概率论 第二章2

合集下载

概率论与数理统计答案 第二章1-2节

概率论与数理统计答案  第二章1-2节
第二章 随机变量及其分布
关键词: 随机变量 离散型随机变量、分布律 连续型随机变量、概率密度 概率分布函数 重伯努利实验、二项分布、泊松分布 均匀分布、正态分布、指数分布 随机变量的函数的分布
1
§1 随机变量
定义
2 3
例1: 将一枚硬币抛掷3次. 关心3次抛掷中, 出现 H的总次数 以X记三次抛掷中出现H的总数, 则对样本空间 S={e}中的每一个样本点e, X都有一个值与之对 应, 即有
1) P { X = k} = C3k p k (1 − p )3− k , k = 0,1, 2,3 (
( 2)
P { X = 2} = C32 p 2 (1 − p)
21
泊松分布(Poisson分布)
若随机变量X的概率分布律为 e− λ λ k
P { X = k} = k! , = 0,1, 2, ⋅⋅⋅, λ > 0 k
互不影响
例如: 1.独立重复地抛n次硬币,每次只有两个可能的结果: 正面,反面, P (出现正面 ) = 1 2 2.将一颗骰子抛n次,设A={得到1点},则每次试验 只有两个结果:A , A , P ( A ) = 1 6
12
定义随机变量X表示n重伯努利试验中事件A发生的次 数, 我们来求它的分布律. X所有可能取的值为0,1,2,...,n. 由于各次试验是相互独立的, 因此事件A在指定的 k(0≤k≤n)次试验中发生, 在其它n−k次试验中A不发生 的概率为
13
设A在n重伯努利试验中发生X次,则
k P பைடு நூலகம் X = k} = Cn p k (1 − p ) n − k , = 0,⋅⋅⋅,n k 1,
⎛n⎞ k Cn = ⎜ ⎟ 表示n中 ⎜k ⎟ ⎝ ⎠ 任选k的组合数目

概率论课件第二章

概率论课件第二章
第二章 随机变量及其分布 §2.1 随机变量
例1. 抛硬币试验中S {H,T}, 样本点H与T不是数量。
例2. 测试灯泡寿命试验, S={e}={t|t≥0},样本点本身 是数量。
定义 : 设随机试验E的样本空间是S,若 X : S R为单值实范数,则称X为随机变量 (random variable, 简记为r.v.) 。

2. 特例: (1,) 是参数为的指数分布. (=1) 3. 伽玛函数的性质: (i) (+1)= ();
1 (iii)( ) . 2
(ii) 对于正整数n, (n+1)=n!;
§5. 随机变量的函数的分布
一、 X为离散型r.v. 例1.设X具有以下的分布律,求Y=(X-1)2分布律: X -1 0 1 2 pk 0.2 0.3 0.1 0.4
(二) 贝努利试验
(二项分布)
定 义 : 设 试 验E只 有 两 个 可 能 结 果 A与 A , 且 P( A ) p ( 0 p 1), 将 试 验E独 立 重 复 地 进 行 n次 , 这 样 的 试 验 称 为 贝 努 利 试 验.
设X是n重贝努利试验中事件A发生的次数, 则X 是一个随机变量, 于是
§4. 连续型随机变量及其概率密度
F(x) , 存在非负函 1.定义 : 对于r.v.X的分布函数 数f(x) , 使对于任意的实数 x, 有
则称X为连续型r.v.f(x)称为X概率密度函数, 简称概率密度. 连续型r.v.的分布函数是连续函数.
F(x ) f(t)dt

x
2.概率密度 f(x)的性质:
25
标准正态分布的上分位点:
设X ~ N(0,1), 若z 满足条件

《概率论与数理统计》第二章习题解答 2

《概率论与数理统计》第二章习题解答 2

第二章 随机变量及其分布1、解:设公司赔付金额为X ,则X 的可能值为;投保一年内因意外死亡:20万,概率为0.0002 投保一年内因其他原因死亡:5万,概率为0.0010投保一年内没有死亡:0,概率为1-0.0002-0.0010=0.9988 所以X2、,以X 表示取出的三只球中的最大号码,写出随机变量X 的分布律解:X 可以取值3,4,5,分布律为1061)4,3,2,1,5()5(1031)3,2,1,4()4(1011)2,1,3()3(352435233522=⨯====⨯====⨯===C C P X P C C P X P C C P X P 中任取两球再在号一球为中任取两球再在号一球为号两球为号一球为 也可列为下表 X : 3, 4,5P:106,103,101 3、设在15只同类型零件中有2只是次品,在其中取三次,每次任取一只,作不放回抽样,以X 表示取出次品的只数,(1)求X 的分布律,(2)画出分布律的图形。

解:任取三只,其中新含次品个数X 可能为0,1,2个。

3522)0(315313===C C X P3512)1(31521312=⨯==C C C X P 351)2(31511322=⨯==C C C X P 再列为下表 X : 0, 1, 2P : 351,3512,3522 4、进行重复独立实验,设每次成功的概率为p ,失败的概率为q =1-p (0<p <1) (1)将实验进行到出现一次成功为止,以X 表示所需的试验次数,求X 的分布律。

