四川大学概率统计 第二章随机变量及其分布知识总结
《概率统计教学资料》第2章随机变量及其分布9节-精品文档
![《概率统计教学资料》第2章随机变量及其分布9节-精品文档](https://img.taocdn.com/s3/m/89f487037375a417866f8ff5.png)
P ( X ln y ) F (ln y ) X 当 y e 时, F ( y ) P ( Y y ) 1 Y
上式对y求导数,得Y的概率密度为 1 1 (ln F y )(ln y ) fX (ln y) , 1 X y e y y fY ( y) F ( y ) Y
第九节 随机变量函数的分布
一、一维随机变量函数的分布
例1 设随机变量X的分布律如下, X -2 1 2 pk 0.3 0.2 0.1 3 0.4
求Y=X2-1的分布律 解:Y的所有可能取值为0,3,8 P ( Y 0 ) P ( X 1 ) 0 . 2
P ( Y 3 ) P ( X 2 ) P ( X 2 ) 0 . 3 0 . 1 0 . 4
P ( Y 8 ) P ( X 3 ) 0 . 4
2019/3/16 1
例2. 一提炼纯糖的生产过程,一天可生产纯糖1吨,但由 于机器损坏和减速,一天实际产量X是一个随机变量,设X 的概率密度为 2 x , 0x1
一天的利润Y=3X-1,Y也是随机变量,求Y的概率密度。
fX(x ) , 其他 0
0 ,
y 1 , 或 y e
4
2019/3/16
例3. 设随机变量X在区间(0,1)上服从均匀分布, (2)求Y=-2lnX的概率密度。 解: (1)因为X在(0, 1)上取值,所以Y=-2lnX 在 当 y 0 时, F ( y ) P ( Y y ) 0 ; (0,+∞)上取值。 Y 当 y 0 时, F ( y ) P ( Yy )P ( 2 ln X y ) Y
( 2 ) 当 1 y4 时,有
概率论与数理统计 第二章 随机变量及其分布
![概率论与数理统计 第二章 随机变量及其分布](https://img.taocdn.com/s3/m/6d47f448844769eae009eddc.png)
其中 (0) k!
k=0, 1, 2,···
则称r.v.X服从参数为的泊松分布。记为: X ~ ()
例4: 某信息服务台在一分钟内接到的问讯次数X服从 参数为的泊松分布,已知任一分钟内无问讯的概率为 e-6,求在指定的一分钟内至少有2次问讯的概率。
解: X ~ ( ),且PX 0 e6 即 e e6 6
件{X=5年}的概率为多少呢?
描述非离散随机变量统计特征,我们讨论它落在 某区间的概率。
这相当于,只要知道,对任意实数x,事件{Xx}的概率.
Q {a X b} {X b}{X a}
§3 随机变量的分布函数(P31)
定义
(P31) 设X是随机变量,x是任意实数,函数 F(x)=P{Xx}称为随机变量X的分布函数。
P{c X d}= d f (x)dx= d 1 dx=d c
c
c ba ba
这说明X落在(a, b)中任一区间的概率只与该区间的长度成正 比,而与该区间的位置无关,这就是均匀分布的概率意义。
例2.长途汽车起点站于每时的10分、25分、55分发车
,设乘客不知发车时间,于每小时的任意时刻随机地到
0
0, x 0 F (x)=P( X x)=x, 0 x 1
1, x 1
§4 连续型随机变量及其概率密度(P34)
一、概率密度(P34)
1. 定义 对于随机变量X,若存在非负函数 f(x),(-<x<+),使对任意实数x,都有
F (x)=P( X x)= x f (u)du
则称X为连续型随机变量, f(x)为X的概率密度 函数,简称概率密度或密度函数. 常记为:
X
x
R
概率论与数理统计第二章笔记
![概率论与数理统计第二章笔记](https://img.taocdn.com/s3/m/e9d86c4d77c66137ee06eff9aef8941ea76e4b3c.png)
概率论与数理统计第二章笔记一、引言概率论与数理统计是数学中的一个重要分支,它研究的是随机现象的规律性和统计规律性。
在第二章中,我们将深入探讨随机变量及其分布,以及随机变量的数字特征。
二、随机变量及其分布1. 随机变量的定义及分类在概率论与数理统计中,随机变量是描述随机现象数值特征的变量。
根据随机变量可取的值的性质,可以分为离散随机变量和连续随机变量。
离散随机变量只取有限个或无限可数个值,而连续随机变量则可以取在一定范围内的任意一个值。
2. 随机变量的分布及特征随机变量的分布是描述其取值的概率规律。
对于离散随机变量,常见的分布包括二项分布、泊松分布等;对于连续随机变量,则有均匀分布、正态分布等。
通过对随机变量的分布进行分析,可以推导出其数字特征,如均值、方差等。
三、随机变量数字特征1. 随机变量数字特征的意义随机变量的数字特征是对其分布的定量描述,包括均值、方差、标准差等。
这些数字特征可以帮助我们更直观地理解随机变量的分布规律,从而作出合理的推断和决策。
2. 随机变量数字特征的计算对于离散随机变量,其均值、方差的计算可通过对其分布进行加权平均;对于连续随机变量,则需要进行积分计算。
这些计算方法在实际问题中起着重要作用,例如在风险评估、市场预测等方面的应用。
四、总结和回顾概率论与数理统计第二章主要介绍了随机变量及其分布,以及随机变量的数字特征。
通过对离散和连续随机变量的分类和分布进行深入讨论,我们对随机现象的规律性有了更清晰的认识。
通过数字特征的计算,我们可以更准确地描述和解释随机现象的规律,为实际问题的分析和决策提供了有力工具。
个人观点和理解在学习概率论与数理统计第二章的过程中,我深刻认识到随机变量和其分布对于随机现象的定量分析至关重要。
通过对数字特征的计算,我们可以更准确地描述和解释随机现象的规律,这对于我在日常生活和工作中的决策和分析将有着实质性的帮助。
结论概率论与数理统计第二章所介绍的内容为我们提供了深入了解随机现象规律性的基础,并且为日后的学习和实践奠定了坚实的基础。
随机变量及其分布知识点总结资料讲解.doc
![随机变量及其分布知识点总结资料讲解.doc](https://img.taocdn.com/s3/m/5f825bacfc4ffe473268ab98.png)
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 * 。
注:超几何分布的模型是不放回抽 二、条件概率一般地, A,B 两个事件 , 且 P( A)0 ,称P(B | A)P( AB )在事件 A 生的条件下 , 事件 B 生的条件概率 .P( A)0≤ P(B | A) ≤ 1如果 B 和 C 互斥,那么 P[( B U C ) | A] P( B | A) P(C | A)三、 相互独立事件A ,B 两个事件, 如果事件 A 是否 生 事件 B 生的概率没有影响( 即 P( AB) P( A)P( B) ), 称事件 A 与事件B 相互独立。
