n 次独立重复试验一般地，在相同条件下，重复做的n 次试验称为n 次独立重复试验.在n 次独立重复试验中，记i A 是“第i 次试验的结果”，显然，1212()()()()n n P A A A P A P A P A ⋅⋅⋅=⋅⋅⋅ “相同条件下”等价于各次试验的结果不会受其他试验的影响注: 独立重复试验模型满足以下三方面特征第一：每次试验是在同样条件下进行；第二：各次试验中的事件是相互独立的；第三：每次试验都只有两种结果，即事件要么发生，要么不发生. n 次独立重复试验的公式：n A X A p n A k 一般地，在次独立重复试验中，设事件发生的次数为，在每次试验中事件发生的概率为，那么在次独立重复试验中，事件恰好发生次的概率为()(1),0,1,2,...,.(1)k k n k k k n kn n P X k C p p C p q k n q p --==-===-其中，而称p 为成功概率.五、二项分布一般地，在n 次独立重复试验中，用X 表示事件A 发生的次数，设每次试验中事件A 发生的概率为p ，则()(1)0,1,2,,k kn k n P X k C p p k n -==-=⋅⋅⋅，X 01… k … nP00nn C p q111n n C p q -…k k n kn C p q - …n n n C p q此时称随机变量X 服从二项分布，记作~(,)X B n p ，并称p 为成功概率.六、离散随机变量的均值（数学期望）一般地，随机变量X 的概率分布列为 Xx 1 x 2 … x i … x n Pp 1 p 2 … p i … p n则称1122()i i n n E X x p x p x p x p =+++++为X 的数学期望或均值，简称为期望.它反映了离散型随机变量取值的平均水平.1．若Y aX b =+，其中a ，b 为常数，则Y 也是变量 Y 1ax b + 2ax b + … i ax b + … n ax b +P p 1 p 2 … p i … p n则()EY aE X b =+，即()()E aX b aE X b +=+ 2．一般地，如果随机变量X 服从两点分布，那么()=10(1)E X p p p ⨯+⨯-=即若X 服从两点分布，则()E X p =3．若~(,)X B n p ，则()E X np =七、离散型随机变量取值的方差和标准差一般地,若离散型随机变量x 的概率分布列为 Xx 1 x 2 … x i … x n Pp 1 p 2 … p i … p n221122(())(())((.n DX x E X p x E X p x E X DX X =-+-+⋅⋅⋅+-则称并称为随机变量的标准差1．若X 服从两点分布，则()(1)D X p p =- 2．若~(,)X B n p ，则()(1)D X np p =- 3．2()()D aX b a D X +=。

随机变量及其分布知识点整理.docx

一、离散型随机量的分布列一般地，离散型随机量X 可能取的x1 , x2 , , x i , , x n，X取每一个x i (i 1,2,, n) 的概率P( X x i ) p i，称以下表格X x1x2⋯x i⋯x nP p1p2⋯p i⋯p n随机量X 的概率分布列，称X 的分布列 .离散型随机量的分布列具有下述两个性：（ 1）P i≥0, i1,2, , n （2） p1p2p n11．两点分布如果随机量X 的分布列X01P1-p p称 X 服从两点分布，并称p=P(X=1) 成功概率.2．超几何分布一般地，在含有 M件次品的 N件品中，任取 n 件，其中恰有X 件次品，事件X k 生的概率：P( X k)C M k C N n k M, k0,1,2,3,..., mC N n随机量 X 的概率分布列如下：X01⋯mC0C n 0C1C n 1C m C n mP M N M M N M⋯M N MC N n C N n C N n其中 m min M , n ,且n N, M N ,n,M , N N *。