(此时称X 服从以p为参数的几何分布。

)(2)将实验进行到出现r 次成功为止,以Y 表示所需的试验次数,求Y的分布律。

(此时称Y 服从以r, p 为参数的巴斯卡分布。

)(3)一篮球运动员的投篮命中率为45%,以X表示他首次投中时累计已投篮的次数,写出X的分布律,并计算X 取偶数的概率。

解:(1)P (X=k )=q k-1p ﻩk=1,2,……(2)Y =r+n={最后一次实验前r+n-1次有n 次失败,且最后一次成功},,2,1,0,)(111 ===+=-+--+n p q C p p q C n r Y P r n n n r r n n n r 其中 q=1-p ,或记r+n=k ,则 P {Y=k}= ,1,,)1(11+=----r r k p p C rk r r k (3)P (X=k ) = (0.55)k -10.45 ﻩk=1,2…P (X 取偶数)=311145.0)55.0()2(1121===∑∑∞=-∞=k k k k X P 5、 一房间有3扇同样大小的窗子,其中只有一扇是打开的。

概率论第二章知识点

概率论第二章知识点

第二章知识点: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 ====-<<两点分布的期望:()E X p =两点分布的方差:()(1)D X p p =-(2)二项分布: 若一个随机变量X 的概率分布由式{}(1),0,1,...,.k k n 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 -==-=二项分布的期望:()E X np =二项分布的方差:()(1)D X np p =-(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 e k 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 e k k λλλ-==>=泊松分布的期望:()E X λ=泊松分布的方差:()D X λ=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: 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00()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:00()0xe xf x λλλ-⎧>>=⎨⎩⎪⎩⎪⎨⎧<<-=其它,0,1)(b x a ab x f ⎪⎩⎪⎨⎧<<-=其它,0,1)(bx a ab x f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()21()x f x ex 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()21()x f x ex 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 ex e dt ϕφ---∞=⎰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。

茆诗松概率论与数理统计教程课件第二章 (2)

茆诗松概率论与数理统计教程课件第二章 (2)

X的 数 学 期 望 ,简称期望或均值 ;
如果级数 . | x | p( x)dx 不收敛, 则称X的数学期望不存在


例一(几何分布). 某人向一目标连续射击, 直到 击中为止. 已知他每次射击的命中率为p, 求 他击中目标时所需次数X的数学期望.
解: 由上节例四知, X服从几何分布.
如果
| x
i 1


i
| p( xi ) , 则 称 E ( X ) xi p( xi ) 为
i 1

X的 数 学 期 望 ,简称期望或均值 ;
如果级数 . | xi |p( xi )不 收 敛, 则 称X的 数 学 期 望 不 存 在
i 1
注意: 在以上定义中, 要求级数绝对收敛的目的 在于使其数学期望取值唯一. 因为在数学分析 中, 我们知道
y 7y 4
2
由 ( E[Y ])' 2 y 7 0, 得到 y 3.5
故当y=3.5吨时, 可获得最大的期望利润.
§2.2 作业
教材第84页
习题 4, 14
P( X k ) pqk 1 , k 1,2,
则 E ( X ) kpqk 1 p kqk 1
k 1 k 1
令 A kqk 1 1 2q 3q 2
k 1

那么 Aq q 2q 2 3q 3
1 则 A(1 q ) 1 q q 1 q
但实际上, 当我们已知X的概率分布时, 可根据下面的定 理, 直接利用X的分布列或密度函数去求E(g(X)), 从而避 免求Y=g(X)的概率分布的过程.
定理:
若随机变量 X的概率分布用分布列 p( xi )或密度函数 p( x )表示, 则X的某一函数 g( X )的数学期望为

概率论第二章

概率论第二章
2.分布函数单调不减 分布函数单调不减 3.分布函数为右连续函数 分布函数为右连续函数
分布函数与密度函数的关系
x
F ( x) = ∫
−∞
f (t )dt
密度函数性质
1. f ( x) ≥ 0 2. f ( x)dx = 1 ∫
−∞ +∞
3. P ( x ∈ (a, b)) = ∫ f ( x)dx
,−∞ < x < +∞
• 其中 µ , σ (σ > 0 ) 为常数 则称 服从参数为 为常数,则称 则称X服从参数为 2 的正态 µ ,σ 分布(或高斯分布 记为X~ N ( µ , σ 2 ) 或高斯分布),记为 分布 或高斯分布 记为 • 正态分布密度函数的图形关于直线 x = 对称,即对 对称 即对 任意常数 a, f ( µ − a ) = f ( µ + a ) • x = µ 时, f (x ) 取到最大值 取到最大值.
(1) P (Y ≥ 2 ) = 1 − 0 .9876 5 − 5 × 0 .9876 4 × 0 .0124 = 0 .0015
(2) P (Y ≥ 2 Y ≥ 1) = P ((Y ≥ 2) ∩ (Y ≥ 1)) P(Y ≥ 2) 0.0015 = = = 0.0248 5 P (Y ≥ 1) P(Y ≥ 1) 1 − 0.9876
, = 0, , k 1 L5 ,
例2 射击进行到目标被击中或4发子 弹被用完为止.如果每次射击的命中 率都是0.4,求总射击次数X的分布律.
解 X=k所对应的事件为前k-1次射击均 未击中,第k次射击击中,故X的分布律 为:
X
P
1
2
2
3
3
4
4