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。
概率论与数理统计第二章基础知识小结
![概率论与数理统计第二章基础知识小结](https://img.taocdn.com/s3/m/63c22a79f111f18583d05acc.png)
5.设随机变量 X 的分布函数为 F(X)则 P{a X b} ( )
(b-0)-F(a-0)
(b-0)-F(a)
(b)-F(a-0)
(b)-F(a)
6.设随机变量 X 服从参数为 1 的泊松分布,则
P{X 1} 1 1 .
e
分析:泊松分布的分布律为
px
P{ X
k}
k k!
e ,k
0,1,2,......
c=_______.
11. 设随机变量 X~N(0,1),记 Y=2X,求:(1)P{X<-1};
(2)P{|X|<1};
(3)Y 的概率密度.(附: (1) 0.8413 )
,那么 Y 的概率密度函数为
8.以下函数中能成为某随机变量分布函数的是( )
A.
F
(x)
x, 0,
x0 x0
B.
F
(
x)
fY ( y) f X (h( y)) | h( y) |, y
本章历届试题
1.设随机变量 X ~ N(, 2 ) ,Φ (x) 为标准正态分布函数,则 P{X x} =
A.Φ(x)
Φ(x)
C.Φ
x
Φ
x
2.设随机变量 X 服从参数为 1 的指数分布,则 P{X 1}= 1 .
p3
…
设 X 的连续型随机变量,其概率密度为 fX (x) 。设 g(x) 是一严格单调 的可导函数,其值域为[, ],且 g(x) 0 。记 x h(x) 为 y g(x) 的反
函数,则Y g(X ) 的概率密度为
fY
( y)
fX (h( y)) | 0,
h( y)
|,
y 其他
《概率论与数理统计》第二章随机变量及其分布
![《概率论与数理统计》第二章随机变量及其分布](https://img.taocdn.com/s3/m/bb775c4465ce050877321304.png)
第二章随机变量及其分布 ....................................................................................................... - 1 - 第一节随机变量及其分布函数 ..................................................................................... - 2 - 一随机变量概念 ....................................................................................................... - 2 -二随机变量的分布函数 ........................................................................................... - 3 -基础训练2.1 ............................................................................................................... - 6 - 第二节离散型随机变量及其概率分布............................................................................ - 6 - 一离散型随机变量及其概率分布............................................................................ - 6 -二常见的几种离散型随机变量及其分布................................................................ - 8 -基础训练2.2 ............................................................................................................. - 13 - 第三节连续型随机变量及其概率分布.......................................................................... - 13 - 一连续型随机变量及其分布的概念与性质.......................................................... - 14 -二常见的几种连续型随机变量及其分布.............................................................. - 16 -基础训练2.3 ............................................................................................................ - 21 - 第四节随机变量函数的分布 ......................................................................................... - 21 - 一离散型随机变量函数的分布.............................................................................. - 21 -二连续型随机变量的函数分布.............................................................................. - 22 -基础训练2.4 ............................................................................................................ - 25 - 综合训练二 ....................................................................................................................... - 25 - 内容小结及题型分析二 ................................................................................................... - 25 - 拓展提高二 ....................................................................................................................... - 25 - 阅读材料二 ....................................................................................................................... - 25 - 数学实验二 ....................................................................................................................... - 25 -第二章随机变量及其分布【本章导读】本章主要讲述随机变量与分布函数,一维离散型随机变量、连续型随机变量的概率分布,常见分布及函数的分布.【本章用到的先修知识】级数的运算,变限积分,分段函数的积分,无穷积分.【本章要点】随机变量的概念,分布函数,分布律,概率密度,常见随机变量的分布,函数的分布.在上一章中,我们用样本空间的子集,即基本事件的集合来表示随机试验的各种结果.这种表示的方式对全面讨论随机试验的统计规律性及数学工具的运用都有较大的局限. 在本章中,我们将介绍概率论中另一个重要的概念:随机变量. 随机变量的引入,使概率论的研究由个别随机事件扩大为随机变量所表征的随机现象的研究. 这样,不仅可更全面揭示随机试验的客观存在的统计规律性,而且可使我们用高等数学的方法来讨论随机试验.第一节 随机变量及其分布函数一 随机变量概念在第一章里,我们主要研究了随机事件及其概率,读者可能会注意到在随机现象中,有很大一部分问题与实数之间存在着某种客观的了解. 例如,在产品检验问题中,我们关心的是抽样中出现的废品数;在车间供电问题中,我们关心的是某时间段正在工作的车床数;在电话问题中关心的是某一段时间内的话务量等. 对于这类随机现象,其试验结果显然可以用数值来描述,并且随着试验的结果不同而取不同的数值。
第二章 随机变量及其概率分布总结
![第二章 随机变量及其概率分布总结](https://img.taocdn.com/s3/m/79e0cd2fbd64783e09122b4d.png)
2.2.1.随机变量与它的分布函数1.随机变量的概念随机变量ξ是定义在样本空间Ω上的实值集函数,它具有取值的不确定性(随机性)和取值范围及相应概率的确定性(统计规律性)两大特征。
特别是后一特征表明,对于任意实数x ,事件{ξ≤x }都有确定的概率。
常用的随机变量按取值方式可分为离散型和连续型两类。
2.分布函数与它的基本性质对于随机变量ξ 以及任意实数x ,称一元函数 F (x )=P {ξ≤x } 为ξ的分布函数。
由此可见,分布函数是定义域为),(∞-∞、值域为[0,1]的实函数。
其基本性质是: (1) 1)(0≤≤x F ,对一切∞<<∞-x 成立;(2)F (x )是一个单调不减函数,即当21x x <时,有 )()(21x F x F ≤;(3)F (x )是右连续的,即F (x +0)=F (x );(4)1)(lim )(,0)(lim )(==∞==-∞∞→-∞→x F F x F F x x 。
反之,具有这四条性质的函数一定是某个随机变量的分布函数。
若F (x )为随机变量ξ的分布函数,则对于任意的a ,b (a <b ),有 )()(}{a F b F b a P -=≤<ξ。
这样,ξ 落入任一区间的概率都可用分布函数来表达。
从这个意义上讲,分布函数完整地描述了各类随机变量取值的统计规律。
例:随机变量 X 的分布函数 F (x ) 是随机变量 {X ≤x }的概率。
2.2.2.离散型随机变量及其分布1.分布律与它的基本性质若随机变量ξ的取值只能是有限个值或可列个值,则称ξ为离散型随机变量。
对离散型随机变量需要知道它取哪些值及其取值的概率。
所有这些将由分布律来描述,随机变量ξ的分布律可表示为r .v .ξ ~ .3,2,1,}{ ===i p x P i i ξ分布律也可表示为分布律具有以下基本性质:(1),0≥i p ,3,2,1=i (非负性); (2)∑∞==11i i p (规范性)。
随机变量及其分布考点总结
![随机变量及其分布考点总结](https://img.taocdn.com/s3/m/49198b26aa00b52acec7cab2.png)
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](https://img.taocdn.com/s3/m/363c995e1fd9ad51f01dc281e53a580216fc5013.png)
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(经管类)第二章知识点总结
![概率论与数理统计(经管类)第二章知识点总结](https://img.taocdn.com/s3/m/aee837c8bb4cf7ec4afed0ed.png)
第二章 随机变量及其概率分布1. 离散型随机变量()01k K K KP X x p p ==≥⎧⎪⎨=⎪⎩∑ 例1 设 ,则3.02.05.01=--=c------------------------------------------------------------------------------------------------ 8.知识点:离散型随机变量的分布律性质下列各表中可作为某随机变量分布律的是( ) A . B .C .D .答案:C解:A 事件概率不可能为负值 B ,D1i iP ≠∑返回:第二章 随机变量及其概率分布------------------------------------------------------------------------------------------------2.常见离散型随机变量(1)0—1分布:设X ~),1(p B ,则应用背景:一次抽样中,某事件A 发生的次数X ~),1(p B ,其中EX X P A P p ====)1()(例2 设某射手的命中率为p ,X 为其一次射击中击中目标的次数,则X ~),1(p B(2)二项分布:设X ~),(p n B ,则()(1),0,1,2,,k k n kn P X k C p p k n -==-=应用背景:n 次独立重复抽样中某事件A 发生的次数X ~),(p n B ,其中()p P A =为事件A 在一次抽样中发生的概率。