即 A 、 B 相互独立 P( AB)P( A) P(B)一般地，如果事件 A ,A, ⋯,An 两两相互独立，那么n 个事件同生的概率，等于每个事件生的概12率的，即 P( A 1A 2... A n ) P( A 1 )P( A 2 )...P( A n ) .注： (1) 互斥事件：指同一次中的两个事件不可能同生；(2) 相互独立事件：指在不同下的两个事件互不影响. 四、 n 次独立重复一般地，在相同条件下，重复做的n 次称 n 次独立重复 .在 n 次独立重复中，A i 是“第 i 次的果” ，然， P( A 1 A 2A n ) P( A 1 ) P( A 2 ) P( A n )“相同条件下”等价于各次的果不会受其他的影响注 : 独立重复模型足以下三方面特征第一：每次是在同条件下行；第二：各次中的事件是相互独立的；第三：每次都只有两种果，即事件要么生，要么不生.n 次独立重复的公式：一般地，在次独立重复中，事件生的次数X ，在每次中事件生的概率，那么在次nAApn独立重复中，事件恰好生 k 次的概率AP( Xk) C n k p k (1 p)n kC n k p k q n k , k 0,1,2,..., n.(其中 q1 p) ，而称 p 成功概率 .五、二分布一般地，在 n 次独立重复中，用X 表示事件 A 生的次数，每次中事件A 生的概率p ，P( Xk) C n k p k (1 p)n k ， k 0,1,2, , nX1⋯ k ⋯nPC n 0 p 0q n C n 1 p 1q n 1 ⋯ C n k p k q n k ⋯C n n p n q 0此称随机量 X 服从二分布，作 X ~ B(n, p) ，并称 p 成功概率 .六、离散随机量的均（数学期望）一般地，随机量 X 的概率分布列X x1x2⋯x i⋯x nP p1p2⋯p i⋯p n则称 E( X ) x1 p1x2 p2x i p i x n p n为 X 的数学期望或均值，简称为期望. 它反映了离散型随机变量取值的平均水平. 1．若Y aX b ，其中a，b常数，则Y也是变量Y ax 1 b ax 2 b ⋯ ax i b ⋯ ax n bP p1p2⋯p⋯pni则EY aE ( X ) b ，即 E(aX b) aE ( X ) b 2．一般地，如果随机变量X 服从两点分布，那么E( X )=1p0 (1p)p即若 X 服从两点分布，则E( X )p3．若X ~ B(n, p)，则E( X ) np七、离散型随机变量取值的方差和标准差一般地 , 若离散型随机变量x 的概率分布列为X x1x2⋯x i⋯x nP p1p2⋯p i⋯p n则称 DX(x1E( X )) 2 p1 (x2E( X ))2 p2( x n E( X )) 2 p n为随机变量 X的方差.并称 DX 为随机变量 X的标准差 .1．若 X 服从两点分布，则 D ( X )p(1p) 2．若X ~ B(n, p)，则D ( X ) np(1p) 3．D (aX b)a2 D( X )。

▲随机变量及分布知识点

随机变量及分布知识点(一)条件概率1、条件概率：事件B 在事件A 已经发生的情况下，发生的概率称为B 在A 条件下的条件概率，记为|B A2、条件概率的计算方法：（1）按照条件概率的计算公式：()()()|P AB P B A P A =（2）考虑事件A 发生后，题目产生了如何的变化，并写出事件B 在这种情况下的概率例如：5张奖券中有一张有奖，甲，乙，丙三人先后抽取，且抽完后不放回，已知甲没有中奖，则乙中奖的概率：按照（1）的方法：设事件A 为“甲没中奖”，事件B 为“乙中奖”，则所求事件为|B A ，按照公式，分别计算()(),P AB P A ，利用古典概型可得：()25415P AB A ==，()45P A =，所以()()()1|4P AB P B A P A == 按照（2）的方法：考虑甲已经抽完了，且没有中奖，此时还有4张奖券，1张有奖。

那么轮到乙抽时，乙抽中的概率即为143、含条件概率的乘法公式：设事件,A B ，则,A B 同时发生的概率()()()|P AB P A P B A =⋅ ，此时()|P B A 通常用方案（2）进行计算4、处理此类问题要注意以下几点：（1）要分析好几个事件间的先后顺序，以及先发生的事件对后面事件的概率产生如何的影响（即后面的事件算的是条件概率）（2）根据随机变量的不同取值，事件发生的过程会有所不同，要注意区别（3）若随机变量取到某个值时，情况较为复杂，不利于正面分析，则可以考虑先求出其它取值时的概率，然后用间接法解决。