概率论与数理统计第二章

概率论与数理统计第二章


1 ,max= 2

4. 渐近线 以X轴为渐进线
5. 曲线的变化规律
设X~ N ( , ) ,
2
X的分布函数是
1 F ( x) 2

x
(t ) 2 22Fra bibliotekedt , x
标准正态分布
0, 1 的正态分布称为标准正态分布.
若随机变量X的概率分布为: P(X=1)=p,0<p<1 P(X=0)=1-p=q 则称X服从参数为p的两点分布.
二项分布
例4 设射手每一次击中目标的概率为p,现连续 射击n次,求恰好击中次数X 的概率分布.
若随机变量X的概率分布为
Pn (k ) P( X k)C p (1 p)
k n k
3. F(x+0)=F(x)
例1:设随机变量X的分布函数为
a be x , x 0 F ( x) x0 0 ,
求常数a, b及概率 P( X 2)
2.2
离散型随机变量的概率分布
定义1 :设xk(k=1,2, …)是离散型随机变量X 所取的一切可能值,pk是X取 xk值的概率,称
0
1 8
1
a
2
2a
Pk
(1)求常数a ; (2) P( X 1), P(2 X 0), P( X 2)
例2 在五件产品中有两件次品,从中任取出两 件。用随机变量X表示其中的次品数,求X的分 布律和分布函数.
X
P
0
0.3
1
0.6
2
0.1
1.0 0.9
0 0.3 F ( x) 0.9 1.0
均匀分布

概率论 第二章 随机变量与概率分布

概率论 第二章 随机变量与概率分布
(2)P{0 X 2}, P{0 X 2}.
解 (1)X的分布函数为
0,
x 1
F
(
x)
1313,
1 2
5 6
,
1 x 1 1 x 2
1
1
1
1,
2 x
3 2 6
解 (2)P{0 X 2} F (2) F (0) 1 1 2 ,
33 P{0 X 2} P{0 X 2} P{X 2} 21 1.
a-b ab
2
0 1
x
2
解得:a=1/2 b=1/
X的密度为: f(x) = F(x) =
1 (1+ x2 )
(-<x<)
P{X2>1}=1-P{-1X 1}
=1-{F(1)-F(-1)}=1/ 2
例6. 设随机变量X的密度函数为:
ke-3x x>0
事件:{取到2白、1黑}={X=2}={Y=1}
4. 随机变量的分类 通常分为两类:
所有取值可以逐 个一一列举
离散型随机变量
随 机 变 量
全部可能取值不仅
如“取到次品的个数”,无穷多,而且还不能
一一列举,而是充满
“收到的呼叫数”等. 满一个或几个区间.
连续型随机变量 非离散型随机变量
非离散型非连续型
§4. 连续型随机变量的概率密度 1. 定义:对于随机变量X的分布函数F(x), 如果存在非负函数f(x),使对于任意实数x有:
F( 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。简称概率密度。
概率密度的性质:
(1). f(x)0;
(2).
f
(
x)dx

概率论与数理统计第二章1-2

概率论与数理统计第二章1-2

解:若要每蚕养活k只小蚕,则每蚕至少产卵k个, 用Am记每蚕的产卵数为m这一事件(m k),用B记 每蚕养活k只小蚕这一事件。
p( Am )
e
m
m!
;
p(B | Am ) Cmk pk (1 p)mk
根据全概率公式,所求概率
p(B) p( Am ) p(B | Am )
mk
p(B) p( Am ) p(B | Am ) mk
❖ 随机变量的函数一般也是随机变量
❖ 在同一个样本空间可以同时定义多个随机 变量。
例 S = {儿童的发育情况 } X— 身高, Y — 体重, Z— 头围.
各随机变量之间可能有一定的关系, 也 可能没有关系—— 即相互独立。
离散型
随机变量 分类
非离散型
其中一种重要的类型为 连续型随机变量
第二节 离散型随机变量及其分布律
其中xk项的系数为:
Cnk pk qnk
b(k; n, p)
可以验证:
n
n
b(k; n, p) Cnk pk qnk ( p q)n 1
k 1
k 1
例2 按规定,某种型号电子元件的使用寿 命超过1500小时的为一级品。已知某一大 批产品的一级品率为0.2,现在从中随机的 抽查20只。问20只元件中恰有k只 (k=0,1,…,20)为一级品的概率是多少?
例1 车间中正在工作的车床数
例2 某电话总机每天接到的呼叫次数
例3 考查电脑寿命
例4 检测一件产品可能出现的两个结果 , 也可以用一个变量来描述
1, 次品 X 0, 正品
共同特点:试验结果能用一个数来表示, 这个数随试验结果的不同而变化。
第一节 随机变量
随机变量 ( random variable )