例3 某射手的命中率为0.8,X 为其5次射击中命中目标的次数,则X 取的可能值为5,,1,0 ,52()0.80.2k k k P X k C -==,即X ~)8.0,5(B记住:若X ~),(p n B ,则np EX =,)1(p np DX -=------------------------------------------------------------------------------------------------ 9.知识点:事件的关系及二项分布设每次试验成功的概率为)10(<<p p ,则在3次独立重复试验中至少成功一次的概率为( ) A .3)1(1p -- B .2)1(p p - C .213)1(p p C -D .32pp p ++答案:A解: 利用对立事件求解。
《概率论与数理统计》第二章随机变量及其分布知识点
![《概率论与数理统计》第二章随机变量及其分布知识点](https://img.taocdn.com/s3/m/200913d70342a8956bec0975f46527d3240ca602.png)
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。
概率论与数理统计随机变量及其分布小结
![概率论与数理统计随机变量及其分布小结](https://img.taocdn.com/s3/m/dc34980dfbd6195f312b3169a45177232f60e485.png)
概率论与数理统计第2章随机变量与其分布
本章小结
01 知识点归纳
02 教学要求与学习建议
01 分布函数
二项分布泊松分布几何分布超几何分布
分布律
离散型随机变量
常用分布概率密度
随机变量与其分布
正态分布
连续型随机变量
常用分布 指数分布均匀分布
离散型随机变量函数地分布连续型随机变量函数地分布
随机变量函数地分布
01 知识点归纳
02 教学要求与学习建议
(2)理解离散型随机变量与其分布律地概念与性质;熟练掌握二项分布,泊松分布等常用分布与其应用。
(3)理解连续型随机变量与其概率密度地概念与性质;熟练掌握正态分布,指数分布与均匀分布与其应用。
(4)会利用分布律,概率密度与分布函数计算有关事件地概率。
(5)会求简单地随机变量函数地概率分布。
分布函数
二项分布泊松分布几何分布超几何分布
分布律
离散型随机变量
常用分布概率密度
工具——掌握使用——熟练转换——灵活
随机变量与其分布
正态分布
连续型随机变量
常用分布 指数分布均匀分布
离散型随机变量函数地分布连续型随机变量函数地分布
随机变量函数地分布
概率论与数理统计
学海无涯, 祝你成功!。
概率论与数理统计总结之第二章
![概率论与数理统计总结之第二章](https://img.taocdn.com/s3/m/f70f9e69f5335a8102d2202a.png)
第二章 随机变量及其分布第一节 离散型随机变量离散型随机变量:若随机变量的取的值是有限个或可列无限多个,就叫做离散型随机变量 离散型随机变量的分布律:1)等式形式{},1,2,===k k P X x p k 且11∞==∑kk p2)表格形式:分布律性质:1. 0,1,2.....≥=k p k 2. 11∞==∑kk p步骤:1.找到所有可能取值2.算出每种取值的概率3.概率相加为1 方法:1.定取值:取值点就是分断点.2.概率:挨着减.3.三种重要的离散型随机变量: 1.(0-1)分布{}1(1),0,1(01)-==-=<<k k P X k p p k p2.二项分布(,)XB n p1)背景:独立地重复进行n 次实验,成功的次数服从二项分布. 2)若(,)XB n p ,则1(,1)--XB n p定义:若随机变量X 的可能有取值为0.1.2…n,而X 的分布律为()(1),0,1,2,...-==-=k kn k n P X k C p p k n其中01,1<<+=P p q 则称X 服从参数为n,p 的二项分布,记为(,)X B n pn 重伯努利试验伯努利试验:设试验E 只有两个可能结果:A 及A ,则称E 为伯努利试验,设P(A)=p(0<p<1),此时P(A )=1-p. 二项分布的应用:产品的合格与不合格,机器故障等 3.泊松定理:当X 服从二项分布,(,)XB n p ,若:lim 0(为常数),λλ→+∞=>n n np 则有:2lim ()(1),0,1,2,...!()λ--→+∞==-==k kk n knn e P X k C p p k n k泊松分布X ~P(λ)设随机变量X 所以可能取的值为0,1,2,…,而取各个值的概率为{}!λλ-===k k e p P X k k ,k=0,1,2,……其中λ>0是常数,则称X 服从参数为λ的泊松分布,记为X ~P(λ) 泊松分布的应用:某一时段时段内某一事件所发生的次数 第二节 非离散型随机变量:非离散型随机变量取任一指定点的实数值的概率都等于01.分布函数:设X 是一个随机变量,x 是任意实数,函数F(x)=P{X ≤x},(,)∈-∞+∞x 称为X 的分布函数 对于任意实数1x ,2x (1x <2x ),有122121{}{}{}()()<≤=≤-<=-P x X x P X x P X x F x F x随机变量的分布函数:定义:设X 是一个随机变量,对于任意实数x,令{}(),=≤-∞<<+∞F x P X x x 称()F x 为随机变量的概率分布函数,简称分布函数.利用分布函数()=X f x 求各种随机事件的概率: 1.{}()≤=P X a F a2.{}{}11()>=-≤=-P X a P X a F a3. {}(0)lim ()-→<=-=x aP X a F a F a 4. {}{}11(0)≥=-<=--P X a P X a F a5. {}{}{}()(0)==≤-<=--P X a P X a P X a F a F a6. {}{}{}()()<≤=≤-≤=-P a X b P X b P X a F b F a7. {}{}{}(0)(0)≤<=<-<=---P a X b P X b P X a F b F a8. {}{}{}(0)()<<=<-≤=--P a X b P X b P X a F b F a 9.{}{}{}()(0)≤≤=≤-<=--P a X b P X b P X a F b F a2. 分布函数的基本性质: 1) 非负性:0()1≤≤F x2) 规范性:()lim ()0,()lim ()1→-∞→+∞-∞==+∞==x x F F x F F x3) 单调不减性:对任意1212,()()<≤x x F x F x (函的的单调性判断可通过求导:导数大0,增,小于0,减) 4) 右连续性:()(0)lim ()()+→=+=+=x F x F x F x x F x性质2.4可用来确定分布函数中的未知参数.