(二)事件的相互独立性1、互斥事件:不可能同时发生的两个事件．()()()P A B P A P B +=+一般地：如果事件12,,,n A A A 中的任何两个都是互斥的，那么就说事件12,,,n A A A 2、对立事件:必然有一个发生的互斥事件．()1()1()P A A P A P A +=⇒=- 3、互斥事件的概率的求法:如果事件12,,,n A A A 彼此互斥，那么)(21n A A A P ⋅⋅⋅++＝)()()(21n A P A P A P ⋅⋅⋅++ 4、相互独立事件的定义：设B A ,为两个事件，如果)()()(B P A P AB P =，则称事件A 与事件B 相互独立（mutually in de p e n de nt ) . 事件A （或B ）是否发生对事件B （或A 若A 与B 是相互独立事件，则A 与B ，A 与B ，A 与B 5、相互独立事件同时发生的概率：()()()P A B P A P B ⋅=⋅ 6、对于非独立事件A 与B 及它们的和事件与积事件有下面的关系：)()()()(B A P B P A P B A P ⋅-+=+（三）离散型随机变量分布列1、随机变量：对于一项随机试验，会有多个可能产生的试验结果，则通过确定一个对应关系，使得每一个试验结果与一个确定的数相对应，在这种对应关系下，数字随着每次试验结果的变化而变化，将这种变化用一个变量进行表示，称这个变量为随机变量（1）事件的量化：将试验中的每个事件用一个数来进行表示，从而用“数”即可表示事件。

随机变量及其分布列知识点

随机变量及其分布列知识点随机变量是描述随机实验结果的数值，它可以是离散的（只能取一些离散的数值）或连续的（可以取所有的数值）。

随机变量可以用来描述实验结果的各种特征，如数量、位置、时间等。

离散随机变量的分布列是一个表格，列出了随机变量取各个值的概率。

概率可以通过实验或理论分析得出。

在计算机科学和统计学中，分布列通常被表示为一个数组或字典。

离散随机变量的分布列有以下几个重要性质：1. 概率和为1：所有随机变量取值的概率之和等于1，即P(X=x1) + P(X=x2) + ... + P(X=xn) = 12.非负性：概率永远不会为负数，即P(X=x)>=0，对于所有的x。

3.互斥性：不同取值的随机变量概率互不重叠，即P(X=x1)与P(X=x2)不重叠，对于所有的x1和x24.互斥性：如果随机变量取值是离散的，那么分布列是一个离散函数，概率只在取值点有定义。

如果随机变量是连续的，那么分布列是一个连续函数，概率在区间上有定义。

离散随机变量的分布列可以用于计算各种统计量，如期望值、方差、标准差等。

期望值是随机变量取值的加权平均，方差是随机变量取值偏离平均值的程度。

标准差是方差的平方根，用来度量随机变量的离散程度。

在实际应用中，离散随机变量的分布列可以用来描述概率分布、事件的发生概率等。

它可以用来解决各种问题，如生活中的投资决策、经济模型的拟合、产品质量控制等。

例如，一个骰子的随机变量可以描述它可能的取值为1、2、3、4、5或6，对应的分布列是[1/6,1/6,1/6,1/6,1/6,1/6]。

这个分布列可以用来计算骰子摇出特定点数的概率，以及求得骰子取值的期望值和方差。

另一个例子是二项分布，它描述了在一系列独立实验中成功次数的概率分布。

二项分布的随机变量是一个离散随机变量，它的分布列可以用来计算成功次数的概率和期望值。

连续随机变量的分布列被称为概率密度函数。

概率密度函数描述了随机变量取值的概率密度，而不是概率。

高中数学知识点总结：随机变量及其分布2页

高中数学知识点总结：随机变量及其分布2页1.随机变量随机变量是定义在样本空间上的函数，它的取值是随机的。

如果随机变量只取有限个或无限个可列值，称为离散随机变量。

3.离散概率分布离散随机变量的取值及其对应的概率称为离散概率分布。

4.期望离散随机变量X的期望是各个取值与其对应的概率乘积之和，用E(X)表示。

5.方差6.二项分布重复独立地进行n次相同的试验，每次试验只有成功和失败两种可能，成功概率为p，失败概率为1-p，记X为n次试验中成功的次数，则X服从二项分布，用B(n,p)表示。