《概率论》第2章2离散型随机变量-24页文档资料

《概率论》第2章2离散型随机变量-24页文档资料
C n k p k ( 1 p ) n k ( k 0 ,1 ,2 ,,n )
第二章 随机变量及其分布
§2 离散型随机变量及其分布律 11/23

P{X1}P(A1) p
P{X2}P(A1A2)P(A2| A1)P(A1) p(1 p)
P{X3}P(A1A2A3) P (A 3|A 1A 2)P (A 2|A 1 )P (A 1 ) p(1 p)2
P{X 4} P (A 1 A 2A 3A 4) P (A 1 A (12 A 3 pA )4 3)
故 X的分布律为
P{X 0} 1 8
P{X
1}
3 8
P{X 2} 3 8
所有样本点 遍历一次
全部和为1
P{X 3} 1 8
分布律有什么特点
第二章 随机变量及其分布
§2 离散型随机变量及其分布律 3/23
pk0, k1,2,
pk 1
k 1
pk P{X xk}
k1
k1
P
U{X
k 1
xk }
P(S) 1
第二章 随机变量及其分布
§2 离散型随机变量及其分布律 8/23
只产生两个结果 A , 的A 试验 伯努利试验产生什么样的随机变量
将伯努利试验独立重复进行 n 次的试验
某战士用步枪对目标进行射击,记
Байду номын сангаас
A { 击中目标 } ,A { 没击中目标 } 每射击一次就是一个伯努利试验 ,如果对目标进行 n 次射
第二章 随机变量及其分布
§2 离散型随机变量及其分布律 6/23
如果 r.v 的X 分布律为
P{X c}1
则称 r.v 服X 从 单点,分其布中 为常数c

概率论与数理统计2-2-zh

概率论与数理统计2-2-zh

泊松定理
设 0是一个常数, n是任意正整数,
k k e . k!
设n pn , 则对任一固定的非负整 数k , 有
lim C pn (1 pn ) n k
n k n
上述定理表明当n很大、p很小时有以下的近似
C p (1 p )
k n
k
n k
e , 其中 np. k!
例4 某人进行射击,设每次射击的命中率为0.02, 独立射击400次,试求至少击中两次的概率.
解 设 X 表示命中的次数, 则 X ~ b(400,0.02).
k 400
P( X k) C
0.02 0.98
k
400 k
, k 0,1,,400.
P( X 2) 1 P ( X 0) P ( X 1)
引入分布函数的意义
a
b
2. 性质
F ( x ) P ( X x ).
X
(1)F ( x )是一个不减函数,即 若x1 x 2 , 则F ( x1 ) F ( x 2 ).
( 2)0 F ( x ) 1,
x

F ( ) lim F ( x ) 0, F ( ) lim F ( x ) 1.
q
k 1

k 1
p p q
k 1

k 1
q 1. p 1 q
(3)概率背景
55页 4 题(1)
例2
某射手每次向靶射击一发子弹,命中的 概率是 p (0<p<1) . 今向靶做独立重复射击, 直到中靶为止,则他消耗的子弹数 X 是一个 随机变量,求 X 的分布律. 解 X 可能取的值是1, 2, … P(X=1) = p, P(X=2) = (1- p) p, P(X=3) = (1- p)2 p, ……. X的分布律为 P(X=k) = (1- p) k-1 p, k=1, 2,…

概率与数理统计 第二章-2-离散型随机变量及其分布律

概率与数理统计 第二章-2-离散型随机变量及其分布律

(0–1)分布的分布律也可以写成:
P{X k} pk (1 p)1k , k 0,1,0 p 1.
两点分布的模型为:
(1)Ω= {1, 2}, 只有两个基本事件。
P({1}) = p , P({2}) = 1-p =q.

X
()
1, 0,
1, 2,
(2) W A A ,有两个结果。
1
2
P 0.04 0.32 0.64
PX 0 0.2 0.2 0.04
PX 1 0.80.2 0.20.8 0.32
PX 2 0.8 0.8 0.64
(2) ∵是并联电路 ∴ P{线路接通} =P{只要一个继电器接通} =P{X≥1} =P{X=1}+P{X=2}=0.32+0.64=0.96
所以,X 的概率分布为
P{X k } C4k p k (1 p )4k ,
k 0, 1, 2, 3, 4 .
(1) 伯努利试验 若随机试验E只有两个可能的结果: 事件A发生与事件A不发生,则称这样的 试验为伯努利(Bermourlli)试验。记
P(A) p, P(A) 1 p q (0 p 1),
P{X=1}:o o o Co41 p1(1 p)41
P{X=2}:o o oo oo oo C42opo2(1oop)42
P{X=3}:ooo oo o o oo oooC43 p3(1 p)43 P{X=4}:oooo C44 p4(1 p )44 p4
其中“×”表示未中,“○”表示命中。
P(A) p, P(A) 1 p ;
③ 各次试验相互独立。
我们关心的问题是:
n次的独立伯努利试验中,事件A发生的次数 及A发生k次的概率。