(只要分布函数含有未知参数,就用这两条来推得) 1.2.3.4是一个函数能够成为某一随机变量分布函数的充要条件.(4条共用以判定是否为分布函数)已知X 的分布函数F(x),可求出:{}{}{}()()()1()≤=<≤=->=-P X b F b P a X b F b F a P X b F b第三节 连续型随机变量1. 连续型随机变量及其概率密度定义:若对于随机变量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()()-∞=⎰xF x f t dt,则称X 为连续型随机变量, 概率密度的性质:1.f(x)≥0,(-∞≤≤+∞x )(非负性)2.()1∞-∞=⎰f x dx (规范性)(作用:可用来定义未知参数)(介于()=y f x 与X 轴之间在面积等G .)(1.2是判断一个函数是否是密度函数的充要条件) 3.{}()()(),<≤=-=≤⎰ba P a Xb F b F a f x dx a b(作用:求概率)(落在区间(a.b ]的概率是曲边梯形的积) (不论区间开闭,都一样,离散型无这性质) 4.分布函数()()-∞=⎰x F x f t dt是连续函数.5.连续型随机变量在任意点0x 取值概率0{}0==P X x6.若f(x)在点x 处连续,则有F ′(x)=f(x)(结合变上限积分的求导法则()*()()()-∞'==⎰xf x f t dtF x )(可用于已知分段函数求概率密度) 注意: 1.()()-∞=⎰x F t f t dt()F t 一定连续,但()f t 不一定连续.2. 0()1≤≤F x ()f x 不是概率,概率密度.()∆f x x 是概率.3. ()f x 大小可以反映概率的大小.当()f x 为分段函数时,F(x)也是分段函数,二者有相同的分段点. 均匀分布~(a,b)X U密度函数 1,,()0,其它⎧≤≤⎪-⎨⎪⎩a xb f x b a~(a,b)X U ,≤<≤a c d b ,则()-<<=-d c P c x d b a分布函数0,F(),,0,其它<⎧⎪-⎪≤≤⎨-⎪⎪⎩x a x a x a x b b a指数分布~()λX E密度函数 ,0(),0,0λλ-⎧>=⎨≤⎩x e x f x x分布函数1,0(),0,0λ-⎧->=⎨≤⎩x e x F x x正态分布2~(,)μσX N )密度函数22()21(),,2μσπσ--=-∞<<∞x f x ex标准正态~(0,1)X N概率密度 ()ϕx =2212πx e ,(-∞<<∞x )分布函数()Φx =2212π-∞⎰t xe dt (-∞<<∞x )正态分布曲线的性质:a) 曲线关于直线=x u 对称.对于任何0>h ,有:{}{},-<≤=≤<+P u h X u P u X u hb) 当=x u 取到最大值的时候,1(),2πσ=f u 在σ=±x u 处,曲线有拐点,曲线以x 轴为渐近线.c) 当σ取定,12<u u 时,212222()21()221()21()2μσμσπσπσ----==x x f x ef x e两条曲线可互相沿着X 轴平行移动而得,不改变形状,可见正太分布典线的位置完全由u 决定.d) 当u 取定,12σσ<时,221222()231()2421()21()2μσμσπσπσ----==x x f x ef x e可见,当σ越小,图形越尖锐.σ越大,图形越平缓,可见σ值刻画了正态随机变量取值的分散程度,σ越小分散程度越小,σ越大分散程度越大.其分布函数为:22()21()2μσπσ--=-∞⎰t x F x e dt()ϕx 的图形关于Y 轴对称.()ϕx 在x =0时取得最大值12π.特例:2()-∞=-∞⎰x F x e dx (2=tx )222()()22()212212πππ---∞∞⇒⇒-∞-∞∞⇒⇒-∞⎰⎰⎰t t t ted e dte dt标准正态分布函数的性质: a) ()1()Φ-=-Φx x b) ()()ϕϕ-=x x c)1(0)2Φ=d) {}2()1≤=Φ-P X a a 解决正态分布的步骤:1) 正态标准化. 一般分布:X ~N(μ,2σ)通过线性变换:σ-=x uz 化成标准正态.2) 利用标准正态的对称性 3) 查表计算引理:若X ~N(μ,2σ),其分布函数为F(x),则: 1.{}()()σ-=≤=Φx uF x P X x (从一般正态到标准正态)2.{}{}{}{}()()σσ<≤=≤≤=≤<--=<<=Φ-ΦP a X b P a X b P a X b b ua uP a X b3. {}{}1()σ->=≥=-Φa uP X a P X a第四节 随机变量函数的概率分布1. 离散型随机变量函数的概率分布概率对应 顺序重排2. 连续型随机变量函数的概率分布其概率密度为 '[()](),(),0,其他αβ⎧<<⎪=⎨⎪⎩X Y f h y h y y f y()h y 是根据()=Y g x 所求得的反函数()=x h y()'h y 是对反函数求导。
随机变量及其分布知识点整理.docx
![随机变量及其分布知识点整理.docx](https://img.taocdn.com/s3/m/3aadcfc9f46527d3240ce0fb.png)
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 *。
注:超几何分布的模型是不放回抽二、条件概率一般地, A,B 两个事件 , 且P( A)P( AB)0 ,称 P( B | A)在事件 A 生的条件下 , 事件 B 生的条P( A)件概率 .0 ≤ P(B | A) ≤ 1如果 B 和 C互斥,那么P[( B U C ) | A] P(B | A) P(C | A)三、 相互独立事件A ,B 两个事件, 如果事件 A 是否 生 事件 B 生的概率没有影响( 即 P( AB)P( A) P(B) ), 称事件A 与事件B 相互独立。
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 )。
第二章-随机变量及其分布-章末归纳总结
![第二章-随机变量及其分布-章末归纳总结](https://img.taocdn.com/s3/m/8c2b99d70975f46527d3e1ff.png)
[点拨] 以求均值为最终目标的题型是高考对本章知 识以解答题形式考查的热点题型.解答这类问题关键在于 分析随机变量取每一个值时所对应的随机事件,并求相应 概率,再列出分布列即可.一般地,这类题型求其数学期 望(均值)比较简单,不过本例中在求E(X)时需要用到错位相 减法,这是高考命题的一个新动向,应引起我们的高度重 视.