7.泊松分布在一定时间或空间内，事件发生的次数服从泊松分布，如果事件在单位时间或单位空间内出现的概率是λ，则X在一个时间或空间区间内出现x次的概率为e^(-λ)λ^x/x!。

9.概率密度函数连续随机变量X的概率密度函数是一个非负可积函数f(x)，满足积分从负无穷到正无穷等于1，即∫f(x) dx=1。

连续随机变量X的期望是∫xf(x) dx。

12.正态分布在许多自然界现象中，随机变量的分布往往服从正态分布，其概率密度函数为f(x)=1/(σ√(2π)) e^((-(x-μ)^2)/(2σ^2))，其中μ是期望，σ是标准差。

13.中心极限定理如果n个独立随机变量的和服从某个分布，当n趋于无穷大时，它们的和近似服从正态分布。

这就是中心极限定理。

14.卡方分布卡方分布是一种重要的概率分布，它是二项分布的极限情况。

在统计学中广泛应用，用于检验样本方差是否符合正态分布。

t分布是一种重要的概率分布，常用于小样本的统计推断，如t检验。

F分布是一种概率分布，广泛用于方差分析，也用于卡方检验、t检验等。

17.统计量统计量是由样本数据计算出来的统计量，是样本的函数，可以用于对总体进行推断，如均值、方差、相关系数等。

18.抽样分布抽样分布是一个统计量的分布，由样本数据计算得到，用于总体参数的估计和假设检验。

19.点估计点估计是使用样本数据得到总体参数的点估计值，如样本均值、样本标准差等。

随机变量及其分布总结

随机变量及其分布总结一、随机变量随机变量（Random Variable）是概率论中的重要概念，它是表示一个随机实验的可能结果及这些结果发生的概率的指标，是随机现象中的重要解释指标。

随机变量由它的取值所确定，特点是：（1）它是一类不能确定的数，因此不能被直接测量，但是可以用概率来描述它；（2）它表示了实验结果的取值；（3）它可以表示有一定规律的实验结果，也可以表示没有规律的实验结果；（4）它用其取值及概率分布表示一个随机实验的结果，即实验结果的不确定性；（5）它可以用来描述随机实验中各可能结果对概率的影响，从而探究随机现象的规律性。

二、随机变量的分类根据随机变量的取值类型，随机变量可分为定型随机变量和随机变量。

（1）定型随机变量定型随机变量也称为离散型随机变量，它会取值完全可以确定的一组可数的取值。

其具体分类包括：（a）伽玛分布（Gamma Distribution）：它是一种对数正态分布，可用来模拟某些自然现象，如系统失效时间的分布。

（b）指数分布（Exponential Distribution）：这是一种特殊的定型随机变量，它可以用来模拟服从指数分布的概率分布函数或者指数函数，常用来描述生存分析中系统的衰减过程。

（c）伯努利分布（Bernoulli Distribution）：这是一种概率分布，它是一种若干独立实验中，某个事件出现的概率。

（d）泊松分布（Poisson Distribution）：它是描述某一时间段内发生的事件的概率分布，可用来模拟客流量等自然现象中的随机变量。

（2）随机变量随机变量又称为连续型随机变量，它的取值范围是无限的，其取值受随机实验影响，其取值不能确定，但可以描述它的概率分布。

具体分类包括：（a）正态分布（Normal Distribution）：正态分布具有非常广泛的应用，它可用来描述许多现实世界中的现象，如智力、体重等。

（b）卡方分布（Chi-square Distribution）：卡方分布是在实验设计中非常常见的概率分布，它包含了有关实验结果的统计量，如样本均值、样本方差等。