概率论与数理统计 --- 第二章{一维随机变量及其分布} 第二节:离散型随机变量

概率论与数理统计 --- 第二章{一维随机变量及其分布} 第二节:离散型随机变量
概率论
第二节 离散型随机变量
离散型随机变量及其分布律 离散型随机变量表示方法 三种常见分布
一、离散型随机变量及其分布律
例1 从中任取3 个球 取到的白球数X是一个随机变量 . (1) X 可能取的值是0,1,2 ; (2) 取每个值的概率为:
3 P { X 0} 3 5 1 3 10 5 6 3 10 5 3 3 10
2) 二项分布的泊松近似
定理(泊松定理):在n重伯努利试验中,
概率论
事件A在每次试验中发生的概率为p, 如果n 时,np ( 0为常数 ), 则对任意给定的非负整数k,有: n k n k lim p 1 p = e n k k!
k 3 k
3 k
, k 0,1,2,3
=0.104
3. 泊松分布(Poisson Distribution)
1) 设随机变量X所有可能取的值为0 , 1 , 2 , … , 且概率分布为:
P( X k )
概率论

k
e

,
k 0,1,2,,
k!
其中 λ>0 是常数, 则称 X 服从参数为 λ 的泊松分布,记作X~π(λ).
概率论
随机变量 X 只可能取 0 与 1 两个值,其分布律为:
PX k p 1 p
k 1 k
,
k 0,1
0
p 1

X
0
q
1
p
pk
称 X 服从(0-1)分布或两点分布 或
X ~ b(1, p)
概率论
对于一个随机试验,如果它的样本空间只包含两个元 素,即 W {1 , 2 },我们总能在W上定义一个服从 (0-1)分布的随机变量.

概率论与数理统计 第二章 习题2

概率论与数理统计 第二章 习题2

1 y
,1
y
e
0,0 y 1或y
e
(2)当 y 0 时, fY ( y) 0
当 y 0 时 ,FY (y) P{Y y} P{2ln X y} P{X ey/2} 1 P{X e y / 2} 1 F X (e y / 2 )
fY
(
y)
f
X
(ey / 2
)(1/
2e y
36
2 一大楼装有5个同类型的供水设备。调查表明在 任一时刻每个设备被使用的概率为,问在同一 时刻(1)恰有2个设备被使用的概率是多少? (2)至少有3个设备被使用的概率是多少? (3)至多有3个设备被使用的概率是多少? (4)至少有1个设备被是使用的概率是多少?
解:以 X 表示同一时刻被使用的设备的个数,则
2 fK (x)dx
1
fK (x)dx
5 1dx 25
1 0dx 3
5
6 设随机变量 X 在 (0,1)服从均匀分布.(1)求 Y e X 的概率密度;(2)求 Y 2ln X 的概率密度。
解:X 的概率密度为
1,0 x 1 f (x) 0,其它
分别记 X ,Y 的分布函数为 FX (x), FY ( y).
y)2
2
arcsin
y.
所以当 0 y 1
时,fY
( y)
d dy
FY
( y)
2 1 y2
因此,所求的概率为
fY ( y)
2 ,0 y 1, 1 y2
0, 其它
8 一工厂生产的某种元件的寿命(以小时计)服从参数 为 160, ( 0) 的正态分布。若要 P{120 X 200} 0.80
4x2 4Kx K 2 0 有实根的概率.

中国海洋大学 《概率论》第二章-离散型随机变量

中国海洋大学 《概率论》第二章-离散型随机变量
4 则答5道题相当于做5重Bernoulli试验.
设:X:该学生靠猜测能答对的题数 则 X ~ B 5, 1 4
概率论
所以
P至少能答对4道题 P X 4
P X 4 P X 5

C54

1 4

4

3 4


1 4
5
解: 显然,X 可能取的值是1,2,… ,
设 Ak = {第k期中奖},k =1, 2, …, 于是
P( X k ) P( A1A2 Ak1Ak )
P( A1)P( A2 ) P( Ak1)P( Ak )
(1 p)k1 p
k1,2,
概率论
二、离散型随机变量的分布函数
例子
或 记作 X ~ B1, p 其中0 p 1 为参数
概率论
Bernoulli分布也称作 0-1 分布或两点分布.
Bernoulli分布的概率背景
进行一次Bernoulli试验,设:
PA p, PA 1 p q
令X:在这次Bernoulli试验中事件A发生的次数.
n


c
1

n
n1 4

c

1
4
1

c 3
4
所以
c=3
概率论
概率论
例2 一汽车沿一街道行驶,需要通过三个均设有红绿 信号灯的路口,每个信号灯为红或绿与其它信号灯为 红或绿相互独立,且红绿两种信号灯显示的时间相等. 以X表示该汽车首次停下时已通过的路口的个数,求 X的分布律.
概率论
P(Bk ) P( A1A2 Ak Ak1 An ) P( A1A2 Ank Ank1 An )