(2)6 次中前 2 次均出现正面,要使 2≤S6≤4,则后 4 次中有 2 次正面 2 次反面或 3 次正面 1 次反面.设其概率 为 P2,则 P2=12×12C42122×122+12×12C34123×12=352.
[点拨] 对2≤S6≤4所包含的两种情况都要考虑到,本 题考查了独立重复试验及其概率求法.
[例6] 如图为某地成年男性体重的正态曲线图,请写 出其正态分布密度函数,并求P(|X-72|<20).
[解析] φ(x)= 2π1·10e-(x-20702)2,x∈(-∞,+∞), P(|X-72|<20)=P(|X-μ|<2σ)=P(μ-2σ<X<μ+2σ)= 0.9544.
[点拨] (1)从图象入手,认识正态分布的有关知识, 发挥图象的直观功能、提高解题效率.
ξ 0 5 10 15 20 25 30
P
13 64 32
15 5 64 16
15 64
31 32 64
(2)E(ξ)=5×332+10×1654+15×156+20×1654+25×332
+30×614=15.
(1)利用数形结合的思想方法解题. (2)本章的内容很多是由图表给出的,这即是数形结合 思想的应用,数形结合思想在高考中占有重要位置,是高 考中重点考查的思想,它可以使题目的解答更形象、直观, 一目了然.
概率与统计中的随机变量及其分布知识点总结
![概率与统计中的随机变量及其分布知识点总结](https://img.taocdn.com/s3/m/2a778b35773231126edb6f1aff00bed5b9f373a7.png)
概率与统计中的随机变量及其分布知识点总结在概率与统计学中,随机变量是一种具有概率分布的变量,它可以用来描述不确定性的现象和事件。
随机变量的理论是概率论的核心内容之一,掌握随机变量及其分布知识点对于理解概率与统计学的基本原理及应用具有重要意义。
本文将对概率与统计中的随机变量及其分布进行知识点总结。
一、随机变量的概念与分类随机变量(Random Variable)是指对于随机试验结果的数值描述。
随机变量可以分为离散型随机变量和连续型随机变量两类。
1. 离散型随机变量离散型随机变量(Discrete Random Variable)的取值为有限个或可数个。
常见的离散型随机变量有伯努利随机变量、二项分布随机变量、泊松随机变量等。
2. 连续型随机变量连续型随机变量(Continuous Random Variable)的取值可以是任意的实数。
通常用于表示测量结果或特定区间内的变化。
常见的连续型随机变量有均匀分布随机变量、正态分布随机变量等。
二、随机变量的分布函数与概率函数随机变量的分布函数和概率函数是描述随机变量的重要工具。
1. 分布函数分布函数(Distribution Function)是随机变量取值小于或等于某个值的概率,通常记作F(x),其中x为随机变量的取值。
分布函数的性质包括:非递减性、右连续性、左极限性质。
2. 概率函数(密度函数)概率函数(Probability Density Function)用于描述连续型随机变量的概率分布情况,通常记作f(x),其中x为随机变量的取值。
概率函数的性质包括:非负性、归一性。
三、常见的随机变量及其分布在概率与统计学中,有一些常见的随机变量及其分布是被广泛应用的。
1. 伯努利随机变量伯努利随机变量(Bernoulli Random Variable)是最简单的离散型随机变量,它只有两个取值,通常用来描述成功或失败的情况。
2. 二项分布随机变量二项分布随机变量(Binomial Random Variable)描述了n个独立的伯努利试验中成功的次数,其中n为试验次数,p为单次成功的概率。
随机变量及其分布总结
![随机变量及其分布总结](https://img.taocdn.com/s3/m/6db5a165ac02de80d4d8d15abe23482fb5da0265.png)
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。
选修2-3第二章随机变量及其分布知识点总结
![选修2-3第二章随机变量及其分布知识点总结](https://img.taocdn.com/s3/m/2a2685c1bcd126fff6050b89.png)
选修2-3第二章随机变量及其分布知识点总结(总4页)--本页仅作为文档封面,使用时请直接删除即可----内页可以根据需求调整合适字体及大小--第二章 概率 总结一、知识点1.随机试验的特点: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.2.分类 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。
)离散型随机变量:连续型随机变量: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 xi(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,简称分布列性质: ① ----------------------------------------------② -------------------------------------------------.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的二点分布二点分布的应用:如抽取彩票是否中奖问题、新生婴儿的性别问题等.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 MnNC C P X k k m C --===,其中则称随机变量X 的分布列,为超几何分布列,且称随机变量X 服从参数N 、M 、n 的超几何分布 注意:(1)超几何分布的模型是不放回抽样;(2)超几何分布中的参数是N 、M 、n ,其意义分别是总体中的个体总数、N 中一类的总数、样本容量条件概率1.定义: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2.事件的交(积):由事件A 和事件B 同时发生所构成的事件D ,称为事件A 与事件B的交(或积).记作D=A ∩B 或D=AB3.条件概率计算公式:例题、10个产品中有7个正品、3个次品,从中不放回地抽取两个,已知第一个取到次品,求第二个又取到次品的概率.相互独立事件1.定义: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两个相互独立事件同时发生的概率,等于每个事件发生的概率的积。
180《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](https://img.taocdn.com/s3/m/c9bb5ea5bb68a98271fefaf2.png)
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
四川大学概率统计 第二章随机变量及其分布知识总结
![四川大学概率统计 第二章随机变量及其分布知识总结](https://img.taocdn.com/s3/m/c4628127b90d6c85ec3ac68f.png)
F () lim F ( x) 1 ;
x
4° F ( x 0) F ( x) ,即 F ( x) 是右连续的; 5° P( X x) F ( x) F ( x 0) 。 (3)连续型随机变量的密度函数 定义: 设 F ( x) 是随机变量 X 的分布函数, 若存在非负函数 f ( x) , 对任意实数 x , 有
容易验证,满足离散型分布率的条件。 当 n 1时, P( X k ) p k q1k , k 0.1 ,这就是(0-1)分布,所以(0-1)分布 是二项分布的特例。
③泊松分布 设随机变量 X 的分布律为
P( X k )
k
k!