随机变量及其分布知识点总结

随机变量及其分布知识点总结随机变量是概率论中的基础概念之一，是描述随机事件的数学模型。

随机变量可以分为离散随机变量和连续随机变量，它们分别对应两种不同的概率分布函数。

随机变量及其分布是概率论和统计学中的重要概念，掌握它们的知识对理解概率和统计学的应用至关重要。

一、随机变量的定义在概率论中，将随机试验中的所有可能结果对应的实数量称为随机变量。

可以通过随机变量的取值和概率分布函数来描述随机试验的结果。

二、随机变量的分类1. 离散随机变量如果随机变量只能取离散的值，则称其为离散随机变量。

离散随机变量的概率分布函数(discrete probability function )可以用概率质量函数(probability mass function，PMF)表示。

离散随机变量的概率分布函数具有以下性质：1) P(X = x) ≥ 0，即每个值的概率非负。

2) ΣP(X = x) = 1，即所有可能取值的概率和为1。

3) PMF可以用折线图表示。

例如：伯努利试验中，试验的结果只有两种可能性，即成功和失败。

设X为成功的次数，则X是离散随机变量。

成功的概率为p，失败的概率为1-p。

则X的概率分布函数为：P(X = k) = p^k(1-p)^(1-k), k = 0,12. 连续随机变量如果随机变量可以取任意实数值，则称其为连续随机变量。

由于随机变量可以取无限多的值，因此相对于离散随机变量，它的概率分布函数有一些特殊的性质。

连续随机变量的概率密度函数(Probability Density Function，PDF)可以用函数表示。

由于随机变量连续，因此PDF不是一条折线，而是一条连续曲线。

连续随机变量的概率分布函数具有以下性质：1) P(X = x) = 0，即连续随机变量的每个单独取值的概率为0。

2) ∫f(x)dx = 1，即PDF下的所有面积和为13) 可以用PDF曲线下的面积计算概率。

例如：假设X表示一个信号在某个时间段内的功率，则X是一个连续随机变量。

180《随机变量及其分布》知识点总结

P
p
q
其中 0 p 1, q 1 p ,则称离散型随机变量 X 服从参数为 p 的二点分布。
4.什么是超几何分布？
答:一般地,设有总数为 N 件的两类物品,其中一类有 M 件,从所有物品中任取 nn N 件,这
n 件中所含这类物品件数 X 是一个离散型随机变量,它取值为 m 时的概率为
PX
m
P( A B) P( A) P(B) ㈡相互独立事件的概率的性质:
如果事件 A 与 B 相互独立,那么 A 与 B , A 与 B , A 与 B 也都相互独立。
四.独立重复事件:
㈠定义:一般地,在相同条件下,重复做的 n 次试验,各次试验的结果互不影响,则称这样的试验为 n 次独
立重复试验。㈡独立重复事件的概率计算公式:
各对应项的值,称这样的离散型随机变量 X 服从参数为 n, p 的二项分布,记作 X ~ Bn, p。
11.什么是离散型随机变量的数学期望？答:一般地,设一个离散型随机变量 X 所有可能的取值是 x1, x2, xn ,这些值对应的概率是
p1, p2 , pn ,则 EX x1 p1 x2 p2 xn pn 叫做这个离散型随机变量 X 的均值或数学期望
机变量.
⑶连续型随机变量: 对于随机变量可能取的值,可以取某一区间内的一切值,这样的变量就叫做连续型随
机变量.
⑷离散型随机变量与连续型随机变量的区别与联系: 离散型随机变量与连续型随机变量都是用变量表
示随机试验的结果;但是离散型随机变量的结果可以按一定次序一一列出,而连续性随机变量的结果不可
以一一列出.
发生,而在其余 n k 次试验中不发生的概率都是 pk 1 p nk ,所以由概率加法公式知,如果在一