概率论与数理统计第二章2

概率论与数理统计第二章2

• 则称X在区间(a,b)上服从均匀分布, 记为X~U(a,b).
19
如果X ~ U (a ,b), 则它落在(a,b)中任意子区间内的
概率只依赖于子区间的长度而与子区间的位置无关.
事实上,任给长度为 l 的子区间 (c, c +l ) , a c <c +l b, 有
cl
P{c X c l} c f (x) d x
P{X>s+t | X > s}=P{X > t}
(4.9)
事实上
P{X

s t |
X

s}
P{( X
s t) (X P{X s}

s)}

P{X s t} P{X s}

1 F(s t) 1 F(s)

e( st ) es /
et /
P{X t}.
x 0, 0 x 2,
1,
x 2.
2
它的图形是一条连续曲线如图所示
F (x) 0x,2 / 4, 1,
F(x)
x 0, 0 x 2, x 2.
1
1/2
O 1 23
x
3
另外, 容易看到本例中的分布函数F (x )对于 任意 x 可以写成形式
x
F (x) f (t) d t,
• 显然f (x) 0, 下面来证明

f (x) d x 1
令(x)/ = t, 得到
1
e
(
x) 2 2
2
dx


1
t2
e 2 dt

《概率论与数理统计》第二章习题解答 2

《概率论与数理统计》第二章习题解答 2

第二章 随机变量及其分布1、解:设公司赔付金额为X ,则X 的可能值为;投保一年内因意外死亡:20万,概率为0.0002 投保一年内因其他原因死亡:5万,概率为0.0010投保一年内没有死亡:0,概率为1-0.0002-0.0010=0.9988 所以X2、,以X 表示取出的三只球中的最大号码,写出随机变量X 的分布律解:X 可以取值3,4,5,分布律为1061)4,3,2,1,5()5(1031)3,2,1,4()4(1011)2,1,3()3(352435233522=⨯====⨯====⨯===C C P X P C C P X P C C P X P 中任取两球再在号一球为中任取两球再在号一球为号两球为号一球为 也可列为下表 X : 3, 4,5P:106,103,101 3、设在15只同类型零件中有2只是次品,在其中取三次,每次任取一只,作不放回抽样,以X 表示取出次品的只数,(1)求X 的分布律,(2)画出分布律的图形。

解:任取三只,其中新含次品个数X 可能为0,1,2个。

3522)0(315313===C C X P3512)1(31521312=⨯==C C C X P 351)2(31511322=⨯==C C C X P 再列为下表 X : 0, 1, 2P : 351,3512,3522 4、进行重复独立实验,设每次成功的概率为p ,失败的概率为q =1-p (0<p <1) (1)将实验进行到出现一次成功为止,以X 表示所需的试验次数,求X 的分布律。

(此时称X 服从以p为参数的几何分布。

)(2)将实验进行到出现r 次成功为止,以Y 表示所需的试验次数,求Y的分布律。

(此时称Y 服从以r, p 为参数的巴斯卡分布。

)(3)一篮球运动员的投篮命中率为45%,以X表示他首次投中时累计已投篮的次数,写出X的分布律,并计算X 取偶数的概率。

解:(1)P (X=k )=q k-1p ﻩk=1,2,……(2)Y =r+n={最后一次实验前r+n-1次有n 次失败,且最后一次成功},,2,1,0,)(111 ===+=-+--+n p q C p p q C n r Y P r n n n r r n n n r 其中 q=1-p ,或记r+n=k ,则 P {Y=k}= ,1,,)1(11+=----r r k p p C rk r r k (3)P (X=k ) = (0.55)k -10.45 ﻩk=1,2…P (X 取偶数)=311145.0)55.0()2(1121===∑∑∞=-∞=k k k k X P 5、 一房间有3扇同样大小的窗子,其中只有一扇是打开的。

概率论第二章

概率论第二章

将 p = 0.5 代入,得
1 0 X ~ 0 .5 0.25 2 0.125 3 0 .0625 0 .0625 4
下面,重点介绍三种离散型随机变量的概率分 布。 (一)0-1分布 分布 若X 的分布律为 k 1− k P { X = k } = p (1 − p ) , k = 0 ,1 或者 0 1 X p pk 1− p 则称随机变量 X 服从参数为 的0-1分布 参数为p的 分布. 参数为 如果试验的结果只有两个:成功与失败,并且成 功的概率为p,则成功的次数 X 服从参数为p的0-1 分布。
P{ X ≥ 2} = 1 − P{ X = 0} − P{ X = 1}
P{ X ≥ 2} = 1 − P{ X = 0} − P{ X = 1}
= 1 − (0.99) − 20(0.01)(0.99) = 0.0169 设A为“四个人中至少有一个人来不及维修”这 一事件,则有
20 19
P( A) ≥ P{ X ≥ 2} = 0.0169
P{ X ≥ 2} = 1 − P{ X = 0} − P{ X = 1}
= 1 − (0.98)
400
− 400(0.02)(0.98)
399
直接计算上式比较麻烦,为此需要一个近似计算 公式。我们先引入一个重要的分布。
(三) 泊松分布 三 泊松分布(Poisson Distribution) 如果随机变量 X 的分布律为:
例6 社会上定期发行某种奖券,中奖率为p.某人 每次购买一张奖券,如果没有中奖则下次继续购买1 张,直至中奖为止.求该人购买次数的分布律. 解 设该人购买的次数为X ,则X的可能取值为
1, 2 , L .
{X = 1} 表示第一次购买就中奖,其概率为p.