e , 0 , k 0,1,2 ,
随机变量及其分布
一、概念网络图
基本事件 随机事件A P( A) 随机变量X ( ) a X b F (b) F (a)
0 1分布 二项分布 离散型 泊松分布 超几何分布 几何分布 分布函数:F ( x) P( X x) 分布 函数分布Y=g X 均匀分布 连续型 指数分布 正态分布 分布
x1
x2
4° 若 f ( x) 在 x 处连续,则有 F ( x) f ( x) 。
P( x X x dx) f ( x)dx
它在连续型随机变量理论中所起的作用与 P( X xk ) pk 在离散型随机变量理论 中所起的作用相类似。 对于连续型随机变量 X ,虽然有 P( X x) 0 ,但事件 ( X x) 并非是不可能事 件 Ø。
- 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、"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、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)。
k , a x b f ( x) 0, others
其中 k=
1 , ba
则称随机变量 X 在[a,b]上服从均匀分布,记为 X~U(a,b)。 分布函数为
x a, 0, x a F ( x) , a x b, b a x b. 1,
P( X k )
k nk k 0,1,2, l CM CN M , n l min( M , n) CN
随机变量 X 服从参数为 n,N,M 的超几何分布。 ⑤几何分布
P( X k ) q k 1 p, k 1,2,3, ,其中 p≥0,q=1-p。
随机变量 X 服从参数为 p 的几何分布。 (2)连续型分布 ⑥均匀分布 设随机变量 X 的值只落在[a,b]内,其密度函数 f ( x) 在[a,b]上为常数 k,即
xh
P ( X x ) P ( x X x h)
f ( x)dx
x
令 h 0 ,则右端为零,而概率 P( X x) 0 ,故得 P( X x) 0 。 不可能事件(Ø)的概率为零,而概率为零的事件不一定是不可能事件;同理, 必然事件(Ω)的概率为 1,而概率为 1 的事件也不一定是必然事件。 2、常见分布 (1)离散型分布 ①0-1 分布 P(X=1)=p, P(X=0)=1-p ②二项分布 在 n 重贝努里试验中, 设事件 A 发生的概率为 p 。 事件 A 发生的次数是随机变量, 设为 X ,则 X 可能取值为 0,1,2,, n 。
容易验证,满足离散型分布率的条件。 当 n 1时, P( X k ) p k q1k , k 0.1 ,这就是(0-1)分布,所以(0-1)分布 是二项分布的特例。
③泊松分布 设随机变量 X 的分布律为
P( X k )
k
k!
e , 0 , k 0,1,2 ,
x
F () lim F ( x) 1 ;
x
4° F ( x 0) F ( x) ,即 F ( x) 是右连续的; 5° P( X x) F ( x) F ( x 0) 。 (3)连续型随机变量的密度函数 定义: 设 F ( x) 是随机变量 X 的分布函数, 若存在非负函数 f ( x) , 对任意实数 x , 有
1° 2°
f ( x) 0 。
f ( x)dx 1 。
F ()
于 1。
f ( x)dx 1 的几何意义;在横轴上面、密度曲线下面的全部面积等
如果一个函数 f ( x) 满足 1° 、2° ,则它一定是某个随机变量的密度函数。
3° P( x1 X x2 ) = F ( x2 ) F ( x1 ) = f ( x)dx 。
F ( x) 的图形是阶梯图形, x1 , x2 , 是第一类间断点,随机变量 X 在 x k 处的
概率就是 F ( x) 在 x k 处的跃度。 分布函数具有如下性质: 1° 0 F ( x) 1,
x ;
2° F ( x) 是单调不减的函数,即 x1 x2 时,有 F ( x1) F ( x 2) ; 3° F () lim F ( x) 0 ,
P( X k ) Pn(k ) C n p k q nk ,
k
其中 q 1 p,0 p 1, k 0,1,2,, n ,
则称随机变量 X 服从参数为 n , p 的二项分布。记为 X ~ B(n, p) 。
X | P( X k ) q n , npq n1 , C 2 p 2 q n2 ,, C k p k q nk ,, p n n n
二、基本概念
在许多试验中,观察的对象常常是一个随同取值的量。例如掷一颗骰子出现 的点数,它本身就是一个数值,因此 P(A)这个函数可以看作是普通函数(定义域 和值域都是数字,数字到数字) 。但是观察硬币出现正面还是反面,就不能简单 理解为普通函数。但我们可以通过下面的方法使它与数值联系起来。当出现正面 时,规定其对应数为“1”;而出现反面时,规定其对应数为“0”。于是
随机变量及其分布
一、概念网络图