2023年随机变量及其分布知识点总结

圆梦教育中心随机变量及其分布知识点整顿一、离散型随机变量旳分布列一般地，设离散型随机变量X 也许取旳值为12,,,,,i n x x x x ⋅⋅⋅⋅⋅⋅，X 取每一种值(1,2,,)i x i n =⋅⋅⋅旳概率()i i P X x p ==，则称如下表格为随机变量X 旳概率分布列，简称X 旳分布列.离散型随机变量旳分布列具有下述两个性质：（1）0,1,2,,i P i n =⋅⋅⋅≥ （2）121n p p p ++⋅⋅⋅+=1．两点分布假如随机变量X 旳分布列为则称X 服从两点分布，并称=P(X=1)p 为成功概率.2．超几何分布一般地，在具有M 件次品旳N 件产品中，任取n 件，其中恰有X 件次品，则事件{}X k =发生旳概率为：(),0,1,2,3,...,k n k M N M n NC C P X k k m C --=== 则随机变量X 旳概率分布列如下：{}*min ,,,,,,m M n n N M N n M N N =≤≤∈其中且。

()()()A B P AB P A P B ⇔=即、相互独立一般地，假如事件A 1,A 2,…,A n 两两互相独立，那么这n 个事件同步发生旳概率，等于每个事件发生旳概率旳积，即1212(...)()()...()n n P A A A P A P A P A =.注：(1)互斥事件：指同一次试验中旳两个事件不也许同步发生；(2)互相独立事件：指在不一样试验下旳两个事件互不影响.四、n 次独立反复试验一般地，在相似条件下，反复做旳n 次试验称为n 次独立反复试验.在n 次独立反复试验中，记i A 是“第i 次试验旳成果”，显然，1212()()()()n n P A A A P A P A P A ⋅⋅⋅=⋅⋅⋅ “相似条件下”等价于各次试验旳成果不会受其他试验旳影响注: 独立反复试验模型满足如下三方面特性第一：每次试验是在同样条件下进行；第二：各次试验中旳事件是互相独立旳；第三：每次试验都只有两种成果，即事件要么发生，要么不发生.n 次独立反复试验旳公式：n A X A p n A k 一般地，在次独立重复试验中，设事件发生的次数为，在每次试验中事件发生的概率为，那么在次独立重复试验中，事件恰好发生次的概率为()(1),0,1,2,...,.(1)k k n k k k n k n n P X k C p p C p q k n q p --==-===-其中，而称p 为成功概率.五、二项分布一般地，在n 次独立反复试验中，用X 表达事件A 发生旳次数，设每次试验中事件A 发生旳概率为p ，则()(1)0,1,2,,k k n k n P X k C p p k n -==-=⋅⋅⋅，此时称随机变量X 服从二项分布，记作~(,)X B n p ，并称p 为成功概率.六、离散随机变量旳均值（数学期望）一般地，随机变量X 旳概率分布列为则称1122()i i n n E X x p x p x p x p =+++++为X 旳数学期望或均值，简称为期望.它反应了离散型随机变量取值旳平均水平.1．若Y aX b =+，其中a ，b 为常数，则Y 也是变量则()EY aE X b =+，即()()E aX b aE X b +=+2．一般地，假如随机变量X 服从两点分布，那么 ()=10(1)E X p p p ⨯+⨯-=即若X 服从两点分布，则()E X p =3．若~(,)X B n p ，则()E X np =七、离散型随机变量取值旳方差和原则差一般地,若离散型随机变量x 旳概率分布列为 2221122(())(())(())..n n DX x E X p x E X p x E X p X X =-+-+⋅⋅⋅+-则称为随机变量的方差的标准差1．若X 服从两点分布，则()(1)D X p p =-2．若~(,)X B n p ，则()(1)D X np p =- 3．2()()D aX b a D X +=。

随机变量及其分布知识点汇总

随机变量及其分布知识点整理 推荐

随机变量极其分布知识点

随机变量及其分布总结

随机变量及其分布知识点总结资料讲解.doc

(完整版)基础随机变量及其分布知识点

高中数学知识点总结：随机变量及其分布

随机变量及其分布考点总结

随机变量及其分布知识点总结

《概率论与数理统计》第二章随机变量及其分布知识点

随机变量及其分布知识点总结

随机变量及其分布知识点整理.docx

▲随机变量及分布知识点

随机变量及其分布列知识点

高中数学知识点总结：随机变量及其分布2页

随机变量及其分布总结

随机变量及其分布知识点总结

180《随机变量及其分布》知识点总结

2023年随机变量及其分布知识点总结

随机变量及其分布知识点整理推荐