概率论第二章

概率论第二章

三。几种常用的离散型分布 (一)二项分布
B ( n, p )
在贝努里试验中,如果每次试验事件 发生的概率为 发生的概率为P, 在贝努里试验中,如果每次试验事件A发生的概率为 ,即
P ( A) = p,0 < p < 1, q = 1 − p
并设随机变量X表示在 次试验中事件 发生的次数 并设随机变量 表示在n次试验中事件 发生的次数, 表示在 次试验中事件A发生的次数 则称X服从二项分布,记作 则称 服从二项分布,记作X~ B ( n, 服从二项分布 其分布列为: p ) ,其分布列为: k k n−k 。 ) P{ X = k} = Cn p (1 − p) , k = 0,1,..., n (2。3) 特别, 特别,当n=1时,X~ B (1, 时
G ( p)
在贝努里试验中,如果每次试验事件 发生的概率为 发生的概率为P, 在贝努里试验中,如果每次试验事件A发生的概率为 ,即
P ( A) = p,0 < p < 1, q = 1 − p
并设随机变量X表示事件 首次发生的试验次数 则称X 并设随机变量 表示事件A首次发生的试验次数,则称 表示事件 首次发生的试验次数, 服从几何分布, 其分布列为: 服从几何分布, 几何分布 记作 X ~ G ( p ) ,其分布列为:
0 3 3 解:P ( X = 0) = C2 C3 / C5 = 1 / 10,
1 3 P( X = 1) = C2C32 / C5 = 6 / 10, 2 1 3 P( X = 2) = C2 C3 / C5 = 3 / 10,
通式为: 通式为:
2
k 3 3 P( X = k ) = C2 C3 − k / C5 , k = 0,1,2
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

x kx2dx

0
x0 0 x2
0
0dx
2 kx2dx
x
kxdx


1
0
2
2 x3 3 x
x 0 x 2 x3
x
x
例3 设连续型随机变量X的概率密度为

f
(
x)


A 1 x2
,

0
,
x 1 x 1
求 (1)系数A (2)P{-1/2<X<1/2} (3)F(x)
§2.3 随机变量的分布函数
对于非离散型随机变量,由于它的可能取 值 不 能 一 个 一个地列举出来,因而就不能像离散型随 机变量那样用分布律来描述它 ; 另 外 ,非离散型随 机变量取指定实数值的概率通常等于零,因而我们 主 要 来研究随机变量所取的值落在一个区间内的 概率: P{x1<X x2}, 而
F(x)
当x<0时,F(x)=0;当x>1时,F(x)=1
1
1
当0≤x≤1时, F(x) P{0 X x} kx
x
特别,F(1)=P{0≤X≤1}=k=1
0
0, x 0 F (x)=P( X x)=x, 0 x 1
1, x 1
已知随机变量X的分布函数为
0
故对连续性随机变量,有
P{a<X<b}= P{a<X b}= P{a X<b}= P{a X b}
例1 已知连续型随机变量X的分布函数为
0,
x0
F ( x) sin x, 0 x 2
1,
x 2
试求 X 的概率密度 f(x) 及 P{/4 X 2}.
解:X的分布律为 X 1 2 3
pk 1/3 1/2 1/6
F(x) P{X x}
00 , x 1
x 1
F(x)



1P /{ 5P{/
X3 X6
, ,
1}1, x 2 1}2 P{xX32}
,
1 x21 2 x3
1 ,, x 3
x 3 0 1 2 3
x
F ( x) f (t )dt
(*)
则称X 为连续型随机变量,
f (x)-----X的概率密度函数,简称概率密度.
• 连续型随机变量的分布函数与概率密度的几何意义:
f(x) f(x)
F(x)
o
x
x
f(x)
1
o
x

f ( x)dx 1
o x1 x2
x
P{ x1<X≤ x2 }
答:(1) A=1/π,
(2) P=1/3
0
,
(3)
F
(
x)