基本事件 随机事件A P( A) 随机变量X ( ) a X b F (b) F (a)
0 1分布 二项分布 离散型 泊松分布 超几何分布 几何分布 分布函数:F ( x) P( X x) 分布 函数分布Y=g X 均匀分布 连续型 指数分布 正态分布 分布
1,当正面出现 X X 0,当反面出现
称 X 为随机变量。又由于 X 是随着试验结果(基本事件 )不同而变化的,所 以 X 实际上是基本事件 的函数,即 X=X(ω)。同时事件 A 包含了一定量的 ω (例如古典概型中 A 包含了 ω1,ω2,…ωm,共 m 个基本事件) ,于是 P(A)可以 由 P(X(ω))来计算,这是一个普通函数。 定义: 设试验的样本空间为 , 如果对 中每个事件 都有唯一的实数值 X=X(ω) 与之对应,则称 X=X(ω)为随机变量,简记为 X 。
( ) x 1e x dx ,
0
( 1) ( )
指数分布有重要应用, 常用它来作为各种“寿命”分布的近似. 例如无线电元 件的寿命、动物的寿命、电话问题中的通话时间、随机服务系统中的服务时间等 都常假定服从指数分布. 服从指数分布的随机变量 X 具有以下有趣的性质: 对于任意的 s、t > 0, 有 P{X > s + t X > s} = P{X > t}. 事实上 P{X > s + t X > s}
F ( x) P( X x)
称为随机变量 X 的分布函数。
P(a X b) F (b) F (a) 可以得到 X 落入区间 (a, b] 的概率。也就是说,分
布函数完整地描述了随机变量 X 随机取值的统计规律性。 分布函数 F ( x) 是一个普通的函数,它表示随机变量落入区间(– ∞,x]内的 概率。
正态分布
设随机变量 X 的密度函数为 f ( x)
有了随机变量,就可以通过它来描述随机试验中的各种事件,能全面反映试 验的情况。 这就使得我们对随机现象的研究, 从前一章事件与事件的概率的研究, 扩大到对随机变量的研究,这样数学分析的方法也可用来研究随机现象了。 一个随机变量所可能取到的值只有有限个(如掷骰子出现的点数)或可列无 穷多个(如电话交换台接到的呼唤次数) ,则称为离散型随机变量。像弹着点到 目标的距离这样的随机变量,它的取值连续地充满了一个区间,这称为连续型随 机变量。 1、随机变量的分布函数 (1)离散型随机变量的分布律 设离散型随机变量 X 的可能取值为 Xk(k=1,2,…)且取各个值的概率,即事件 (X=Xk)的概率为 P(X=xk)=pk,k=1,2,…, 则称上式为离散型随机变量 X 的概率分布或分布律。 有时也用分布列的形式 给出:
P{( X s t ) ( X s)} P{ X s t} 1 F ( s t ) e e P{ X t} . = = s 1 F ( s) P{ X s} P{ X s} e s t t
此性质称为无记忆性. 如果 X 是某一元件的寿命, 那么上式表明: 已知元件 已使用了 s 小时, 它总共能使用至少 s + t 小时的条件概率, 与从开始使用时算起 它至少能使用 t 小时的概率相等. 这就是说, 元件对它已使用过 s 小时没有记忆. 具有这一性质是指数分布有广泛应用的原因.
⑧ 分布 首先定义 Gamma 函数:
设 0 ,关于 的含参积分
0
x 1e x dx
叫做 Gamma 函数或 积分。其有如下三个重要性质: (I) 1 , 0
1 (II) 1 1, 2
当 a≤x1<x2≤b 时,X 落在区间( x1 , x2 )内的概率为 P( x1 X x2 ) x f ( x)dx x
1
x2
x2
1
1 x x1 dx 2 。 ba ba
⑦机变量 X 的密度函数为 f ( x) 0 , x 0
X x1, x 2,, xk , | 。 P( X xk ) p1, p 2,, pk ,
显然分布律应满足下列条件: (1) pk 0 , k 1,2, , (2) pk 1 。
k 1
(2)分布函数 对于非离散型随机变量,通常有 P( X x) 0 ,不可能用分布律表达。例如 日光灯管的寿命 X , P( X x0) 0 。所以我们考虑用 X 落在某个区间 (a, b] 内的 概率表示。 定义 :设 X 为随机变量, x 是任意实数,则函数
x1
x2
4° 若 f ( x) 在 x 处连续,则有 F ( x) f ( x) 。
P( x X x dx) f ( x)dx
它在连续型随机变量理论中所起的作用与 P( X xk ) pk 在离散型随机变量理论 中所起的作用相类似。 对于连续型随机变量 X ,虽然有 P( X x) 0 ,但事件 ( X x) 并非是不可能事 件 Ø。
则称随机变量 X 服从参数为 的泊松分布,记为 X ~ ( ) 或者 P( )。 n→∞,但是注意通常要求 p 0.1, n 50 ) 泊松分布为二项分布的极限分布 (np=λ, 。 如飞机被击中的子弹数、来到公共汽车站的乘客数、机床发生故障的次数、自动 控制系统中元件损坏的个数、某商店中来到的顾客人数等,均近似地服从泊松分 布。 ④超几何分布