1 2

1

arcsin
x
,
1
,
x 1 1 x 1
x1
几种常见的连续型随机变量
(一)均匀分布
若连续型随机变量X的概率密度为
ห้องสมุดไป่ตู้
f
(x)



b
1
a
,a

x

b
0 , 其它
则称X在区间(a,b)上服从均匀分布,记作X~U(a, b).
且可以证明


f
(
x)dx1
1
F(x)
e dt x

(
t )2 2 2
参数 , 的意义将2在后面的章节中给出
正态分布的 f(x)及F(x)的图形:
f(x)
F(x)
0
x
0
x
图1
图2
正态分布的概率密度函数f(x)的性质
(1) 曲线关于直线 x= 对称 . 1 f(x)
设随机变量X的分布函数为 求f(x)
F
(
x)

1
1 ex 2 1e

x
2
x0 x0
(4)连续型随机变量X取任一指定值 a 的概率为0,即 P{ X=a } = 0 .
因为,P{X a} lim P{a X a}
0
lim [F(a) F(a )]= 0
指数分布的f(x)及F(x)的图形:
f(x)
1

o
F(x) 1
x
o
x
❖ 指数分布有着重要应用,如动植物的寿命、无线 电元件的寿命,以及随机服务系统中的服务时间等 都可用指数分布来描述.
例5 设某种灯泡的使用寿命为X,其概率密度为
f
(
x)


1
e
100
x 100
,
x0
0
, x0
求 (1)此种灯泡使用寿命超过100小时的概率. (2)任取5只产品, 求有2只寿命大于100小时的概率.
a
F
(
x)


1 3
x 2
b
求a,b,并求:
x 1 1 x 1 1 x 2
x2
PX 0, P{0 X 1}, P{X 1}
解:a 0,b 1
1
PX 0 F 0 1
3
1 0 1
P0 X 1 F 1 F 0 1 1 1
f(x)
F(x)
1
ao
b x ao
bx
对任意实数c, d (a<c<d<b),都有
P{c X d}= d f (x)dx= d 1 dx=d c
c
c ba ba
例4 某公共汽车站从上午7时起,每15分钟发一趟车, 已知某乘客在7:00 到 7:30 任一时刻到达车站,求 他候车时间少于5分钟的概率.
23 6
PX 1 1 F 1 1 1 1
22
2x
用分布函数描述随机变量不如分布律直观, 对非离散型随机变量,是否有更直观的描述方法?
a
b
p{a X b} ?
§2.4 连续型随机变量的概率密度
1.定义 如果对于随机变量X 的分布函数F(x)存在非
负函数 f (x),使对于任意实数x 有
3.F(x)是右x连续的, 即:F(x+0)=xF(x). 注:若一个函数具有以上性质,则它一定是某个随
机变量的分布函数.
例2 一袋中有6个球,其中2个标号为1, 3个标号为2, 1 个标号为3, 任取1个球,以X 表示取出的球的标号, (1) 求X 的分布函数;(2)求 P{2≤X≤3}.

显然,f(x)≥0,且 f (x)dx 01 , x a
P{c
X的X 分 c布函l}数为c c

l Ff
((xx))dx
x b

a a
,
a xb
cl

1
1
dx
l,
xb
, (c,c l) (a,b)
c ba ba
f(x)及F(x)的图形:
若随机变量X的概率密度为
f (x)
1
( x )2
e 2 2 , x
2
其中 , ( >0) 为常数, 则称X服从参数为 , 的正
态分布,记为 X ~ N ( , 2 ).
显然,f(x)≥0, 且

f ( x)dx 1

正显态然分,布f(x的)≥分0,布函数为:
x
(2)
P{2

X

3}

P{
X

2}

P{ X

3}

4 6
.
二、离散型随机变量X的分布函数
设离散型随机变量X的分布律为
P{X xk } pk , k 1,2,
X的分布函数为:
F ( x) P{ X x} P{ X xk } pk
xk x
xk x

f(x)=
F
(x)
=
cos 0,
x,
0 x 2
其它
P{/4 X 2}=F(2)F(/4)=1sin /4 1 2 2
2
/2
或 f ( x)dx cos xdx 1 2 2
/4
/4
例1.已知随机变量X的概率密度为
x 0 x1 f (x) 2 x 1 x 2
2
P{ h X } P{ X h}
(2) 当 x= 时,f(x)取得最大值;
O
x
(3) 在 x= 处曲线有拐点,且以x轴为渐近线 ;
(4) 对固定的,改变的值,图形沿x轴平移; (5) 对固定的,改变, 越小,图形越尖,X落在附
近的概率越大.
§2.4 连续型随机变量的概率密度
2. 概率密度f(x)的性质:
(1) f (x) 0; (非负性)
(2)

f ( x)dx 1;
(归一性)

性质(1)、(2)是密度函数的充要性质;
设随机变量X的概率密度为
f (x) ae x
求常数a.
(3) 若x是f(x)的连续点,则
dF(x) f (x) dx
ox x
P{ x1<Xx2}=P{X x2}- P{X x1}=F(x2)- F(x1)
P{X>x2}=1- P{X x2} =1-F(x2)
性质 1.F(x) 是非减函数.即若x1< x2,则F(x1)F(x2).
相关文档
最新文档